机器学习一直是计算史上最大的进步之一，现在它被认为能够在大数据和分析领域发挥重要作用。从企业的角度来看，大数据分析是一项巨大的挑战。例如，诸如理解大量不同数据格式，分析数据准备和过滤冗余数据等活动可能会消耗大量资源。招聘数据科学家和专家是一个昂贵的主张，而不是每个公司的手段。专家认为，机器学习能够自动执行与分析相关的许多任务 - 包括常规和复杂的任务。自动化机器学习可以释放大量可用于更复杂和创新工作的资源。似乎机器学习一直朝着这个方向发展。

信息技术背景下的自动化

在IT环境中，自动化是不同系统和软件的链接，因此他们能够在没有任何人为干预的情况下完成特定的工作。在IT行业中，自动化系统可以执行简单和复杂的工作。简单作业的一个示例可能是将表单与PDF集成并将文档发送给正确的收件人，而配置非现场备份可能是复杂作业的一个示例。

为了完成其工作，需要对自动化系统进行编程或给出明确的指示。每次需要自动化系统来修改其作业范围时，程序或指令集需要由人进行更新。虽然自动化系统在其工作中是有效的，但是由于各种原因可能发生错误。发生错误时，需要确定并纠正根本原因。显然，要完成自己的工作，自动化系统完全依赖于人类。工作性质越复杂，错误和问题的概率就越高。

通常，将例行和可重复的作业分配给自动化系统。IT行业自动化的一个常见示例是自动化基于Web的用户界面的测试。测试用例被输入自动化脚本，并相应地测试用户界面。

支持自动化的论点是，它执行日常和可重复的任务，并释放员工以执行更复杂和创造性的任务。然而，也有人认为自动化已经取代了以前由人类执行的大量工作或角色。现在，随着机器学习进入各个行业，自动化可以完全增加一个新的维度。

自动化是机器学习的未来吗?

机器学习的本质是系统在没有人类干预的情况下不断学习数据和进化的能力。机器学习能够像人脑一样运作。例如，推荐引擎在电子商务网站可以评估用户的独特偏好和口味，并提供最适合用户选择的产品和服务的建议。有了这种能力，机器学习被认为是自动执行与大数据和分析相关的复杂任务的理想选择。它已经克服了传统自动化系统的主要局限性，如果没有经常的人为干预，它们就无法运行。有多个案例研究表明机器学习能够完成复杂的数据分析任务，本文稍后将对此进行讨论。

正如已经指出的那样，大数据分析对于公司来说是一个具有挑战性的主张，它可以部分地委托给机器学习系统。从业务的角度来看，这可以带来很多好处，例如释放数据科学资源以获得更多创造性和关键任务，更高的工作量，更少的时间来完成任务和成本效益。

案例分析

2015年，麻省理工学院的研究人员开始研究一种数据科学工具，该工具能够使用称为深度特征合成算法的技术从大量原始数据中创建预测数据模型。科学家声称，该算法可以结合机器学习的最佳特征。根据科学家的说法，他们已经在三种不同的数据集上测试了算法，并且将测试范围扩展到更多的数据集。研究人员James Max Kanter和Kalyan Veeramachaneni在一篇国际数据科学与分析会议上发表的一篇论文中说：“利用自动调整过程，我们在没有人为参与的情况下优化整个途径，使其能够概括，并描述了他们是如何做到的。到不同的数据集。“

让我们来看看任务的复杂程度：该算法具有一种称为自动调整功能的能力，借助于该功能，它可以从原始数据(如年龄或性别)中获取或提取洞察或值，之后，可以创建预测数据模型。该算法使用复杂的数学函数和称为高斯Copula的概率论。因此，很容易理解算法能够处理的复杂程度。该技术还赢得了比赛的奖项。

机器学习可能会取代工作

世界各地正在讨论机器学习可能取代许多工作，因为它正在以人类大脑的效率执行任务。事实上，人们担心机器学习将取代数据科学家 - 似乎有这种担忧的基础。

对于那些没有数据分析技能但仍需要在日常生活中进行不同程度分析的普通用户来说，拥有能够分析大量数据并提供分析的计算机是不可行的。但是，自然语言处理(NLP)技术可以通过教授计算机来接受和处理人类的自然语言来克服这种限制。这样，普通用户就不需要复杂的分析功能或技能。

IBM认为，通过其产品Watson自然语言分析平台，可以最大限度地减少或消除对数据科学家的需求。根据Watson Analytics and Business Intelligence副总裁Marc Atschuller的说法，“使用像Watson这样的认知系统，你只需提出问题 - 或者如果你没有问题，你只需上传你的数据，Watson可以查看并推断你可能想知道什么。“

结论

自动化是机器学习的下一个合乎逻辑的步骤，我们已经在日常生活中体验到这些影响 - 在电子商务网站，Facebook好友建议，LinkedIn网络推荐和Airbnb搜索排名。考虑到给出的例子，毫无疑问可以投射到自动化机器学习系统产生的输出质量。尽管它的所有品质和好处，机器学习导致巨大失业的想法可能看起来有点过度反应。几十年来，机器已经在我们生活的许多方面取代了人类，然而，人类已经发展并适应在行业中保持相关性。根据不同的观点，机器学习及其所有破坏性只是人们适应的另一种浪潮。