胡時偉：讓數據科學家成為業(yè)務專家，再配一支技術軍團
錢天培 | 2017-07-03 10:13
【數據猿導讀】 眼前這位數據科學的一番話，卻讓我們覺得，第四范式的數據科學家們似乎與我們傳統(tǒng)印象中以技術為主，常年坐辦公室調參、做研發(fā)的“科學家”有所不同。
“我的工作有相當一部分時間是在出差的。”
這位剛剛畢業(yè)于哥倫比亞大學的90后、第四范式數據智能部最年輕的數據科學家胡時偉如是向記者描述他的工作狀態(tài)。
“我們會直接走入客戶公司，了解他們的運營模式，有點像咨詢。這也是我最喜歡第四范式的地方，給數據科學家的工作任務和美國那邊的定位很類似，偏應用端，不會做太多R&D(研發(fā))的工作。”
環(huán)顧四周，裝修簡約的開放式辦公室，配上秋千椅、高腳桌，隨處可見免費小零食。走進第四范式，你會自然而然地聯(lián)想到“極客文化”、“工程師文化”，聯(lián)想到Facebook，Google等以人性化辦公著稱的科技公司。
而眼前這位數據科學的一番話，卻讓我們覺得，第四范式的數據科學家們似乎與我們傳統(tǒng)印象中以技術為主，常年坐辦公室調參、做研發(fā)的“科學家”有所不同。
你何時見過每個月都要出差幾次的“科學家”呢
暴走的數據科學家與“消失”的研發(fā)團隊
“將來的數據科學家，應該每個人都有一個助手，甚至是有一支龐大的軍隊。這個龐大的軍隊不吃糧草，只吃數據，數據科學家負責攻城略地就好了。”
在與第四范式聯(lián)合創(chuàng)始人、首席架構師胡時偉的訪談中，他進一步肯定了第四范式對數據科學家業(yè)務能力的重視。“對于我們的數據科學家，不僅要理解算法，更重要的是要求他們有對業(yè)務的理解能力和溝通能力，對業(yè)務有敏感度。”
在這家定位為“人工智能技術與服務提供商”的公司，胡時偉口中的數據科學家的時間與精力分配，與我們的固有認知存在較大差異。在過去，如果一個數據科學家一天工作8小時，那么可能有超過6個小時他是在做數據準備、模型調參等較為繁瑣的工作。而在第四范式，數據科學家每天這類工作可能只占用不到2個小時，剩下的大量時間都用在解決實際業(yè)務問題上。從6個小時到2個小時，當中似乎省掉了一整個研發(fā)團隊所需承擔的工作。
那么在第四范式，究竟是誰在負責數據準備、模型調參呢
接手這個“消失”的研發(fā)團隊職責的，是第四范式自主研發(fā)的一個AI應用者開發(fā)平臺--“第四范式·先知”平臺。
“傳統(tǒng)來講一個數據科學家，他需要一些編程的經驗，需要一些系統(tǒng)的經驗，需要一些數學的理論支持，同時還要會用一些工具對數據處理，然后是業(yè)務知識?？v觀其整個工作中，大量繁重的工作其實與業(yè)務無關。我們創(chuàng)立第四范式的時候就發(fā)現了這個問題：跟業(yè)務無關的工作，其實是可以用產品的方式解決的。”
胡時偉所描述的現象可以被歸結為“進入數據科學的門檻太高”的問題。Google開發(fā)的Tensor flow已大大降低了機器學習的入門門檻，數據科學家們不再需要自行實現艱深復雜的機器學習深度學習算法。
“但Tensorflow主要是面向算法研究者，需要對數學與機器學習有比較深的理解、以及具備較強的編程能力。”第四范式想要把這個門檻放得再低一些——讓科學家只需要專注于解決業(yè)務問題，帶著這些功能封裝起來的“軍團”，跑到了業(yè)務第一線。
給業(yè)務高手配一個技術工具 還是給技術專家配一個業(yè)務顧問
給業(yè)務高手配一個技術工具 還是給技術專家配一個業(yè)務顧問 這是目前人工智能、數據科學領域一直在爭論的一個難題。
一方面，工程師背景較強的團隊往往會認為，技術能力，例如對機器學習算法的了解，是AI人才的關鍵技能，數據科學所需要的專業(yè)技能則能通過在與客戶的溝通中快速學習到;而另一方面，傳統(tǒng)上并非以工程師背景為人所知的團隊，例如城市規(guī)劃團隊，則認為業(yè)務知識需要多年的積累，而編程知識、算法知識則可以被快速獲得。
工程背景強悍的第四范式，選擇了給業(yè)務高手配一個AI平臺工具。胡時偉認為，給業(yè)務高手配一個技術工具不僅僅是第四范式的產品開發(fā)模式，也是未來實現“人人都成為數據科學家”的關鍵。
在先知的定位中，數據團隊及業(yè)務專家都是使用者。今年上半年，第四范式舉行了一場基于先知的建模比賽，參賽選手是離機器學習比較遠的行政、商務員工，兩周的培訓之后有超過70%的參賽組合AUC成績(衡量模型效果的指標)超過0.8，達到成熟的數據科學家水平。
