電子發(fā)燒友App
2018年可以認(rèn)為是人工智能（AI）大爆發(fā)的一年。你只需看看那些標(biāo)語(yǔ)中帶AI一詞數(shù)量，宣稱自己 AI 創(chuàng)業(yè)公司的數(shù)量，大公司提到 AI 戰(zhàn)略的次數(shù)，以及技術(shù)頂會(huì)中爆滿的 AI 專場(chǎng)，你就知道人工智能已經(jīng)無(wú)處不在。但是，即使是這樣，AI 也只是稱為了一個(gè)流行語(yǔ)而已，但實(shí)際上 AI 的本質(zhì)是什么，我相信很多人都不知道。
圖 1： 這些年來(lái)大肆宣傳的概念
回顧這些年宣傳過(guò)的各種概念，多少人曾為之瘋狂。但是浪潮退去，裸泳者將會(huì)即刻出現(xiàn)。我們不應(yīng)該跟隨風(fēng)潮進(jìn)行概念炒作，相反的，我們應(yīng)該反思，這些技術(shù)都解決了什么問(wèn)題？
對(duì)數(shù)據(jù)科學(xué)行業(yè)來(lái)說(shuō)，也是如此。讓我們回顧一下單單“數(shù)據(jù)科學(xué)”一詞在谷歌搜索中的趨勢(shì)：
圖 2： 自2013年12月以來(lái)對(duì)“數(shù)據(jù)科學(xué)”術(shù)語(yǔ)的搜索（來(lái)源：谷歌趨勢(shì)）
可以看到，數(shù)據(jù)科學(xué)的趨勢(shì)一直在穩(wěn)步上升。接下來(lái)，讓我們回顧2018曾發(fā)生的事情，再來(lái)看看2019年的熱門(mén)話題。
2018 回顧
去年的這個(gè)時(shí)候，我也發(fā)表一篇關(guān)于2018年數(shù)據(jù)科學(xué)趨勢(shì)展望的文章。在那篇文章中，我主要提到的關(guān)鍵詞有：工程自動(dòng)化，模型可解釋性和公平性，數(shù)據(jù)科學(xué)應(yīng)用商業(yè)化，以及特征工程工具的構(gòu)建和改進(jìn)。
自動(dòng)化：一般來(lái)說(shuō)，數(shù)據(jù)科學(xué)家的工作就是使他們的工作自動(dòng)化，這句話可能有點(diǎn)繞口，但你認(rèn)真思考以下，數(shù)據(jù)科學(xué)出現(xiàn)的意義就是解決大規(guī)模數(shù)據(jù)情況的分析和挖掘。而我們使用的各種模型，都是致力于提供某種較為通用的方案讓機(jī)器能夠自動(dòng)從數(shù)據(jù)中學(xué)習(xí)知識(shí)。并且在過(guò)去的一年里，很多大公司開(kāi)源了自己的模型算法，以及整個(gè)機(jī)器學(xué)習(xí)流水線的自動(dòng)化，甚至連機(jī)器學(xué)習(xí)算法的建模都能自動(dòng)化，參見(jiàn) Google/Amazon/阿里/騰訊 等一大批公司提出的 AutoML。
商業(yè)化：正是有了這么多可用的開(kāi)源工具，數(shù)據(jù)科學(xué)領(lǐng)域內(nèi)的商業(yè)化競(jìng)爭(zhēng)也越來(lái)越殘酷。不過(guò)幸運(yùn)的是，數(shù)據(jù)科學(xué)是一種橫向?qū)W科，你可以只對(duì)模型進(jìn)行一些微調(diào)，就可以在農(nóng)業(yè)應(yīng)用和醫(yī)療場(chǎng)景中使用相同的算法。因此，你也會(huì)發(fā)現(xiàn)，在2018年有很多宣稱自己是 AI 公司的，如果在某個(gè)垂直方向上失敗了，他們會(huì)迅速適應(yīng)另一個(gè)領(lǐng)域。
同樣也是由于這么多的開(kāi)源工具，有一些公司直接對(duì)開(kāi)源工具進(jìn)行某種適配和修改，然后賣給其它公司。這也是2018里常常出現(xiàn)的一個(gè)現(xiàn)象。
