如果你还没有使用深度学习，你应该开始使用它了。这一信息来自传奇谷歌工程师杰夫院长，今年早些时候在一次对网络搜索和数据挖掘的会议方针上的主题。院长指的是，最近受深度学习进展的推动，机器学习算法准确性的快速增加，以及这些改进的算法中仍未开发的潜力，来改变我们生活的世界和我们制造的产品。
但在深度学习突破并不是如今是机器学习的重大时刻的唯一原因。同样重要的是，在过去的五年里，机器学习更面向于非专家开放，庞大的大众群体都可以学习。
对于大多数软件开发人员来说，历史上进入机器学习有许多壁垒，尤其是软件图书馆设计，学术研究人员比软件工程师更多，且缺乏足够的数据。虽然随着许多应用程序大规模地生成且存储数据，但是公司数据集上可以应用的机器学习算法大大扩大。
在串联的过去几年里，有许多尖端，商业上的可用机器学习框架的扩展，包括成功快速学习的皮东程序图书馆，和众所周知的图书馆发布，如由谷歌发布的张量流和微软研究中心发布的网络工具包。过去的两年里，主要的云提供商亚马逊网络服务，和谷歌云服务发布机器学习——具体服务——这两种机器学习可作为服务平台和图形处理器单元机器，优化机器学习工作。
这些新技术的净效果是，一个对机器学习使用感兴趣的人，不需要理解深入算法学习的科学，来用尖端技术做实验。教程和公共代码存在于应用程序，和驱动艺术生成、语言翻译、字幕和自动图像一样多彩。
这段代码的可达性创建了一个良性循环。由非专家使用，让更易于使用系统创造更多的需求，发现机器学习的新应用，激发专家进一步研发。
这些新技术也影响到机器学习的工作者。当招聘到应用机器学习位置时，特殊的定量技能是至关重要的，但是机器学习本身的直接教育就变得不那么重要了。
在许多方面，这种在可访问性模拟的变化，模拟了我们看到的软件开发作为一个整体的进展。在过去的50年里，软件开发已经逐渐从“低级”语言——与计算机底层架构密切相关的高技术语言——转变为大大降低进入壁垒的高级语言。同样，软件部署从托管机器和数据中心，转变为云计算服务，大量减少了部署新系统所需的时间和资金。
这些变化不仅使软件开发人员更有效，它们允许一套更广泛的人们，来开发软件并创建软件公司。现在软件训练营在短短几个月时间里培训工程师，初创公司可以在几个开发周期内把想法变成产品。
当然，这并不是说专家无用武之地了，在软件工程中，机器学习尚未有大量的科技进步。但是有可能让一个有编程知识但没有机器学习经验的人，在一下午创造一个可以读出手写数字的神经网络，这在历史上还是首次。
自己尝试一下。
乔什·施瓦茨是网络监测 工程和数据科学主任。
联系客服