在胡時偉帶領的先知技術團隊的規(guī)劃中，這個門檻還將繼續(xù)降低。“我們的愿景是‘AI foreveryone’，就是說讓大家都能夠用到這個新的(數據科學、人工智能領域的)技術。”
“算法和架構的能力可以被產品化，而在業(yè)務能力上，AI不會消滅行業(yè)。”胡時偉篤定地回答這個問題。他從“AI的五個先決條件”為我們解釋了他們所作選擇背后的原因。
他認為，企業(yè)實現AI化，需要滿足五大核心要素：
第一個是邊界清晰的問題定義。這個說的就是業(yè)務方向。這個特別重要，問題目標都錯了，你跑一百米、一千米，也達不到你的目標。
第二個是高質量、有意義的過程數據。這個其實也是跟業(yè)務有關系的，這回答的是最重要的一個問題：我該收集什么數據 那這個問題的答案肯定是從業(yè)務來，不是從算法來的。
第三個是持續(xù)不斷的反饋。胡時偉指出，光有過程數據是遠不夠的。以下圍棋為例，光知道棋譜，不知道最后誰贏誰輸，是學不會圍棋的。
除此之外，還需要有算法能力和高性能的計算能力。在機器學習的實際業(yè)務場景中，動輒數十億級別的數據樣本，給計算框架帶來嚴峻考驗，在這樣的數據規(guī)模上即便是簡單的邏輯回歸模型，也會變成一個非常困難的問題，因此企業(yè)在計算能力上的投入將是巨大的。
胡時偉指出，算法能力和高性能的計算能力這兩個技術問題，是會隨著高性能的機器學習平臺的普及和硬件的提升而逐步解決的。而前面的三個問題，是業(yè)務問題、社會問題，是需要人去解決的。
公司從數據化到AI化的轉變?yōu)闀r過早嗎
目前，很多傳統(tǒng)企業(yè)已開始考慮向AI化轉型，但事實上它們中的很多仍然處在公司運營數據化初級階段，這些公司普遍有這樣的疑惑：現在考慮AI化是否為時過早 而企業(yè)AI化又該走哪條路 該將業(yè)務外包給AI咨詢公司 求助第三方AI平臺 還是自己開發(fā)一套AI平臺
在胡時偉看來，企業(yè)現在考慮AI化絕不算早，實現AI化所需要的數據要從現在開始攢起。大多數公司不像百度、google這種互聯(lián)網公司，擁有充足的數據積累。在更多的公司、更多的場景中，AI并不是想開始就能開始的。“未來的企業(yè)競爭相當程度上是數據資產的競爭，兵馬未動糧草先行，盡早解決數據的問題，這并不是操之過急、而是勢在必行的事情。”
而關于三種不同的公司AI化方案，胡時偉認為，這其實是同一種AI化方案的三個步驟。
“單純的咨詢公司往往不具備核心的產品能力，即使是能夠給出正確的思路，企業(yè)也無法能夠真正得到效果。”
胡時偉認為，企業(yè)老板通過咨詢或是學習的方式能對AI有一個正確的認識。“我覺得一個企業(yè)的經營者、決策者是對這個企業(yè)業(yè)務的提升最了解的人，他自己先要成為一個機器學習應用方面的行家，但是他不用成為算法專家。他要知道業(yè)務在新的時代下，在高維對高維的直接反饋的情況下，會變成什么樣子，這個是很重要的。”
在樹立了對AI的正確觀念與期望之后，攢夠了AI化所需的數據之后，企業(yè)可以選擇進一步組建起自己的數據團隊，或者通過第三方平臺實現AI化。
而至于自建平臺，胡時偉則認為并不適用大多數想要實現AI化的公司。“在沒有機器學習平臺之前，一些有資源儲備的大公司會自建平臺。但其實到了現在這個階段，隨著第三方平臺的成熟，公司可以引入平臺、以比較合理的投入高效獲得AI帶來的收益，何樂而不為呢 ”
給AI行業(yè)的新人的建議：找到這個行業(yè)真正的金子
“不著急，不跟風;最關鍵的還是要說怎么能去解決實際的問題”
胡時偉也給想進入AI行業(yè)，或是初步進入AI行業(yè)的新人提了幾個建議。
對于學生來說，沒有那么多的機會接觸到實際應用，那么就要把AI的方法論搞清楚。“不著急，不跟風。要知道機器學習為什么產生效果，而不是說我下載一個代碼覺得產生效果了，就覺得可以了。”
對于AI從業(yè)者來說，一定要關注目標導向。在問題定位清楚、提升空間分析完備之前，最好不要就全身心投入到模型調試的工作中去。前期要更多的關心這個模型是不是能解決企業(yè)的實際問題，或者是企業(yè)解決該問題的數據完備程度是否達到等。
“對于企業(yè)來說，目標導向就是你不需要去了解機器背后使用了什么算法、架構，就能享受到大數據驅動所帶來的價值提升。”胡時偉如是說。
來源：大數據文摘
刷新相關文章
我要評論
活動推薦more >
- 2018 上海國際大數據產業(yè)高2018-12-03
- 2018上海國際計算機網絡及信2018-12-03
- 中國國際信息通信展覽會將于2018-09-26
- 第五屆FEA消費金融國際峰會62018-06-21
- 第五屆FEA消費金融國際峰會2018-06-21
- “無界區(qū)塊鏈技術峰會2018”2018-06-14
