2月21日机器学习应该让技术为我们服务

无纸化办公室。机器人做繁重的工作。充满信息的数据库将使生活更轻松、更愉快、更健康、更长久。当社会走上全面数字技术的道路时，这些是做出的(或至少是暗示的)承诺。但数字技术带来的创新不知何故让我们的工作、社会关系甚至我们的生活在某些方面变得更加艰难，而不是更轻松……当然更加忙碌。对于我们中的许多人来说，感觉好像算法在控制之中。

例如，与世界另一端的客户进行即时、免费、基于 IP 的通信对许多公司来说是一个巨大的福音——但那些发现自己不得不在晚上所有时间开展业务的员工(以匹配客户的时区)可能有他们的疑虑。

另一个例子：如今，企业员工必须处理的海量数据令人不堪重负。数据在过去五年中呈爆炸式增长——在此期间创建的数据比人类历史上所有的数据都要多——并且需要控制和控制数据，以使组织能够利用它。它越多，整理起来就越复杂，我们就越有可能失去对我们真正需要做的事情的关注。

简而言之，办公室内外的数字生活方式可能一团糟。我们应该寻找解决问题的方法，并确保我们获得数字技术能给我们带来的回报。我们可以做到这一点的一种方法是使用人工智能。

在当今的企业中，大量数据正在从各种来源生成。基于人工智能机器学习的系统正在对其进行分析和推断，以开发新的见解、新信息和新数据。更多的数据应该是一件好事;您分析得越多，您的关注点就应该越准确地放在您的组织的目标上，无论是在销售、开拓新市场、产品或服务开发等方面。

但这也意味着团队成员必须完成新的和更多的任务才能完成他们的工作——对于许多人来说，他们必须处理的大量电子邮件、消息、文件、PDF、演示文稿等等已经达到收益递减点。换句话说，数据的涌入并没有帮助他们完成工作——而是阻碍了他们。

我们怎么知道?事实上， 企业收集的数据中有 73%从未使用过——这是因为企业没有时间或资源来处理所有这些数据。数据并没有得到分析，而是存放在存储库中，阻塞了工作。其中一些可能与重要的项目非常相关——但由于缺乏资源，没有办法找出什么是相关的，什么是不相关的。

有没有办法摆脱这种数字绑定?拯救的是人工智能。具体来说，机器学习是人工智能的一个分支，可以从大量数据中找到有价值的联系和见解。如果使用得当，机器学习可以帮助组织更轻松地管理数据——确保相关数据得到应有的关注，而无关数据则在循环文件中被发送到其命运。

例如，机器学习在项目中的应用会研究团队成员与数据交互的方式，并根据这些行动确定这些团队的最佳实践是什么。评估电子邮件使用的机器学习系统会观察几个团队成员几个月的时间，看看他们保留了哪些邮件，删除了哪些邮件。例如，在为客户准备销售演示文稿时，基于 ML 的系统将检查与销售相关的所有电子邮件信息——客户购买历史、投诉和赞美、影响所提供产品或服务的供应链问题，以及任何内容否则，工作人员必须知道，以确保他们在演示之前抓住所有相关点并准备解决反对、问题和问题。

现在，想象一下该系统应用于组织数据资源的所有组件——不仅仅是电子邮件，还包括文件、文件夹、社交媒体资源等。基于机器学习的系统可以解析所有这些资源中的所有数据，呈现相关信息在一个屏幕上。该公司两次获胜——首先，该销售演示的所有相关数据都被突出显示，包括员工甚至可能不知道存在的存储区域中的数据“隐藏的宝石” 。而且，工作人员不必花费数小时搜索相关数据。

我们说“小时”吗?事实上，情况要糟糕得多。RingCentral 的一项研究表明，员工在打开和关闭文件夹、数据库窗口、文档、电子表格等只是为了寻找他们需要的信息时，仅仅在屏幕上的窗口之间切换，一年就会损失多达 32 个工作日。任何希望证明使用基于机器学习的系统来处理数据密度的支出的公司都不需要进一步研究。

机器学习有缺点吗?当然; 如果不明智地应用，几乎任何东西都有缺点。就机器学习而言，一些专家担心这会使工人变得更加懒惰，因为他们开始依赖智能系统的“力量”。

基于 ML 的系统的一大好处是它变得更加智能，因为它“学习”了使用、操作和存储的模式。当然，构建基于 ML 的搜索和分析系统的数据科学家的目标是尽可能接近零错误并在尽可能短的时间内产生答案。当然，没有什么是完美的，每种类型的机器学习系统都有其弱点——偏差、错误的数据输入、聚类问题等——但良好的分割、适当的训练集可以改善这种情况。但是，如果我们过去在技术方面的经验有任何迹象的话，确保员工在机器开始增加他们的工作时保持警觉可能会变得更具挑战性。

虽然机器学习不能解决我们所有的问题，但它可能只是帮助组织控制他们的数据——以及他们的时间和资源。最终，获得控制权是组织的全部意义所在。当我们失去对数据的控制时，数据往往会控制我们。借助基于机器学习的人工智能系统，我们有机会控制数据并使其为我们工作，而不是相反。