在开始看整篇文章之前，我希望我们大家能暂时忘掉那些“机器人偷走了我们的工作”之类耸人听闻的新闻标题。纵观古今，早在农业革命和工业革命之时，人们巧妙地利用工具和不停地改进革新创造更好的生活的愿景推动着历史的车轮滚滚前进。而在二十一世纪的今天，我们正经历着一场“数据革命”，在颠覆过去的同时，全新的工作、全新的业务模式和全新的行业也油然而生。

  “机器学习”将成为2018年一项至关重要的技术，在我们生活和工作的方方面面，机器学习发挥的作用或许会比互联网面世以来的任何别的技术都大。像任何新兴技术一样，席卷而来的机器学习已经无处不在：它存在于我们的手机、汽车和家庭的软件当中，让我们获取有效信息；它嵌入在个人会使用的商业软件当中，让我们更快、更好地做出知情决策。机器学习不但不会威胁到我们的工作生活，反而会让人类变得更强大、更有效率。

  在当下的技术热点话题中，AI和无人驾驶几乎占据了半壁江山。机器人和无人驾驶汽车所展现出的智能在令人叹为观止之余，也对其开发和应用带来新的机会与挑战。Gartner的一份报告也曾指出，到2020年，人工智能技术将出现在“几乎所有新开发的软件产品”中，这对于软件提供商来说是一个激动人心、甚至有可能是决定性的时刻，对于它们的企业客户来说更是一个关键的十字路口。

  相比而言，机器学习或许听起来不如以上具有轰动效应，但它却已经深入我们所在的世界，创造着改变。“天下武功，唯快不破”。等待让人落后，而任何企业都将没办法承受等待的后果。从企业决策时间的缩短以及和决策有效性的提升上来说，机器学习的建树正是它成为划时代技术的原因。

  我们看到，机器学习的发展与云计算的普及几乎同步，其原因主要在于云应用程序、平台和基础设施的无缝集成将信息孤岛打破，把各个组织及其网络的数据都吸引进来，为机器学习所用。机器学习所基于的算法需要尽可能多的、来自不相同的领域的数据。聚集的数据量越多，它就会变得越聪明，其决策潜能也就越大。

  2018年，云技术日益成熟，几乎所有企业都把云作为IT策略的一部分，云推动着它们的数字化转型和释放数据价值的能力，这使得机器学习也进入关键时期。通俗地说，云和大数据为企业在数字化转型中提供载体并助力其挖掘价值，机器学习则是***个从产业意义上大规模运用和放大这些价值的工具。

  有意义的信息和有价值的洞察最终都要落实于企业策略。无论在企业内部职能和资源的规划上，还是在企业外部客户服务领域，从机器学习中可获取的是长期的战略价值，而非短期内吸引眼球的显著转变。在几乎任何面向客户的行业，海量的客户咨询都可被划分成有限的几个类别，其中许多咨询都能轻松地使用聊天机器人进行预测和回应。而基于机器学习的聊天机器人能不断调试自己准确回答客户的能力。如此就快速缩短了客户的等待时间，避免客户的焦灼感，让互动更高效。同时也可进一步解放客户服务人员，让他们去处理其他亟需人工干预的非大众化的问题。

  在之前的文章中老P已谈到过甲骨文的“红科技”，并且“红科技”已不再局限于概念层面，而是切真地落实到了产品上。融合机器学习，甲骨文在帮企业内部外部相关职能领域上，都有相应的产品和解决方案，下面就为大家举个例子。

  在企业内部，Oracle管理云（Oracle Management Cloud）就是一个充分融合了机器学习能力的解决方案。它能为公司可以提供智能监控平台，通过协作式监视、分析、监测和反馈，让企业实时维护基础设施安全，保障IT稳定运行。以下简单易懂的“三个一”是对管理云很好的描述：

