雷鋒網(wǎng)按：Gartner技術(shù)成熟度曲線（Hyper Cycle）是Gartner著名并受到市場(chǎng)廣泛認(rèn)可的一項(xiàng)市場(chǎng)評(píng)估手段。它通過(guò)量化一個(gè)技術(shù)從誕生到進(jìn)行成熟的產(chǎn)業(yè)化應(yīng)用的階段，形象的評(píng)估并比較了各個(gè)技術(shù)商業(yè)化的潛質(zhì)的高低。Hyper Cycle將產(chǎn)品的生命周期劃分為五個(gè)階段：創(chuàng)新觸發(fā)點(diǎn)（Innovation Trigger）、期望過(guò)高的峰值（Peak of Inflated Expectations）、理想破滅的低谷（Trough of Disillusionment）、啟蒙的斜坡（Slope of Enlightenment）、生產(chǎn)力平穩(wěn)發(fā)展期（Plateau of Productivity）。最近幾年，Gartner將人工智能相關(guān)的一些詞匯也加入到了這個(gè)表格中，不過(guò)在技術(shù)方面，它加入的不是近年來(lái)大熱的深度學(xué)習(xí)，而是機(jī)器學(xué)習(xí)這個(gè)總的技術(shù)類別。

Gartner第22次發(fā)布了它一年一度，經(jīng)過(guò)了充分討論的新興技術(shù)成熟度曲線報(bào)告，這份報(bào)告旨在“為商業(yè)戰(zhàn)略家、首席創(chuàng)新官、研發(fā)主管、企業(yè)家、全球的市場(chǎng)銷售人員和新興技術(shù)的研發(fā)團(tuán)隊(duì)等一切需要時(shí)刻掌握新興技術(shù)動(dòng)向的團(tuán)隊(duì)提供一份橫跨整個(gè)產(chǎn)業(yè)界的關(guān)于技術(shù)趨勢(shì)的透視圖?！?span style="line-height: 1.8;">圖表如下：

在去年的技術(shù)成熟度曲線中，機(jī)器學(xué)習(xí)第一次出現(xiàn)在了圖上，當(dāng)時(shí)福布斯的專欄作者Gil Press評(píng)論道：

機(jī)器學(xué)習(xí)今年第一次出現(xiàn)在了這幅圖表上，不過(guò)它直接跳過(guò)了第一階段并越過(guò)了最高期望點(diǎn)。不過(guò)，一個(gè)很明顯的地方是作為機(jī)器學(xué)習(xí)的一種新的標(biāo)志性方法和新的思路的“深度學(xué)習(xí)”并不在這張表上。

去年的圖如下：

可以看到，今年Gartner把機(jī)器學(xué)習(xí)的位置稍微向后挪了一點(diǎn)，把它放在了“期望過(guò)高”的最高處，并估計(jì)還有2-5年才能實(shí)現(xiàn)主流化應(yīng)用，機(jī)器學(xué)習(xí)是否還是一項(xiàng)新興技術(shù)，還有沒(méi)有更好的詞能概括它在當(dāng)今技術(shù)中的地位？

機(jī)器學(xué)習(xí)是編程的含義從給電腦輸入以一步一步具體的算法和規(guī)則組成的包含特定指令序列的程序到給電腦輸入能夠從數(shù)據(jù)中學(xué)到東西并根據(jù)這些東西“自我改善”的程序的轉(zhuǎn)變的最好體現(xiàn)。算法會(huì)由被事先標(biāo)記或分類好的數(shù)據(jù)進(jìn)行訓(xùn)練，并且學(xué)會(huì)分辨新輸入的沒(méi)有標(biāo)記和分類的數(shù)據(jù)屬于之前見(jiàn)過(guò)的哪一類。比如說(shuō)，在經(jīng)過(guò)一段時(shí)間分析垃圾郵件和非垃圾郵件的訓(xùn)練之后，一個(gè)好的深度學(xué)習(xí)程序就能做到不用人類介入就能分辨哪些郵件是垃圾郵件而哪些郵件不是了。除了垃圾郵件過(guò)濾外，機(jī)器學(xué)習(xí)還在如手寫(xiě)識(shí)別、機(jī)器翻譯、詐騙偵測(cè)和產(chǎn)品推薦上有許多成功的應(yīng)用案例。

其實(shí)機(jī)器學(xué)習(xí)已經(jīng)出現(xiàn)很長(zhǎng)一段時(shí)間了。據(jù)維基百科的記載，早在1959年，Arthur Samuel就已經(jīng)給出了機(jī)器學(xué)習(xí)的定義：“一門能讓電腦不用特意編程就能自己學(xué)習(xí)的學(xué)科?！笔堑模?959年就已經(jīng)出現(xiàn)了。很明顯，一般來(lái)說(shuō)，這個(gè)年代的東西我們都不太會(huì)管它叫“新興技術(shù)”。

