我們?nèi)绾晤A(yù)測和解釋未來趨勢和結(jié)果并不是一個簡單的過程。即使擁有世界上最好的意志和數(shù)據(jù)科學(xué)家，它也不會也不能總是 100% 正確。在當(dāng)今時代，這通常是機(jī)器學(xué)習(xí)或統(tǒng)計(jì)學(xué)發(fā)揮作用的地方。

歷史一直依賴人類在決策時檢查和解釋統(tǒng)計(jì)數(shù)據(jù)。不過，現(xiàn)在機(jī)器學(xué)習(xí)的出現(xiàn)使計(jì)算機(jī)成為回答“接下來會發(fā)生什么？”這一重要問題的核心。

由人工智能 (AI)和分析驅(qū)動的模型正在成為常態(tài)。然而，在采用機(jī)器學(xué)習(xí)方法與采用統(tǒng)計(jì)方法的好處之間仍然存在真正的混淆。這些差異甚至延伸到教育途徑和職業(yè)機(jī)會，包括機(jī)器學(xué)習(xí)課程與統(tǒng)計(jì)學(xué)的替代方案。

什么是機(jī)器學(xué)習(xí)？

機(jī)器學(xué)習(xí)使用計(jì)算機(jī)來識別數(shù)據(jù)中的模式，而不需要計(jì)算機(jī)遵循明確的指令。相反，他們使用初始算法和模型進(jìn)行編程，并學(xué)習(xí)根據(jù)輸入的數(shù)據(jù)調(diào)整這些算法和模型以提供答案。然而，這也意味著對結(jié)果的人為控制較少。

TurinTech 的聯(lián)合創(chuàng)始人 Michail Basios 博士說：“機(jī)器學(xué)習(xí)模型旨在提供準(zhǔn)確的預(yù)測，而無需顯式編程。機(jī)器學(xué)習(xí)模型可以提供更好的預(yù)測，但更難理解和解釋它們。”

什么是統(tǒng)計(jì)數(shù)據(jù)？

統(tǒng)計(jì)模型根據(jù)數(shù)值數(shù)據(jù)進(jìn)行預(yù)測。這通常是通過詢問人們并要求他們做出選擇而獲得的；例如，它是政治和選舉投票的運(yùn)作方式，或消費(fèi)者購物調(diào)查。人類的參與通常更多地涉及對這些數(shù)據(jù)的解釋。“雖然一些統(tǒng)計(jì)模型可以做出預(yù)測，”Basios 解釋說，“但這些模型的準(zhǔn)確性通常不是最好的，因?yàn)樗鼈儫o法捕捉數(shù)據(jù)之間的復(fù)雜關(guān)系。”

機(jī)器學(xué)習(xí)和統(tǒng)計(jì)之間的主要區(qū)別是什么？

出于機(jī)器學(xué)習(xí)的目的，統(tǒng)計(jì)數(shù)據(jù)將被輸入計(jì)算機(jī)，但這兩種方法之間有一個關(guān)鍵區(qū)別。謝菲爾德大學(xué)教授、Peak Indicators 人工智能和數(shù)據(jù)科學(xué)負(fù)責(zé)人 Paul Clough 表示，這種差異不在于數(shù)據(jù)的分析方式，而在于目標(biāo)或期望的結(jié)果。

Clough 舉了一個例子，衡量一只母雞吃的雞飼料量與它下的蛋的數(shù)量。“統(tǒng)計(jì)分析旨在解釋飼料量如何影響產(chǎn)蛋數(shù)，”他說。“預(yù)測性 [機(jī)器學(xué)習(xí)] 分析將使用這些數(shù)據(jù)來預(yù)測農(nóng)民下周將獲得多少雞蛋。”

您什么時候會使用機(jī)器學(xué)習(xí)而不是統(tǒng)計(jì)數(shù)據(jù)？

Clough 的雞蛋類比有助于進(jìn)一步探索這一點(diǎn)。“機(jī)器學(xué)習(xí)模型不會告訴你任何關(guān)于經(jīng)營一個更高效的農(nóng)場的信息，”他建議道，“而如果你擁有數(shù)萬只雞，統(tǒng)計(jì)模型就會變得笨拙。”