可解釋性和公平性：2018年這個(gè)領(lǐng)域也取得了巨大進(jìn)展?，F(xiàn)在有很多開(kāi)源工具幫助解釋機(jī)器學(xué)習(xí)模型學(xué)習(xí)到的知識(shí)，例如 Python 中會(huì)用到的 SHAP。 此外，還有很多書(shū)籍也在探討這個(gè)問(wèn)題，其中比較著名就有：Christoph Molnar 發(fā)表的《可解釋的機(jī)器學(xué)習(xí)模型》一書(shū)（獲取本書(shū)資源，請(qǐng)?jiān)诒竟娞?hào)發(fā)消息：可解釋，即可獲取全書(shū)）。除此之外，Google 提供的 “What-If” 工具系列，也可以幫助初學(xué)者降低學(xué)習(xí)門(mén)檻，了解機(jī)器學(xué)習(xí)復(fù)雜模型的運(yùn)行原理。感謝 Google。
特征工程：雖然深度學(xué)習(xí)全面席卷整個(gè)行業(yè)，但是特征工程仍然是數(shù)據(jù)科學(xué)行業(yè)提升模型性能的主要秘訣之一。經(jīng)常參加比賽的同學(xué)就會(huì)知道，在各類比賽的獲勝方案中，沒(méi)有哪個(gè)是單單靠模型取勝的，這些參賽者都花了很多時(shí)間在特征工程上，即便是深度模型也是如此。 因此，特征工程仍舊是一個(gè)大話題，但是在2018年，也有越來(lái)越多的通用特征處理工具和算法提了出來(lái)。
最后，根據(jù) Stack Overflow 的統(tǒng)計(jì)，Python 已經(jīng)成為連續(xù)兩年增長(zhǎng)最快的編程語(yǔ)言和最受歡迎的語(yǔ)言。按照這個(gè)速度，Python 應(yīng)該會(huì)在不久之后成為最常用的編程語(yǔ)言。
2019 展望
2018年的飛速發(fā)展讓我們能更廣泛更輕松的應(yīng)用數(shù)據(jù)科學(xué)，在2019年，數(shù)據(jù)科學(xué)家們關(guān)注的焦點(diǎn)是：
1. 如何最大限度地減少數(shù)據(jù)科學(xué)家花在數(shù)據(jù)清理和特征工程上的時(shí)間？
2. 如何解決機(jī)器學(xué)習(xí)模型的偏見(jiàn)問(wèn)題？
3. 機(jī)器學(xué)習(xí)模型真的都可信嗎？
拋開(kāi)這些難以回答的問(wèn)題，數(shù)據(jù)科學(xué)還有很多現(xiàn)實(shí)的問(wèn)題需要解決。
強(qiáng)化學(xué)習(xí)在2018年可謂是如坐過(guò)山車一般，從火爆到寒冬。但是今年強(qiáng)化學(xué)習(xí)的春天可能要到來(lái)了，比如應(yīng)用強(qiáng)化學(xué)習(xí)玩 Dota2 就是一個(gè)很好的例子。但是由于強(qiáng)化學(xué)習(xí)對(duì)于設(shè)備計(jì)算能力的要求較高，想要普及強(qiáng)化學(xué)習(xí)仍舊有很長(zhǎng)的路要走。但是，無(wú)論如何，強(qiáng)化學(xué)習(xí)是數(shù)據(jù)科學(xué)領(lǐng)域目前學(xué)習(xí)方式最擬人化的模型，如果強(qiáng)化學(xué)習(xí)一旦廣泛應(yīng)用，將會(huì)是革命性的進(jìn)展。
如果你對(duì)強(qiáng)化學(xué)習(xí)感興趣，可以關(guān)注由 OpenAI 開(kāi)發(fā)并開(kāi)源的 Gym，里面有很多游戲示例可以練手。
隱私問(wèn)題：2018年 facebook 由于隱私被起訴，國(guó)內(nèi)也有很多公司相繼爆出隱私問(wèn)題。國(guó)際上，歐盟于2018年5月25日起，將要求數(shù)據(jù)科學(xué)履行他們制定的通用數(shù)據(jù)保護(hù)法規(guī)（GDPR），這些對(duì)全球的數(shù)據(jù)科學(xué)公司來(lái)說(shuō)，都會(huì)有極大的影響。
目前，GDPR 主要關(guān)注以下兩個(gè)方面：
- 數(shù)據(jù)隱私：任何公司如果未經(jīng)用戶授權(quán)，擅自使用或者超過(guò)用戶的授權(quán)范圍使用用戶數(shù)據(jù)，會(huì)收到歐盟的巨額罰款。這帶來(lái)的問(wèn)題是：以后想要獲取用戶數(shù)據(jù)，是否會(huì)越來(lái)越困難，或者，如果我們使用匿名數(shù)據(jù)，那么這些匿名數(shù)據(jù)是否真的可信？