  ?“一眼掌控全局”：打造一种实时的协作式环境，为IT开发运维人员，业务线经理和分析师提供从应用到业务服务支持技术的端到端完整视图。让企业做到“一个平台在手，运作状况全有”。

  ?“一键监测响应”：具备实时监控和分析功能，让企业及时、迅速地检测、预防和响应安全问题、性能异常和漏洞。

  ?“一招智能改善”：将机器学习和大数据技术运用于整个运维数据集，有很大成效避免跨最终用户和基础架构数据的各种信息孤岛，让客户改善整个应用和基础设施组合的稳定性，防止应用停机，提高开发运维敏捷性和增强安全性。

  同样，在企业外部客户服务领域，甲骨文也有基于机器学习的Oracle Chatbot（智能聊天机器人），能够最终靠渠道配件、对话流程执行、业务系统集成和人工智能引擎等组件，为客户提供自然且高效的沟通过程，增强企业在客户服务领域的实力和效率。同时，Oracle Chatbot还具备一站式的集成方案、全渠道支持、企业级、易开发、智能分析、持续创新和研发等优势，在优化客户体验的同时，可节省企业的沟通支出成本。

  机器学习在客户服务领域的应用正改变着人们的工作方式，而这项技术的美妙之处更在于其用途几乎是***的。在任何的需要快速分析数据和提炼出结论的节点，它都能发挥作用。在任何的需要从大量的数据中识别出趋势或异常状况的地方，它都能取得令人刮目相看的效果。

  前面介绍了两个机器学习在实际云平台中运用的案例。机器学习的基础是数据的掌握和应用。如果拥有更多的数据并且有更强的数据处理和分析的能力，机器学习的效果就更好，还可以超出人的水平，就像中国的围棋大师柯洁在和机器对弈之后评价说，人类是会犯错的而机器不会犯错。的确，甲骨文在推出自治数据库时提出高可用性的指标为99.995%。这个水平在人来说几乎是不可想象的。

  也许大家今天看见的只是一些局部的机器学习产品，例如系统管理，聊天机器人，自治数据库等等，这就像今天还买不到无人驾驶的汽车，但是有一些局部的无人驾驶的功能已经实现，例如防止追尾，防止偏离道路等等，在云平台层，甲骨文提出自治的云平台的概念，这个概念就像无人驾驶汽车一样，将一些局部的应用结合成为一个整体，成为一个基于机器学习的无人干预的云平台。

  “机器人不会偷走我们的工作。”但是时代要求我们改变。时代赋予我们的机会慢慢的变多，随之，工作的内容和性质也在改变。如果我们不改变，不是我们的工作被机器人偷走，而是我们被时代抛弃。

  2018年，探索和释放机器学习的价值将成为企业的重中之重。在得以合理和充分有效利用的情况下，技术将永远没有任何办法取代人类。

  1998年9月7日，当时还是斯坦福大学学生的LarryPage和SergeyBrin共同开发了全新的在线搜索引擎–Google!从车库里走出来的Google，如今已成为互联网公司中当之无愧的一哥!经过13年的发展，Google从几个人的小公司发展到如今几万员工的跨国企业，从最开始区区10万美元的风险投资到如今市值1500多亿美元，从单一的搜索引擎业务到如今的浏览器、操作系统、手机等等线

  虽然像Tensorflow、Keras、PyTorch和另一些框架作为顶级的机器学习和深度学习库在2017年唱主角，但2018年有望成为更激动人心的一年，因为阵容强大的一批开源工具和企业工具已准备取代目前的老牌工具，或者至少一较高下。我们在本文中介绍了有望在2018年大行其道的这样10种工具和框架。

  2002年，我撰写了2003年网络的十个预测。现在，我想总结一下过去十年发生了什么变化。可惜，我找到的答案是：变化并不大。我们取得了一些进步——更快速的以太网和更廉价的产品，但是我们的工作方式并没发生实质性改变。在2001年，我便认为下一个计划是IPv6——但是十年之后IPv6仍然处于规划阶段。