Сегодня в Школе машинного обучения для бизнес-школ, организованной BigML, я выступил с докладом о важности обучения машинному обучению в бизнес-школах с горизонтальной, а не с вертикальной точки зрения, представив инструмент в каждой области обучения, а точнее. чем размещение его в рамках конкретного курса, и как образовательные модели могут повлиять на внедрение машинного обучения на корпоративном уровне.
Машинное обучение во многих отношениях является чрезвычайно разрушительной технологией. Идея создания алгоритмов, способных автоматически улучшаться на основе опыта, не нова как дисциплина, на самом деле, она восходит к 1960-м годам, но пережила долгую зиму и сильную незаинтересованность, в основном из-за нехватки ресурсов для обеспечения уровней. обработки данных, требуемой дисциплиной. С академической точки зрения, это напоминает мне то, что произошло с двумя наиболее репрезентативными предметами моего опыта преподавания: электронными таблицами и Интернетом: период почти исключительного использования специализированными группами и недружественные модели использования препятствовали распространению инноваций. , за которым последовал период, когда разработка все более простых интерфейсов и инструментов сделала их использование все более широкой публикой.
Если мне ясно одно, так это горизонтальный характер машинного обучения: в компаниях мы находим варианты использования практически во всех областях: операции, логистика, маркетинг, финансы, информационные технологии и системы и т. Д. природа электронных таблиц и Интернета: их использование должно быть исключительным, соответственно, для таких областей, как финансы или технологии, но было очевидно, что они будут распространены на все функциональные области. В моем учреждении, IE Business School, мы используем обновленные версии некоторых кейсов, которые я написал в то время о таблицах, которые имели отношение к процессам всех видов, от относительно сложных финансовых расчетов до автоматизации процессов в маркетинге или обслуживании клиентов. . Электронная таблица давно стала универсальным инструментом и языком общения в бизнесе.
У меня был аналогичный опыт с Интернетом: он был введен в бизнес-школах в области информационных систем и технологий, и в течение нескольких лет все, что связано с Интернетом, относилось к этой области. Не имело значения, было ли дело в стратегии, маркетинге или операциях: если в названии компании указан домен .com или ее операции осуществляются в Интернете, это зависит от тех из нас, кто работает в этой области - мы говорим о в конце 90-х или начале 00-х, когда фраза Энди Гроува о том, что все компании будут интернет-компаниями, все еще вызывала улыбку у скептиков.
Такой подход сверху вниз, на мой взгляд, привел к длительной задержке внедрения этих технологий на корпоративном уровне. В течение многих лет компании не могли извлечь полную пользу из таких инструментов, как электронные таблицы или Интернет, просто потому, что они ошибочно назначали их использование конкретным функциональным областям, будь то финансы или технологии. Много лет спустя, когда кривая внедрения охватила больше людей и организаций, мы поняли, что на самом деле это были инструменты, которые можно и нужно использовать абсолютно для всего, и что это дает много преимуществ.
То же самое и с машинным обучением, которое внедряется в бизнес-школах либо как что-то связанное с технологиями, либо как специальные курсы, которые обычно сначала появляются как факультативы или семинары. Такой подход не только ограничивает его использование и передачу знаний в корпоративную среду, но и усложняет изучение фундаментальной проблемы: мы склонны думать, что для того, чтобы использовать машинное обучение, наши студенты должны научиться создавать для него необходимые инструменты.
Это все равно что попросить кого-то, кто хочет использовать электронную таблицу, чтобы научиться ее программировать, как это было в тех очень тяжелых первых сессиях в первые дни Интернета, когда мы потратили первые полчаса на то, как подключиться (я все еще вспомните скрипящий звук рукопожатия модема), или как мы сейчас проводим несколько дорогостоящих занятий, обучая наших студентов основам Python или R, чтобы они могли делать то, что, когда они им понадобятся, они будут делать просто с помощью нескольких щелчков мышью по меню и кнопки. Как справедливо говорит Кэсси Козырков в одной из лучших статей, которые я когда-либо читал об этой области, это все равно, что нанять опытных инженеров-электриков, чтобы они построили печи и открыли пекарню.
Проще говоря, нет смысла учить студентов создавать свои собственные инструменты, не говоря уже о том, чтобы ограничивать машинное обучение областью технологий или, что еще хуже, их собственным, своего рода водонепроницаемым отсеком. Ожидать, что студенты пойдут в компании, которые нанимают их и посвятят себя программированию алгоритмов на Python или R, является огромным источником разочарования, когда спустя несколько месяцев оказалось, что созданные ими алгоритмы практически невозможно запустить в производство. Последнее просто мешает студентам, которые должны знать, как использовать и применять машинное обучение практически ко всему, что генерирует данные и движется, от интереса к этому, потому что они интерпретируют это как нечто специфичное для определенной функциональной области.
Теперь мы находимся в более поздней версии старой поговорки: дети сапожников всегда ходят босиком. Те же бизнес-школы, которые разрабатывают и проводят внутрикорпоративные курсы всех видов, очевидно, неспособны разработать корпоративные курсы для себя. В противном случае они могли бы легко решить проблему: обучить машинному обучению профессоров, которые преподают операции, финансы, маркетинг, предпринимательство или любую другую функциональную область. Контролируйте и разрабатывайте с ними приложения машинного обучения для своих областей, чтобы студенты могли испытать машинное обучение таким, какое оно есть: очень революционная горизонтальная технология, которую можно применять для решения всех видов задач во всех областях практически любым, у кого есть опыт. минимальные знания статистики.
Короче говоря, вам не нужно быть специалистом по обработке данных, чтобы научиться использовать машинное обучение; отнюдь не. Вам нужно немного понять особую экономику, которую генерируют данные, но не более того. Вера в это снова является источником разочарования и пугает людей. Это заставляет наших студентов уходить, думая, что машинное обучение - это дело Терминатора, вместо того, чтобы понимать, что это что-то, что повлияет на повседневную жизнь их клиентов и их самих. Другими словами, ошибка, сдерживающая появление инструмента с огромным потенциалом от компаний всех типов, всех размеров и во всех отраслях. Ошибка, которую мы уже неоднократно совершали с другими инструментами. Но, прежде всего, ошибка, которой легко избежать.
(En español, вода)