- 向用戶解釋：對(duì)于任何完全自動(dòng)化的算法形成的決策，平臺(tái)必須要能夠向用戶解釋任何發(fā)生在用戶身上的事情。在完全自動(dòng)化的決策必須是可解釋的。歐盟沒(méi)有對(duì)“可解釋”下更多明確的定義，但是無(wú)論如何，迄今為止有很多機(jī)器學(xué)習(xí)模型仍舊還是不容易被解釋的，尤其是某些先進(jìn)的高級(jí)模型。那么是否意味著：一旦我們使用前沿的高級(jí)模型，是否就代表著有巨大的罰款等著我們？
值得信賴的人工智能至少要滿足這兩個(gè)條件：
（1）它應(yīng)該尊重人的基本權(quán)利，社會(huì)的法規(guī)、原則和價(jià)值觀，并且是道德的；
（2）在技術(shù)上它應(yīng)該強(qiáng)大可靠，避免對(duì)用戶造成意外傷害
隨著人工智能對(duì)社會(huì)的影響越來(lái)越大，我們有權(quán)要求這些 AI 減少偏見(jiàn)。幸運(yùn)的是，在國(guó)外我們已經(jīng)看到了很多公司和機(jī)構(gòu)在努力解決這個(gè)問(wèn)題，比如歐盟提出了AI道德草案，谷歌重申了AI應(yīng)用的原則。AI 倫理學(xué)還有很長(zhǎng)的路要走，希望在國(guó)內(nèi)我們也能有更多關(guān)于數(shù)據(jù)隱私和道德的討論。
圖 3：歐盟 AI 道德草案
基于云的解決方案：隨著人工智能算法變得越來(lái)越復(fù)雜，數(shù)據(jù)量越來(lái)越大，對(duì)計(jì)算機(jī)的要求越來(lái)越高?，F(xiàn)在已經(jīng)很少有大公司用個(gè)人電腦來(lái)進(jìn)行數(shù)據(jù)科學(xué)的研究。國(guó)內(nèi)如騰訊和阿里都相繼提出云上的機(jī)器學(xué)習(xí)解決方案，在未來(lái)，這一定是數(shù)據(jù)科學(xué)開(kāi)發(fā)、運(yùn)行和部署的基本趨勢(shì)。
行業(yè)細(xì)分：現(xiàn)在如果你搜索一個(gè)傳統(tǒng)行業(yè)的工程師，你看到的職位名稱將會(huì)非常細(xì)化，比如機(jī)械工程師嗎、航天工程師、軟件工程師等等。
數(shù)據(jù)科學(xué)也是如此。2018年很多公司會(huì)將數(shù)據(jù)科學(xué)職位定義為“數(shù)據(jù)科學(xué)家”，但是在未來(lái)，隨著行業(yè)細(xì)分專業(yè)細(xì)分，數(shù)據(jù)科學(xué)家必定也會(huì)細(xì)分下去。國(guó)外 Netflix 公司已經(jīng)開(kāi)了一個(gè)好頭，下圖中展示了 Netflix 的九個(gè)數(shù)據(jù)科學(xué)家角色：
圖 4： Netflix 的數(shù)據(jù)科學(xué)家職位
這給我們的啟示是：深耕一個(gè)領(lǐng)域。在數(shù)據(jù)科學(xué)剛開(kāi)始的時(shí)候，肯定不存在許多專業(yè)化的細(xì)分領(lǐng)域。但隨著數(shù)據(jù)科學(xué)的發(fā)展，不同領(lǐng)域的細(xì)分越來(lái)越明顯，今年能夠明顯看到的就是 NLP 內(nèi)部也對(duì) NLG / NER 等工程師進(jìn)行了細(xì)分。所以如果你還沒(méi)有確定自己的方向的話，是時(shí)候好好思考一下了。
2019年仍將是數(shù)據(jù)科學(xué)高速發(fā)展的一年，它可能不如2018瘋狂，但讓我們更理性的對(duì)待數(shù)據(jù)科學(xué)本身就是一個(gè)好事。請(qǐng)記住，時(shí)間是你最大的資產(chǎn)。你浪費(fèi)的每一秒都是你錯(cuò)失的機(jī)會(huì)。行動(dòng)起來(lái)，為數(shù)據(jù)科學(xué)更理性的明天做好準(zhǔn)備。
工商網(wǎng)監(jiān)
評(píng)論