大数据的关键未来(3)

    Horvitz：方向和目标是非常宽泛的，从机器学习基础科学的探索，到了解如何以最佳方式处理特定类型的数据，再到执行特定任务。我们还在探索和开发更有效率和更强大的工具，以支持机器学习的工程实践。在这个方面，我们一直在探索和开发某些工具和方法，让非专业人士或半专业认识也能够自主开发预测模型并进行数据分析，进而出色完成手头工作。这是一个非常有意思的挑战——把能力交付到最终用户的手中——通常情况下，这种分析能力只掌握在机器学习专家和统计师的手中。

    问：这听起来像是一项艰巨的挑战。你们打算从哪里入手，让大众也能享用机器智能？

    Horvitz：在机器学习领域，人们已开发了许多算法的程序，而其中每一种通常都会附带某些用于对其方法进行调试的“拨杆”和“旋钮”，使之能够针对手头的数据和任务。目前的问题是，究竟哪种方法才最适用于特定的数据集和学习任务。对原始数据清理、提炼和匿名化，使它们易于处理和分析——这也是挑战之一。机器学习领域有多种危险区域，而各种新工具则可以帮助人们具体指明自己希望学习的内容，以及如何验证其建立的模型所作预测的准确性。此时就需要有决策系统，其核心在于如何根据这些预测，引导人们的行动和政策。我们正在努力创建一些新工具，用于指导数据收集、分析和测试——并且同时为最终用户提供有关可视化和决策的深刻见解。

（编辑：ASP站长网）