Gartner将机器学习称为是炒作之王

英文原标题：Gartner dubs machine learning king of hype

Gartner将机器学习列在技术成熟度曲线的顶峰，但是最主要的好处（自动驾驶汽车）仍在多年后才会获得。

每当知名调研公司Gartner发布新版本的技术成熟度曲线（Hype Cycle）（又译作：炒作周期）示意图，它不是会引发幸灾乐祸，就会引发一种低落情绪。你的竞争对手把赌注压在了一项深陷“泡沫化的底谷期”（Trough of Disillusionment）的技术，而你足够明智，处于“稳步爬长的光明期”，大发其财。或者可能处境正好反过来。

2016年的技术成熟度曲线最让人好奇的细节之处不在于哪一项技术突然冒出来，而在于，一项底层技术（机器智能）的好多个版本散布在著名的底谷期和高原期示意图的好几个点上。

Gartner给大兴其道的机器智能贴上了这个标签：“感知智能机器时代”，它预测这类机器将是“今后10年最具颠覆性的一类技术”。

图片来源：Gartner

Gartner所说的“强大的计算能力、近乎无限的数据以及深度神经网络的空前进步”带来的好处越来越多，但是还没有一个成熟到非常有用的地步。此外，Gartner认为任何一个至少两年过后才会进入主流，其中大多数处于“再等五年或更久”这个类别。

处于这条曲线开始部分即“创新促动期”（innovation trigger）这部分的是改变世界的规范概念，比如通用机器智能、智能机器人以及神经形态硬件（比如模拟神经元的芯片）。曲线的这一块包括脑机接口之类的相关技术；不难想象将计算机连接到大脑会如何有助于前者的行为更加类似后者。

“机器学习”处于曲线的顶峰，预计会在两年到五年内成为一项主流技术。这听起来太漫长了――要说有什么区别的话，机器学习很久以前就问世了，它很自然地出现在了云计算、软件工具包和自定义硬件中。

真正的问题倒不是机器学习面临技术障碍，这也是Gartner可能将机器学习的顶盛时期往后推的原因。而是说，主要障碍在于，机器学习并非包治百病的灵丹妙药，所以需要时间才能体现真正有好处的应用。（据说激光的发明者当初也搞不清楚如何利用激光。）

一头扎入泡沫化的底谷期的技术是自动驾驶汽车（被称为“自主汽车”）和“自然语言问题解答”。两者都是机器被要求行为类似人类，又不能犯错的例子。要是自动驾驶汽车跃过路缘、看到前面的路人忘了刹车，那么就算拥有一辆自动驾驶汽车也没多大意义；除非机器能够给出简明扼要的答复，否则让机器回答通俗英文问题也没有多大的必要。

在这两种情况下，不难看出为什么Gartner认为话题不再新鲜。这两种项目的现状是，它们比任何人预料的都要来得混乱、来得复杂。研制可以保持速度、与公路上其他汽车保持距离的汽车是一回事，研制能够并排停车，不会收到罚单的汽车是另一回事。自然语言也是如此，尤其是由于自然语言天生具有模糊性。

关于机器智能的明智讨论应当是，它是增强而不是取代人类洞察力和理解力。从这个意义上来讲，机器学习是实现当初发明计算机的目的的另一种技术：让枯燥乏味的任务自动化，或者突破人类观察能力的极限。

要说哪一种机器智能能够进入到Gartner所说的实质生产的高峰期（Plateau of Productivity），那就是最简化、立即实用的版本――比如说，使用机器智能找到数PB数据里面的模式，然后根据发现结果，做出有根据的决定。就眼下而言，合理、低调地利用这项技术是够宏伟的目标。

相关阅读：