根据云计算咨询公司Cloud Technology Partners副总裁兼首席架构师Ed Featherston的说法，机器学习系统为首席信息官带来了许多机遇与挑战。Featherston最近在纽约的Cloud Expo会议上接受了行业媒体Search CIO的采访。在采访中，他解释了机器学习系统如何帮助首席信息官识别大数据集的模式，并描述了铁路行业通过使用机器学习算法如何节省维护成本的案例。他还解释了如何识别哪些项目适合于机器学习增强功能，并列举了首席信息官在为大数据分析实施机器学习时应该解决的一些挑战。

机器学习系统为首席信息官提供的机遇是什么？

EdFeatherston：对于CIO来说，这是一个有趣的新世界，因为他们总是拥有大量的数据，并试图以不同的方式分析它，并确定其模式机器学习所做的是帮助他们识别以前从未见过或发现的模式，并在他们前进的过程中寻找潜在的新的商业机会或新的方法来改变事物。

我喜欢采用的一个很好的例子是铁路行业。火车上的维修非常昂贵。如果他们不得不中止服务的话，这样做不仅对维修造成了巨额的损失，还因为服务水平的协议而遭遇罚款。但是如今通过从所有这些列车上的传感器中提取的数据，并将其通过机器学习算法进行排列并分析，可以提前预测列车的哪些部分将在多长时间内失效或故障，应采取修复措施。铁路部门上可以合理地安排调度，而不影响整个系统的运行。

这是他们从来没有过的能力。通过预先预测，可以节省他们的维护成本。这不是能够人为查看所有数据，并确定什么情况所能做到的。

首席信息官如何识别机器学习能力良好的候选者的正确问题？

Featherston：他们首先要从业务角度来看待它。最大的挑战是什么？是什么是伤害他们的业务？如何减缓或阻止这些问题？然后说：“如果我能够通过获得足够的数据来预测这些问题，那么有人能够分析和解决问题，并带来商业价值吗？”像其他事情一样，它仍然为了解决业务问题。

如果有人能弄清楚这些信息是什么，这有助于解决这个问题，那么从机器学习的角度来看，这可能是一个很好的候选者。另一件事是他们能正确地看待数据吗？机器学习没有数据是无用的。这有些像发动机里没有汽油的高性能汽车。

首席信息官在利用机器学习系统时会遇到什么挑战？

Featherston：首席信息官将面临多重挑战。首先是确定可能有助于解决问题的机器学习算法或功能，并且有不同的供应商提供一些产品。IBM公司的沃森系统可能是最有名的一个。使机器学习变得重要的不是算法，而是提供该算法的数据。首席信息官以往一直需要为机器学习支付费用，人工智能专家提出了一种算法，将帮助他们处理数据，给他们他们想要的答案。这不一定是这种情况了。他们仍然需要的是数据人员和数据科学家，他们可以查看他们所拥有的数据集，并说：“我有什么可用的数据？什么样数据将有助于我实现正在寻找的业务目标，我将要把哪些数据引入引擎？”

他们发现的另一个挑战是他们可能得不到他们期望的结果。机器学习引擎可能会告诉他们完全不同的、全新的东西，他们没有预料到这些数据。他们不可能带着先入为主的想法，“我要把这些数据放进去，它会告诉我A，B，C”，如果你已经知道它会告诉你A，B，C，那么人们就没有必要投入费用花费在机器学习和所有的数据上。重要的是要为事实做好准备：他们可能会发现新的有趣的东西，从而开辟其他的机会。