机器学习算法和人工智能工具在分析界备受瞩目，而且行业专家和富有经验的用户表示这也在意料之中。

Jeff Dean是Google的高级研究员，他曾帮助主导了公司开源机器学习平台TensorFlow 的开发。他说，“这些模型正在造就巨大的变革，而且如果你目前没有考虑如何在产品中使用它们，那么是时候考虑一下了。”

在大多数谷歌新产品的开发中，机器学习已然发挥着核心作用，Dean在旧金山举办的Spark 2016峰会的一场演讲中如是说。例如，它用在了安卓移动操作系统中，这是其训练语音识别工具的核心。机器学习技术同样帮助Google通过检查图片中所发生的事来创建工具将用户上传的图片自动打标签。其他用例还包括训练Google Translate应用，在Gmail中创建自动邮件响应以及训练AlphaGo系统，该系统还在围棋比赛中击败了人类冠军。

机器学习对企业的影响

机器学习和人工智能（AI）听起来似乎有些遥不可及，但Dean说企业并不需要像Google一样的技术资源作为开始。现在有诸多选择可以让企业把自己的数据用于机器学习平台，这些平台包含了预训练模型和企业可以自行训练的算法。Google同样提供这样的服务，而且Spark数据处理引擎包含了一个机器学习算法库。这些产品降低了机器学习的门槛。

在Spark会议上的其他演讲人都认为对于跨越各种垂直市场的机器学习应用程序来说，时机已经成熟。中国互联网服务公司Baidu Inc 的首席科学家Andrew Ng说：“当我在检视每个行业的时候，我觉得会有很好的机会来对它们进行改造。有些是短期的，而有些则是一个长期的过程。”

机器学习和AI很可能会改进网络搜索、消费者金融服务和欺诈检测等领域，Ng如是说。他还说在预测数据中心故障和提供修复建议方面，它们可能会发挥重要作用。

Ng说，很重要的一点就是企业会需要大量已标记的结构化数据。虽然机器学习在众多产品中，包括深度学习，善于对非结构化数据进行理解，但是分析模型需要在结构化数据上进行训练。

在投入先进的机器学习之前，企业需要确保有足够大小和质量的数据集。Ng说，虽然即使有这样的警告，对于大多数企业来说，开启一个机器学习项目也很可能是值得的。他说：“深度学习将会为公司和用户创造很大价值，甚至可以改变整个行业。”

在反欺诈工具上应用机器学习

Capital One Financial Corp.的技术团队使用Spark中的机器学习算法库对新账户应用进行分析并对它们进行打分来评估潜在的欺诈风险。Chris D’Agostino是金融公司的技术副总裁，他说，Spark可以让团队快速而简单地将来自多个源头的数据进行结合，并允许进行更深入、更精确的预测。

该分析模型包括来自Capital One自身图形数据库和一个Hadoop集群的数据，以及来自第三方信用报告机构的数据。随着开始并持续进行训练以及对模型进行改进以获得更好的准确性，技术团队使用Spark的流处理模块和MLlib算法进行协同来对新应用程序进行评估。

在体系结构中没有Spark的情况下要运行这类机器学习任务是很困难的，D’Agostino说，因为这就意味着试图拼凑出各种数据存储和手工编码机器学习算法，这是一项相当耗费时间和资源的项目。