Почему проваливаются проекты по машинному обучению

Открою секрет: когда люди говорят о «машинном обучении», они делают это так, будто есть только одна дисциплина с этим названием. Но на самом деле их две, и когда компании не понимают разницу между ними, у них возникают проблемы.

Сказка о двух машинных обучениях

Представьте, что вы нанимаете пекаря, чтобы он сделал вам печь, и инженера, чтобы он пек вам хлеб. Именно такую ошибку допускают компании, когда работают с машинным обучением.

Если вы собираетесь открыть булочную, то вам нужен опытный пекарь, который будет знать все тонкости выпечки хлеба и кондитерских изделий. Но вам понадобится и печь. Это важный инструмент, но вы наверняка не потребуете от своего пекаря знаний о том, как ее сконструировать. Но почему вы требуете подобного от специалистов по машинному обучению?

Чем же занимается ваша компания — печет хлеб или делает печи?

Исследования в области машинного обучения

Малоизвестный факт — во всех руководствах и на курсах по машинному обучению рассказывается о том, как с нуля создать печь (микроволновку, блендер, тостер, чайник и прочую кухонную утварь), а не о том, как на ней готовить и создавать инновационные рецепты.

Если вы создаете алгоритмы машинного обучения, то ваша основная цель — сделать инструменты, которыми будут пользоваться другие (по аналогии с кухонной утварью). Это относится к исследованиям в области машинного обучения, и этой дисциплине обучают в учебных заведениях или в Google.

Чтобы работать в этой области, понадобится серьезное образование, потому что некоторые популярные алгоритмы существуют уже несколько веков. Например, метод наименьших квадратов регрессии изобрели в 1805 году, а за 200 лет человечество придумало еще больше методов.

Сейчас существует множество продвинутых видов кухонной утвари. Как вы можете сделать усовершенствованную микроволновку, если не знаете, как работает другая модель? Разумеется, нужно все досконально изучить. Чтобы стать исследователем в области машинного обучения, потребуется несколько лет — именно поэтому популярные курсы по машинному обучению начинаются с базовых принципов математического анализа.

Прикладное машинное обучение

Большинство компаний хочет заниматься выпечкой — то есть решать бизнес-проблемы с помощью машинного обучения. Они не интересуются продажей микроволновок, но часто ошибаются и пытаются создать эту кухонную утварь с нуля. Их сложно упрекнуть — из-за хайпа вокруг технологии и образовательных программ основное внимание уделяется именно исследованиям, а не применению машинного обучения.

Если вы пытаетесь создать инновационный рецепт, не переизобретайте колесо. У вас уже есть готовые микроволновки. Есть много источников, откуда их можно достать бесплатно. А если обустройство собственной «кухни» машинного обучения является для вас слишком сложной задачей, вы можете воспользоваться готовыми средствами Google Cloud Platform — там есть и утварь, и ингредиенты, и поваренные книги.

В большинстве случаев вашей команде не нужно понимать математические процессы обратного распространения ошибки нейросети. Точно так же повару не нужно знать схему электропроводки микроволновки. Но если вы планируете работать на кухне промышленного масштаба, то вам придется знать многое — от подбора ингредиентов до проверки блюд перед подачей гостям.

Ошибки в работе с машинным обучением

К сожалению, я часто вижу, как компаниям не удается извлечь пользу из машинного обучения, потому что они не понимают, что прикладное машинное обучение очень сильно отличается от дисциплины, в которой оно исследуется. Руководители таких фирм приглашают работать на кухню людей, которые всю свою жизнь изучали устройство микроволновки, но никогда в ней ничего не готовили. Если от таких сотрудников есть толк, значит вам очень повезло и вы наняли инженера, который умеет еще и «готовить».

Но такое везение бывает редко. Жизнь коротка, и если вы потратите много часов на изучение устройства микроволновки, то у вас останется меньше времени на то, чтобы обучиться мастерству готовки. Если вы хотите непременно нанять человека, который будет экспертом в обеих областях, не жалуйтесь на нехватку специалистов!

Так кто же вам нужен в команде? Как и на промышленной кухне, вам понадобится комплексная бригада с руководителем, который понимает свою область. В противном случае проект прогорит, а вы так ничего и не добьетесь.

Нанимаем правильную команду

Если вы продаете современную утварь — нанимайте исследователей. Если вы создаете инновационные рецепты для масштабной продажи еды, вам нужны люди, которые поймут, что стоит готовить и с какой целью (менеджеры по продукту), что нужно поставщикам и клиентам (эксперты в области и социологи). Вам понадобятся те, кто могут обрабатывать ингредиенты (дата-инженеры и аналитики), легко комбинировать разные ингредиенты и устройства и создавать новые рецепты (инженеры в области прикладного машинного обучения), проверять качество получившегося рецепта (статистики) и делать по рецепту миллионы блюд (программные инженеры). Вам нужны те, кто будут руководить комплексной бригадой (менеджеры проекта/программы) и те, кто смогут гарантировать качество ваших блюд, даже если вместо томатов вам привезли рис (инженеры по обеспечению надежности оборудования).

На каждую роль необязательно нужен отдельный специалист. Но все вакансии должны быть закрыты. Если ваша команда перепробовала все существующие инструменты и не может создать нужный вам рецепт, возможно стоит нанять на аутсорсе исследователя в области машинного обучения. Если потребуется, можно взять его на постоянную работу.

Самое сложное в работе с прикладным машинным обучением это понять, что вы хотите приготовить и как вы планируете проверить готовое блюдо перед тем, как подать его клиентам. На самом деле это несложно — просто не стоит об этом забывать.

Что касается остального, то решение бизнес-проблем с помощью машинного обучения это более простое занятие, чем думают многие. Все эти роскошные кухни так и ждут ваших экспериментов. Всякий раз, когда я слышу, как кто-то говорит, что им нужно пройти курсы по машинному обучению (или получить целое образование в этой области), я представляю себе, как этот человек отказывается пользоваться микроволновкой до тех пор, пока не научится ее конструировать. Не верьте в миф о том, что для создания удивительных вещей с помощью машинного обучения вам нужна докторская степень. Все, что вам надо, — это немного человеческого креатива. .

Источник.

Материалы по теме:

Бенедикт Эванс: «Мы не до конца понимаем возможности машинного обучения»

Хорошие и плохие способы использовать машинное обучение в предвыборной кампании

Империя нейросетей: как работает команда машинного обучения Facebook

Уже не black box. Новые возможности в машинном обучении (и как бизнесу их использовать)