■ Vikas Sinha

你的IT架構(gòu)運行得如何？它的客戶體驗、正常運行時間和即時響應(yīng)時間達到你的期望值了嗎？你能避免宕機，在最短時間內(nèi)修復問題并最小化影響嗎？讓機器學習來拯救你吧。

現(xiàn)實是，IT系統(tǒng)已經(jīng)變得如此互通、復雜而龐大，讓人們——即使是最有天賦的基礎(chǔ)設(shè)施和工程團隊——都無法趕上。譬如最近的英國航空公司系統(tǒng)故障，一個簡單的人為錯誤導致電壓瞬間超出正常工作電壓，使得英航電腦癱瘓，并對包含乘客和飛行數(shù)據(jù)的關(guān)鍵服務(wù)器造成了嚴重損害。誰能知道一個動作的所有后果呢？

每天都有類似的問題困擾著世界各地的企業(yè)。但是，這些問題出現(xiàn)的原因并不是信息或數(shù)據(jù)匱乏，而是數(shù)據(jù)量太多。單純依靠人力去獲取和應(yīng)用所有領(lǐng)域的知識已經(jīng)不再可能，因而機器學習正在迅速變得必不可少。

以下是IT專業(yè)人員尋求機器幫助的三個重要原因。

定制化

機器學習的優(yōu)點在于可以通過無監(jiān)督學習實現(xiàn)定制化，從而滿足公司獨特業(yè)務(wù)環(huán)境的需求。機器學習通過采用各種算法，識別數(shù)據(jù)中可實際應(yīng)用于商業(yè)活動、挑戰(zhàn)和機會的一致、連貫且循環(huán)的模式，從而實現(xiàn)這一優(yōu)勢。

無監(jiān)督學習有諸多好處：

機器并非由IT專家編程以實現(xiàn)特定結(jié)果不同，而是能夠通過識別數(shù)據(jù)中的模式以提供最優(yōu)解。

機器并非只能針對有限的特定情況做出響應(yīng)不同，而是在任何情境中都能能夠做出響應(yīng)。

機器學習所得出的見解或洞悉不是泛泛的結(jié)果，而是個性化且有針對性的。

舉個例子，假設(shè)有兩家保險公司恰巧使用相同的數(shù)據(jù)中心基礎(chǔ)設(shè)施和軟件工具，但各自有不同的工作負載模式、客戶資料、業(yè)務(wù)規(guī)則和評分方法。如果兩者都采用機器學習，即使它們在同一個行業(yè)，并且使用相同的技術(shù)，機器學習也會根據(jù)兩個業(yè)務(wù)環(huán)境中的特有因素為每個公司生成完全定制化的結(jié)果。

高效化

現(xiàn)今的公司往往都掌握了大量的數(shù)據(jù)，但是大多未被利用或者不可用，并且可能還正在迅速變化。這些數(shù)據(jù)太過龐大，即使是整個部隊的分析員也無法奢望能夠完全掌控。

有了機器學習，大數(shù)據(jù)的優(yōu)勢可以通過將操作智能嵌入到現(xiàn)有的性能管理工具中得到有效實現(xiàn)。

例如，假設(shè)一家大型百貨商店使用機器學習來分析銷售交易，就可以輕松地評估數(shù)十億筆交易及相關(guān)元數(shù)據(jù)并從中獲取有價值的信息（例如，交易發(fā)生的地點和時間是什么？網(wǎng)站是如何執(zhí)行其功能的？

交易對收入、營銷和庫存有什么影響？諸如此類）。這些信息可以被納入現(xiàn)有的工具中，以幫助商店改進其內(nèi)部運營，并提升端對端的客戶體驗。

持續(xù)化

機器學習也可以幫助彌補IT運維專家退休或離開公司時留下的空缺。

例如，新一代的IT專家未必接受過大型機技術(shù)的培訓，而許多領(lǐng)先的企業(yè)以及政府都依賴此技術(shù)來執(zhí)行其最重要的應(yīng)用程序。

嵌入智能和應(yīng)用機器學習技術(shù)吸納了大型機專家的技能和知識，可以降低風險，確保機構(gòu)可以實現(xiàn)持續(xù)和可擴展的運營，從而彌補對于優(yōu)化大型機性能和故障排除等專業(yè)能力的缺失。

詞嵌入（Word2Vec）技術(shù)目前主要應(yīng)用在自然語言處理應(yīng)用中。

比 如 Word2Vec（2013，Mikolov等）通過把一個具有大量模態(tài)的分類特征轉(zhuǎn)換成一組較小的易于使用的數(shù)字特征。這些特征不僅易于使用，而且能夠成功學習到若干個模態(tài)之間的關(guān)系，

機器學習是優(yōu)化基礎(chǔ)架構(gòu)性能，促進業(yè)務(wù)增長，改善客戶體驗，提高知識管理以及帶來眾多可能性的關(guān)鍵。通過知識交互的雙向性互相學習。下一步，就是讓機器學習為你所用。