技藝短缺是簡(jiǎn)直一切行業(yè)的普遍痛點(diǎn)。這一應(yīng)戰(zhàn)可能是供給缺乏或可及性缺乏之一。無(wú)論如何，運(yùn)用“智能”機(jī)器有助于處理問(wèn)題。但是，采用這些智能機(jī)器需求另一群聰明人——數(shù)據(jù)科學(xué)家。如今，這為技藝和短缺開(kāi)拓了一個(gè)全新的范疇。一方面，這些人通常技術(shù)嫻熟（讀起來(lái)十分昂貴）。另一方面，它們的數(shù)量少得令人痛苦（閱讀保存本錢(qián)要高得多）。

　　由于組織認(rèn)識(shí)到在市場(chǎng)上堅(jiān)持競(jìng)爭(zhēng)力在很大水平上取決于機(jī)器學(xué)習(xí)和人工智能，因而對(duì)在該范疇受過(guò)培訓(xùn)的人員的需求宏大——遠(yuǎn)遠(yuǎn)超越供給。

　　這僅僅是由于人工智能、數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)只要控制了所需數(shù)量的處置技術(shù)的科學(xué)家才干應(yīng)用。這些科學(xué)家辨認(rèn)正確的數(shù)據(jù)，選擇正確的算法，并為勝利施行發(fā)明正確的條件。他們每天都要與業(yè)務(wù)利益相關(guān)者停止頭腦風(fēng)暴，以理解他們的需求、數(shù)據(jù)準(zhǔn)備（搜集、清算數(shù)據(jù)并將其轉(zhuǎn)換為有意義的數(shù)據(jù)）、數(shù)據(jù)建模（創(chuàng)立、測(cè)試和優(yōu)化每個(gè)模型）和迭代（直到結(jié)果）稱心）。需求可擴(kuò)展的學(xué)習(xí)。

　　企業(yè)采用機(jī)器學(xué)習(xí)的最大緣由之一是他們需求處置從傳感器和設(shè)備涌入的大量數(shù)據(jù)。對(duì)此的下認(rèn)識(shí)反響是自動(dòng)化處置這些數(shù)據(jù)。但是，這種數(shù)據(jù)處置通常是由人類指導(dǎo)或鍛煉的——這就是我們所說(shuō)的監(jiān)視學(xué)習(xí)。

　　不幸的是，這品種型的機(jī)器學(xué)習(xí)無(wú)法處理當(dāng)今大多數(shù)公司面臨的一系列問(wèn)題——人類難以預(yù)測(cè)的問(wèn)題。事實(shí)上，由于缺乏可擴(kuò)展或無(wú)監(jiān)視的機(jī)器學(xué)習(xí)，攪擾一切行業(yè)的20:80資產(chǎn)失敗規(guī)則*仍未得到處理。在這品種型的機(jī)器學(xué)習(xí)中，機(jī)器自身停止學(xué)習(xí)，否則數(shù)據(jù)科學(xué)家會(huì)停止鍛煉。這種學(xué)習(xí)的整個(gè)前提是機(jī)器可以檢測(cè)人眼不可見(jiàn)的形式，因而能夠檢測(cè)人類無(wú)法運(yùn)用手動(dòng)辦法預(yù)測(cè)的問(wèn)題。

　　總結(jié)

　　人工智能不只與算法有關(guān)，還與算法產(chǎn)生的價(jià)值有關(guān)。因而需求是讓一切相關(guān)用戶可以閱讀晦澀的信息環(huán)境，以取得所需的智能，這些智能可用于在他們參與的每個(gè)步驟中推進(jìn)業(yè)務(wù)目的。