企业会一遍又一遍地犯这三个错误：浪费金钱、降低应用程序性能和获得糟糕的结果。我是基于云的机器学习和深度学习以及一般人工智能的忠实粉丝。毕竟，如果您无法想象与可以回答问题和执行命令的人工智能实体进行对话，那么您就不能成为极客！话虽如此，我还发现基于云的机器学习和深度学习一再被误用。这大部分都可以轻松解决，当然，基于云的机器学习被广泛使用。但是您必须巧妙而正确地使用它。以下是我看到的三个反复出现的错误。1.没有足够的数据为知识模型提供训练。没有任何学习的机器学习是毫无价值的。机器学习的一个真实用例是将算法应用于大量数据并使某些模式出现，这些模式成为基于机器学习的应用程序的训练。所以，没有数据就没有学习。虽然机器学习应用程序最终会收集数据并变得更加智能，但它需要一个起点，即有足够的数据来教会系统如何思考。例如，医院中运行的机器学习系统可以神奇地告诉员工您在医院期间死亡的可能性有多大。如果您甚至没有100,000个数据点，您可以指望概率为0或100%——这无济于事。2.在不需要的地方使用ML这是我见过的最常见的失败-由于在应用程序中使用ML，公司的开发成本增加了一倍或三倍-完全没有理由。在许多用例中，机器学习系统根本无法提供真正的优势。程序逻辑大部分时间都有效，因此为会计系统或调度系统构建知识库是多余的。更糟糕的是，最终的应用程序效率要低得多。3.不知道性能影响在应用程序中嵌入机器学习系统有时可以使它们对业务更有价值。但它也会影响应用程序的性能。试想一下：嵌入式机器学习服务在跨数据运行算法时可能会遇到几秒钟的延迟。如果应用程序要以近乎实时的方式提供响应，那么机器学习的任何价值都将由于响应延迟而导致的生产力损失而迅速丧失。
