在開始看整篇文章之前，我希望大家能暫時忘掉那些“機器人偷走了我們的工作”之類聳人聽聞的新聞標題。縱觀古今，早在農業革命和工業革命之時，人們巧妙地利用工具和不斷創新創造更好的生活的愿景推動著歷史的車輪滾滾前進。而在二十一世紀的今天，我們正經歷著一場“數據革命”，在顛覆過去的同時，全新的工作、全新的業務模式和全新的行業也油然而生。

“機器學習”將成為2018年一項至關重要的技術，在我們生活和工作的方方面面，機器學習發揮的作用或許會比互聯網面世以來的任何其它技術都大。像任何新興技術一樣，席卷而來的機器學習已經無處不在：它存在于我們的手機、汽車和家庭的軟件當中，幫助我們獲取有效信息；它嵌入在我們使用的商業軟件當中，讓我們更快、更好地做出知情決策。機器學習不但不會威脅到我們的工作生活，反而會讓人類變得更加強大、更有效率。

[[227028]]

在當下的技術熱點話題中，人工智能和自動駕駛幾乎占據了半壁江山。機器人和自動駕駛汽車所展現出的智能在令人嘆為觀止之余，也對其開發和應用帶來新的機會與挑戰。Gartner的一份報告也曾指出，到2020年，人工智能技術將出現在“幾乎所有新開發的軟件產品”中，這對于軟件提供商來說是一個激動人心、甚至可能是決定性的時刻，對于它們的企業客戶來說更是一個關鍵的十字路口。

相比而言，機器學習或許聽起來不如以上具有轟動效應，但它卻已經深入我們所在的世界，創造著改變。“天下武功，唯快不破”。等待讓人落后，而任何企業都將無法承受等待的后果。從企業決策時間的縮短以及和決策有效性的提升上來說，機器學習的建樹正是它成為劃時代技術的原因。

我們看到，機器學習的發展與云計算的普及幾乎同步，其原因在于云應用程序、平臺和基礎設施的無縫集成將信息孤島打破，把各個組織及其網絡的數據都吸引進來，為機器學習所用。機器學習所基于的算法需要盡可能多的、來自不同領域的數據。聚集的數據量越多，它就會變得越聰明，其決策潛能也就越大。

2018年，云技術日益成熟，幾乎所有企業都把云作為IT策略的一部分，云推動著它們的數字化轉型和釋放數據價值的能力，這使得機器學習也進入關鍵時期。通俗地說，云和大數據為企業在數字化轉型中提供載體并助力其挖掘價值，機器學習則是***個從產業意義上大規模運用和放大這些價值的工具。 

[[227029]]

有意義的信息和有價值的洞察最終都要落實于企業策略。無論在企業內部職能和資源的規劃上，還是在企業外部客戶服務領域，從機器學習中可獲取的是長期的戰略價值，而非短期內吸引眼球的顯著轉變。在幾乎任何面向客戶的行業，海量的客戶咨詢都可被劃分成有限的幾個類別，其中許多咨詢都可以輕松地使用聊天機器人進行預測和回應。而基于機器學習的聊天機器人可以不斷調試自己準確回答客戶的能力。如此就大大縮短了客戶的等待時間，避免客戶的焦灼感，讓互動更為高效。同時也可進一步解放客戶服務人員，讓他們去處理其他亟需人工干預的非大眾化的問題。

在之前的文章中老P已談到過甲骨文的“紅科技”，并且“紅科技”已不再局限于概念層面，而是切真地落實到了產品上。融合機器學習，甲骨文在幫助企業內部外部相關職能領域上，都有相應的產品和解決方案，下面就為大家舉個例子。

在企業內部，Oracle管理云（Oracle Management Cloud）就是一個充分融合了機器學習能力的解決方案。它能為企業提供智能監控平臺，通過協作式監視、分析、監測和反饋，讓企業實時維護基礎設施安全，保障IT穩定運行。以下簡單易懂的“三個一”是對管理云很好的描述：

?“一眼掌控全局”：打造一種實時的協作式環境，為IT開發運維人員，業務線經理和分析師提供從應用到業務服務支持技術的端到端完整視圖。讓企業做到“一個平臺在手，運行狀況全有”。

?“一鍵監測響應”：具備實時監控和分析功能，讓企業及時、迅速地檢測、預防和響應安全問題、性能異常和漏洞。

?“一招智能改善”：將機器學習和大數據技術運用于整個運維數據集，有效避免跨終端用戶和基礎架構數據的各種信息孤島，讓客戶改善整個應用和基礎設施組合的穩定性，防止應用停機，提高開發運維敏捷性和增強安全性。

同樣，在企業外部客戶服務領域，甲骨文也有基于機器學習的Oracle Chatbot（智能聊天機器人），可以通過渠道配件、對話流程執行、業務系統集成和人工智能引擎等組件，為客戶提供自然且高效的溝通過程，增強企業在客戶服務領域的實力和效率。同時，Oracle Chatbot還具備一站式的集成方案、全渠道支持、企業級、易開發、智能分析、持續創新和研發等優勢，在優化客戶體驗的同時，可節省企業的溝通支出成本。

機器學習在客戶服務領域的應用正改變著人們的工作方式，而這項技術的美妙之處更在于其用途幾乎是***的。在任何需要快速分析數據和提煉出結論的節點，它都可以發揮作用。在任何需要從大量的數據中識別出趨勢或異常狀況的地方，它都可以取得令人刮目相看的效果。

前面介紹了兩個機器學習在實際云平臺中運用的案例。機器學習的基礎是數據的掌握和應用。如果擁有更多的數據并且有更強的數據處理和分析的能力，機器學習的效果就更好，甚至可以超出人的水平，就像中國的圍棋大師柯潔在和機器對弈之后評價說，人類是會犯錯的而機器不會犯錯。的確，甲骨文在推出自治數據庫時提出高可用性的指標為99.995%。這個水平在人來說幾乎是不可想象的。

也許大家今天看見的只是一些局部的機器學習產品，例如系統管理，聊天機器人，自治數據庫等等，這就像今天還買不到無人駕駛的汽車，但是有一些局部的無人駕駛的功能已經實現，例如防止追尾，防止偏離道路等等，在云平臺層，甲骨文提出自治的云平臺的概念，這個概念就像無人駕駛汽車一樣，將一些局部的應用結合成為一個整體，成為一個基于機器學習的無人干預的云平臺。

“機器人不會偷走我們的工作。”但是時代要求我們改變。時代賦予我們的機會越來越多，隨之，工作的內容和性質也在改變。如果我們不改變，不是我們的工作被機器人偷走，而是我們被時代拋棄。

2018年，探索和釋放機器學習的價值將成為企業的重中之重。在得以合理和充分有效利用的情況下，技術將永遠無法取代人類。