“人工神經(jīng)網(wǎng)絡(luò)”和“深度學(xué)習(xí)”（以及其各種變種）是現(xiàn)今技術(shù)圈最新潮熱門的詞，我敢說(shuō)比其他任何技術(shù)詞匯都要流行。不過(guò)這些詞也存在很長(zhǎng)時(shí)間了，不過(guò)，Canadian Mafia和其他人過(guò)去十年間在使用專用處理器和大數(shù)據(jù)訓(xùn)練計(jì)算機(jī)方面玩出了新的花樣，而其爆發(fā)的臨界點(diǎn)伴隨著兩個(gè)突破性進(jìn)展出現(xiàn)在2012年：谷歌的“Google Brain”團(tuán)隊(duì)的一個(gè)由16000臺(tái)電腦組成的計(jì)算集群在處理了1000萬(wàn)張從Youtube獲取到的圖片后學(xué)會(huì)了辨認(rèn)圖片中的貓。在同一年，深度神經(jīng)網(wǎng)絡(luò)的錯(cuò)誤率降低到了16%，并在ILSVCR（annual Imagenet Large Scale Visual Recognition Challenge，一個(gè)研究團(tuán)隊(duì)提交各自程序來(lái)識(shí)別圖片中的物體和景色的比賽）中獲得了相當(dāng)大的進(jìn)步。這種方法的快速進(jìn)步展現(xiàn)已經(jīng)在過(guò)去四年里讓無(wú)數(shù)學(xué)者將他們的研究精力轉(zhuǎn)移到了這上面，深度神經(jīng)網(wǎng)絡(luò)在其他領(lǐng)域的應(yīng)用要求對(duì)未建模的數(shù)據(jù)的分析和處理。

深度學(xué)習(xí)不是機(jī)器學(xué)習(xí)領(lǐng)域唯一一個(gè)正快速進(jìn)步的領(lǐng)域。Pedro Domingos曾在演講“The Master Algorithm”中提到過(guò)五個(gè)主要的實(shí)現(xiàn)方法，不過(guò)其各種各樣的變種其實(shí)也很多。深度學(xué)習(xí)目前得到了最多的關(guān)注，尤其是年初的時(shí)候DeepMind Techonogies的圍棋程序擊敗了世界上最厲害的圍棋選手之一。不過(guò)事實(shí)上，其他的方法在解決其他類型的問(wèn)題的時(shí)候可能表現(xiàn)的會(huì)比深度學(xué)習(xí)更好。所以可能只在這個(gè)圖表中寫(xiě)上“Deep Learning”而忽略其他的方法真的不是個(gè)好主意。如果Gartner要用的話，可能用一個(gè)類似“先進(jìn)機(jī)器學(xué)習(xí)（Advanced machine learning）”的詞語(yǔ)來(lái)描述這些新興科技，或者其他的屬于機(jī)器學(xué)習(xí)范圍的科技會(huì)比較好。

via Forbes

總結(jié)

深度學(xué)習(xí)的表現(xiàn)確實(shí)很好，但很明顯，Gartner也不希望這一種方法壟斷整個(gè)機(jī)器學(xué)習(xí)領(lǐng)域（更何況深度學(xué)習(xí)的運(yùn)作原理目前還不是很清楚。）。所以Gartner在技術(shù)成熟度曲線中用了“機(jī)器學(xué)習(xí)”這個(gè)概括性的詞，也為其他的機(jī)器學(xué)習(xí)方法留出了一種可能性。

而且，公眾目前對(duì)人工智能的能力期望確實(shí)普遍過(guò)高，甚至有很多人認(rèn)為終結(jié)者那樣的機(jī)器人、或者奇點(diǎn)在幾年內(nèi)就會(huì)到來(lái)。Gartner也是捕捉到了這一點(diǎn)，把Machine learning放在了“期望值過(guò)高”的頂點(diǎn)，不得不說(shuō)確實(shí)對(duì)市場(chǎng)相當(dāng)了解。

所以，研究團(tuán)隊(duì)、投資者、創(chuàng)業(yè)者們?nèi)绻胍谶@方面有所建樹(shù)，倒不如試著了解一下Machine Learning中的別的方法。說(shuō)不定，它們中的某些方法在機(jī)緣巧合之下，就有成為下一個(gè)“Deep learning”的潛力。

題圖來(lái)自visualstudiomagazine.com

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。