告訴大家一個秘密：當人們說起“機器學習”時，聽起來好像只是在談論一門學科，但其實是兩門。如果企業不了解其中的差異，那么就可能招惹來滿世界的麻煩。

▌兩個關于機器學習的故事

在機器學習方面，企業經常犯的錯誤類似于：請一位廚師來制造烤箱或請一位電氣工程師去烘烤面包。

假設你是一家面包店的店主，你需要聘請的是一位經驗豐富的面包師，他需要精通的是制作各種美味面包和糕點的技藝，而不是制造烤箱的方法。雖然烤箱是制作面包的一個重要工具，但我敢打賭沒有一個老板會強求自家的面包師知道烤箱是如何制造的。

但到了機器學習這里，很多企業卻經常犯上面的錯誤。企業需要先思考清楚自己究竟是做“面包”的還是做“烤箱”的？

這些是不同的業務！不幸的是，太多的機器學習項目失敗了，因為團隊不知道他們該建造的是烤箱、配方還是面包

▌機器學習研究

現在有很多的機器學習課程和教科書，但它們都是關于如何從零開始制造烤箱（以及微波爐、攪拌機、烤面包機、水壺、廚房水槽……），而不是如何烹飪和創新配方。

如果你是搞機器學習算法的，那你應該聚焦在如何做出讓人們喜歡用的通用工具（就像廚房用具，如果你喜歡這樣類比的話）。這項業務被稱為機器學習研究，通常由學術界或科技巨頭的研究院來完成。

從事這項工作需要受到長期的教育，因為這方面的研究已經積累了很多年。一些流行的算法已經存在了幾個世紀，例如，最小二乘法在1805年就已首次發表。相信我，人類200年來走過了漫長的道路。

還拿烤箱舉個例子，今天已經有很多非常棒的烤箱了，如果你不知道它們是如何制作的，那你就不可能做出更好的烤箱。所以成為一名科研人員需要數年的沉浸式學習。

▌機器學習應用

大多數的企業其實需要的只是烹飪——解決他們的業務問題。

他們對賣烤箱并沒有興趣，但經常犯下從頭開始制造烤箱的錯誤。當然這也不能怪他們，要怪就怪現在的炒作和教育方式都是圍繞著研究領域而不是應用領域。

如果你是致力于創新食譜的，那么請不要重復造輪子。烤箱已經存在，你甚至可以從很多地方免費得到它們。

如果你覺得建立自己的機器學習廚房很麻煩，其實很多平臺提供商已經有現成的產品、工具、配料和食譜可供選擇了。

對于大多數機器學習應用而言，你的團隊是不需要了解神經網絡反向傳播算法中的數學知識的，就像廚師不必知道烤箱的制作原理一樣。

但是，如果你需要搭建一個工業級規模的廚房，那么你就需要面面俱到地了解從食材策劃到菜肴上桌的每個過程。

你的企業銷售以上哪些產品？你的答案決定了你雇傭什么團隊

▌崩潰與燃燒

不幸的是，我發現許多企業未能從機器學習中獲得價值，因為他們沒有意識到機器學習的應用和算法研究是截然不同的學科。

公司領導總是試圖通過雇傭一些一直從事制作烤箱零部件的人，來制作面包和糕點。這種大多數都不會有好結果的，如果有例外的話，說明你很幸運，碰巧遇到了一個很會烹飪的工程師。

但這種運氣并不常見，人生有涯而學而無涯，如果你花費很多時間去學習如何制作烤箱，多半已經沒有時間投入到面包和糕點制作中了。所以你招聘到的AI博士研究員是沒有時間和精力再去獲得機器學習應用所需要的技能了。如果你認為人才就應該是這兩種專家的混合體，難怪你會抱怨人才短缺！

如果你要新開一家餐廳，卻雇傭了一些致力于做烤箱零件但從未烹飪過的人，可能會出現什么問題？

你應該雇用誰？就像在工業級廚房中一樣，你需要一個具有領導能力的跨學科團隊來理解這個領域。否則，項目不會走的太遠。

▌雇用合適的團隊進行工作

如果你銷售的是尖端設備，請聘請研究人員。

如果你想大規模地賣出具有創新性的食物，你就需要那些知道什么食物值得做的人（產品經理和決策者），懂得消費者和供應鏈的人（領域專家和社會科學家），能夠大規模處理配料的人（數據工程師和分析師），能快速嘗試不同配料組合以生成潛在配方的人（機器學習應用工程師），檢查配方是否合乎人們口味的人（統計學家），將有效配方批量生產的人（軟件工程師），讓跨學科團隊正常運轉的人（項目經理），保證菜肴質量穩定的人，即使送貨卡車錯將你訂購的大米送成了土豆（可靠性工程師）。

雖然這些并不代表一個崗位非得有一個專人來做，但要確保團隊中有人承擔這些角色。

如果你的團隊在嘗試了所有現有的工具后，還不能制定出符合商業目標的配方，那么考慮增加懂得制作烤箱的技術人員（研究人員）是有意義的。無論是長期雇傭還是外包給經驗豐富的算法公司，取決于你的業務規模和成熟度。

還有一種情況有必要和研究人員建立聯系，那就是你期望你的產品在定制化的設備上取得了很好的大規模運行效果，而這得是多么宏大的問題啊！