在查看龐大的數(shù)據(jù)集時，機(jī)器學(xué)習(xí)可以更優(yōu)化。許多人承認(rèn)，當(dāng)數(shù)據(jù)水平很高時，統(tǒng)計(jì)數(shù)據(jù)無法對數(shù)據(jù)之間的關(guān)系和相關(guān)性進(jìn)行更深入的分析。

它們也不能依賴于因果關(guān)系、概率和確定性，因?yàn)槲ｋU是它們可能被誤解或故意濫用以支持特定論點(diǎn)。正如那句名言所說：“有謊言，該死的謊言，還有統(tǒng)計(jì)數(shù)據(jù)。”人類的參與是統(tǒng)計(jì)中的一個弱點(diǎn)。

然而，Basios 解釋說，當(dāng)你理解“變量之間的特定交互作用”和“對它們的關(guān)系有先驗(yàn)知識”時，你可以應(yīng)用統(tǒng)計(jì)建模。同時，機(jī)器學(xué)習(xí)可用于實(shí)現(xiàn)“高預(yù)測準(zhǔn)確性”。

它傾向于更多地“部署”在數(shù)據(jù)源；隨著數(shù)據(jù)的收集和增長，算法會自動開始提供情報。例如，在制造業(yè)中，它可以預(yù)測機(jī)器何時需要維護(hù)，從而減少中斷。它還可以分析一個選項(xiàng)與另一個選項(xiàng)的比較——預(yù)測哪個結(jié)果會更好。

你什么時候會選擇統(tǒng)計(jì)而不是機(jī)器學(xué)習(xí)？

Capgemini 智能行業(yè)首席架構(gòu)師 Graham Upton 表示，統(tǒng)計(jì)數(shù)據(jù)對于理解需要更深入思考的特定問題點(diǎn)以及生成指標(biāo)、表格和 KPI 仍然很有用。事實(shí)上，根據(jù)奇點(diǎn)大學(xué) IEEE AI 倫理工程師 Eleanor Watson 的說法，統(tǒng)計(jì)是一種以人為中心的方法，很容易解釋，而機(jī)器學(xué)習(xí)則很難解釋。

盡管機(jī)器學(xué)習(xí)在具有復(fù)雜模式的情況下可能“更強(qiáng)大”——例如，那些變量太多而人類無法管理的情況——人們不應(yīng)該依賴最強(qiáng)大的工具來解決問題。她警告說：“當(dāng)優(yōu)秀的老式數(shù)據(jù)科學(xué)成本更低、速度更快時，公司通常會使用 AI 的手提鉆通過外科手術(shù)來解決問題。”“數(shù)據(jù)科學(xué)比機(jī)器學(xué)習(xí)更能支撐現(xiàn)代經(jīng)濟(jì)，但它仍然是一個無名英雄。”

機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)都有作用嗎？

政府、企業(yè)和組織越來越依賴機(jī)器學(xué)習(xí)和傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)來幫助他們做出更好更快的決策。但是，每種方法都有其自身的缺點(diǎn)需要考慮。

“統(tǒng)計(jì)模型的預(yù)測準(zhǔn)確性有限，因?yàn)橛袝r模型的基本假設(shè)過于嚴(yán)格，無法代表現(xiàn)實(shí)，”Basios 說。“當(dāng)今的企業(yè)正在采用結(jié)合統(tǒng)計(jì)建模和機(jī)器學(xué)習(xí)特征的混合方法，以深入了解底層模型的工作原理并生成準(zhǔn)確的預(yù)測。”

機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)的未來會怎樣？

Quantellia 首席科學(xué)家 Lorien Pratt 博士強(qiáng)調(diào)說，決策智能 (DI) 是未來的理解空間。她解釋說，它連接了技術(shù)和我們?yōu)闃?gòu)建我們的世界所做的成百上千次的日常決定。

“有一類問題——從日常業(yè)務(wù)戰(zhàn)略到氣候變化的現(xiàn)實(shí)——涉及無形資產(chǎn)、復(fù)雜的系統(tǒng)動力學(xué)和人機(jī)交互，”她說。“機(jī)器學(xué)習(xí)作為人工智能的一種‘增壓’形式，可以消除噪音并產(chǎn)生真正的影響。”

Pratt 繼續(xù)說道：“與其從思考我們擁有的數(shù)據(jù)開始，關(guān)鍵是首先詢問我們想要什么結(jié)果以及可以采取什么行動來實(shí)現(xiàn)這些結(jié)果，然后將數(shù)據(jù)融入到行動中。結(jié)果路徑。”