网络机器人吧社区

机器学习2.0:所有人都可以用的机器学习

爱欧塔智能科技 2018-12-05 15:24:16

Feature Labs的CEO Max Kanter说:“随着社会趋势的发展,开发人员将能够建立一个ML(机器学习)设备,就像他们建立一个数据库一样。”“事情就这么简单。”

  

ML 2.0: Machine learning for many

由麻省理工学院和Feature Labs开发的自动化数据科学工具他们的第一个人工智能产品

 

MIT Laboratory for Information and Decision Systems 
March 6, 2018

http://news.mit.edu/2018/ml-20-machine-learning-many-data-science-0306

 

今天,当一个企业想用机器学习来解决问题时,他们不得不叫来专家。即使是一个简单的问题,也需要多个数据科学家、机器学习专家和领域专家聚集到一起解决问题,就优先顺序达成一致,并交换数据和信息。

 

这个过程通常是低效的,需要几个月的时间才能取得果。它也只解决了眼前的问题。下一次出现某种情况时,企业必须重新同样的过程

 

麻省理工学院的一组研究人员想知道,“如果我们尝试另一种策略呢?如果我们创建了自动化工具,使行业专家能够使用机器学习(ML,以便自己解决这些问题,不是很好吗

 

在过去的五年里,MIT信息与决策系统实验室的首席研究科学家Kalyan Veeramachaneni与Max Kanter和Ben Schreck一起,开始与Veeramachaneni一起工作,后来与麻省理工学院(MIT)的学生一起创立了机器学习的新模式。

 

团队首先将流程划分为一系列独立的步骤。例如,一个步骤涉及具有预测能力的搜索隐藏规律的方法,称为“特征工程”。另一种称为“模型选择”,其中从许多可用选项中选择最佳建模技术。然后自动化这些步骤,发布开源工具来帮助领域专家有效地完成这些步骤。

 

在他们的新论文“机器学习2.0:工程数据驱动的人工智能产品”中,团队将这些自动化工具集合在一起,在七个步骤中,将原始数据转化为值得信赖的、可部署的模型。这个自动化过程使行业的专家——甚至那些没有数据科学经验的专家——能够利用机器学习来解决业务问题。

 

通过自动化,ML 2.0使行业专家可以腾出更多的时间在真正需要他们领域专长的地方上,比如首先决定解决哪些问题,以及评估预测如何影响业务结果,“ schreck说。

 

去年,Accenture 加入了麻省理工学院(MIT)和特色实验室(Feature Labs)团队,雄心勃勃着手实施一个有发展潜力的项目——通过开发和部署一个机器学习模型,来建成一个人工智能项目经理该模型可以提前预测关键的问题,并增强软件行业中经验丰富的人类项目经理的能力。

 

样,可以在实际应用中测试一个ML2.0的自动化工具,Featuretools这是一个DARPA的数据驱动发现模型(D3M)项目资助的开源库。

 

Veeramachaneni和他的同事与来自Accenture的领域专家紧密合作,从找出最好的解决方案然后进行一系列的测试挑战。团队构建的第一个模型是预测软件项目不同的交付方法对性能的影响。当测试完成时,该模型被发现可以正确预测超过80%的项目绩效结果。

 

使用Featuretools涉及一系列的人机交互。在这种情况下,Featuretools首先向领域专家推荐了40000个特性。接下来,人类利用他们的专长将这个列表缩小到100个最理想的特性,然后将它们投入到机器学习算法的训练中。

 

接下来,领域专家使用软件来模拟使用模型,并测试它在新的实时数据出现时的工作情况。该方法还将典型的“训练-测试-验证”协议扩展到了现代机器学习的研究中,使其更适用于现实世界的使用。然后,每周对数百个项目进行预测部署该模型。

 

我们希望将机器学习(ML)应用到我们在技术服务业务中面临的关键问题上,”埃森哲技术公司的全球技术官员Sanjeev Vohra说。“更具体地说,我们想亲自看看MIT的ML2.0能否帮助预测软件交付中的潜在风险。我们对结果感到非常高兴,并将广泛分享这些结果,以便其他人也能受益。”

 

在另一篇联合论文“AI项目经理”中,团队介绍了他们如何使用ML2.0范例来实现快速而准确的预测。

 

Veeramachaneni说:“20年来,把机器学习应用到问题上的任务一直被当作一个研究或可行性研究,或者是一个发现的机会。”“有了这些新的自动化工具,现在就可以从原始数据创建机器学习模型,并在几周内使用它们了,”Veeramachaneni说。

 

该小组打算继续研究ML2.0,使其尽可能解决许多行业问题。“这是机器学习民主化背后的真正思想。我们希望ML对很多人都有用。”他补充说。

 

在今后五年中,我们可能会看到2.0版本升级情况。“开发人员将能够设置一个ML设备,就像他们建立一个数据库一样。”特色实验室的CEO Max Kanter说。“事情就这么简单。”

 

 

MIT新闻办公室准许转发。 Reprinted with permission of MIT News.

 

本文章均来自MIT新闻办公室,文章内容翻译如有偏颇,敬请各位指正。




Copyright © 网络机器人吧社区@2017