新葡京vr
不懂算法的人，未来也能自主开发训练机器学习模型。
机器学习是将 "AI" 部署到产品或服务中的重要途径，因此对算法专家的需求量也随着 AI 的火热而日益暴增。这样一来，算法技术人员的稀缺直接限制了机器学习的大规模运用。
为了解决这一行业痛点，微软 AI 研究院进行了多年的观察和研究，找到了一种可以将机器学习与算法背景分离开的方法：”机器教学”，并成立了机器教学专家组。
微软承诺，”机器教学”工具将最大程度降低模型开发的准入门槛。
机器学习 VS 机器教学
简单来说，机器学习是让计算机拥有类似人的学习能力来解决问题，为了获取这种能力，需要大规模数据训练，利用算法发现数据背后隐藏的关联和规律，生成模型。下次遇到新的数据，就可以通过模型预测结果。
在比较困难和模糊的深度增强学习中，一个任务的解决方案有数百万种可能，如果机器学习从 0 开始训练，不仅浪费大量的计算资源和时间，结果也不一定如人所愿。
人类学习的优势是可以从有限的样本归纳出泛化能力极高的准则。如果某些领域专家（律师，会计师，工程师等）将一些抽象概念分解成更容易的任务交给机器学习，并为机器学习模型提供如何更快找到解决方案的线索，这将大大缩短模型找到解决方案所需的时间。
图丨机器教学过程（来源：Microsoft blog）
“机器教学”就是让计算机从非技术行业的专家那里学习知识规律，而不是仅从数据中提取知识。这种更依赖于行业专家的知识引导，模型结果也更符合专家意图。
微软研究人员将”机器教学”作为”机器学习”的补充。机器学习是在算法的基础上找到数据模型，机器教学是专业人士用专业技能来训练机器学习模型。
图丨微软AI 商业总经理 Mark Hammond（来源：DanDeLong for Microsoft）
本质上，”机器教学”是在”机器学习”层次之上的，它能让没有编码能力的人也可以部署和训练AI 系统。微软 AI 商业总经理 Mark Hammond 在接受 venturebeat 采访时解释道。
微软研究员 Simard 很早就注意到，在机器学习会议上几乎所有论文都在研究如何提高算法，而同一算法在不同的数据集上表现差异非常大，实验中的效果未必能在真实世界产生的数据中复现。他意识到，现实中很多行业拥有的数据有限，处理的任务也很简单机械。”机器教学”比”机器学习”更适用这些行业。
图丨微软研究员Patrice Simard，Alicia Edelman Pelton和Riham Mansour（左至右）正致力于将”机器教学”融入微软产品中。[来源：DanDeLong for Microsoft]
2015 年，微软 AI 研究院成立人工智能机器教学组，之后微软又分别在 2018 年 6 月和 9 月收购了 Bonsai 和 Lobe 两家创业公司。Lobe 专注于无需代码的深度学习，Bonsai 旨在帮助企业开发用于制造、建筑管理和机器人的系统。目前，担任微软 AI 商业总经理的 Mark Hammond 正是前 Bonsai 公司创始人。
仍需 AI 算法专家坐镇
AI 的发展最终一定会让越来越多的普通人也能接触运用它，微软视频演示中的”机器教学”工具 demo 向大家传递着这一可能性。