在商業(yè)智能(Business Intelligence；BI)領(lǐng)域，愈來愈多企業(yè)正在討論將機器學習應(yīng)用于軟件。據(jù)富比士(Forbes)報導，IBM、NVIDIA、英特爾(Intel)、甲骨文(Oracle)、高通(Qualcomm)等公司都在談?wù)撈錂C器學習芯片，但仍缺乏具體商業(yè)案例。另一方面，在亞馬遜(Amazon) Alexa、蘋果(Apple) Siri、微軟(Microsoft) Cortana及Google Assistant等語音助理帶動下，語音辨識正迅速成為主流消費技術(shù)。

語音服務(wù)

TIRIAS Research高級分析師David Teich認為，未來2年，從語音助理獲得的機器學習加持，將迅速在CRM、SFA和純PBX辦公軟件等商業(yè)語音系統(tǒng)中獲得加強。

呼叫問答結(jié)構(gòu)的基礎(chǔ)知識已存在這些方案中，而奠基于機器學習的語音服務(wù)將能在電話上呈現(xiàn)更自然的聲音，并更能理解與來電客戶互動的流程。因此，降低機械感且更加順暢的語音服務(wù)系統(tǒng)，會讓來電者與其互動時感到更舒適。

再者，由于「如果……請按1，如果……請按2」的無限循環(huán)會造成來電者的壓力，并拖慢解決問題的流程。語音服務(wù)系統(tǒng)若能了解來電者說了什么，并能更有效地分析回應(yīng)，就能更快將來電者引導到最佳解決方案或合適人員，獲得進一步協(xié)助。

上述預測根據(jù)是云端企業(yè)系統(tǒng)的另一項優(yōu)勢，因此這類語音應(yīng)答不會依賴行動裝置。事實上，對企業(yè)來說提供云端服務(wù)更容易，能更快速地擴展或更換資料中心資源，而且毋須等待透過FPGA、GPU或其它專用硬件針對機器學習最佳化的下一代行動裝置問世。

Teich認為，由于現(xiàn)有基礎(chǔ)設(shè)施和機器學習語音技術(shù)套件的穩(wěn)健性，上述技術(shù)將更快地融入客服基礎(chǔ)設(shè)施。2018年就可望在企業(yè)語音市場上看到良好、強大的初步導入。

提供決策支持仍待努力

機器學習正在成為BI和人工智能(AI)的混合體。原因在于許多統(tǒng)計分析工具很相似，無論它們是做為分析系統(tǒng)中的模塊或是深度學習引擎運行。

然而，深度學習系統(tǒng)需要大量特定資源才能在有用時間內(nèi)提供夠準確的結(jié)果。基礎(chǔ)設(shè)施公司正在推出專注該市場的最新芯片和服務(wù)器，從硬體規(guī)格可看出這些硬件將有助于機器學習進一步發(fā)展。但要讓這些系統(tǒng)進入現(xiàn)場，甚至進入云端數(shù)據(jù)中心都需要時間，而且可能要耗費大量成本。

此外，企業(yè)還得了解其數(shù)據(jù)，而這點永遠會是挑戰(zhàn)。除了資源，還有建立深度學習應(yīng)用程序的問題。目前，相關(guān)程序語言已發(fā)展到第三代，而需要對此領(lǐng)域有深入了解的人才能開發(fā)深度學習系統(tǒng)，因此要雇用合適人才的成本非常高。

Python、R和其它第三代程序語言雖在添加程序庫，但仍在發(fā)展早期。值此同時，容器化(containerization)正在慢慢成長，且會增加部署的靈活性，但離讓更多人將深度學習更快導入其系統(tǒng)的第四代語言還差一步。

也因此，目前僅少數(shù)世界級企業(yè)已推出語音、網(wǎng)絡(luò)風險管理和檢測詐欺的云端基礎(chǔ)架構(gòu)。這些企業(yè)可承擔建設(shè)這些系統(tǒng)所需時間和費用，但機器學習生態(tài)系統(tǒng)需要更長時間來開發(fā)加速采用的必要工具。

Teich認為，深度學習的潛力顯而易見，但將其整合到更多應(yīng)用中仍有不少障礙，因此在2018年也不會有太大成長。深度學習產(chǎn)業(yè)仍處于創(chuàng)建初始基礎(chǔ)架構(gòu)和應(yīng)用程序的階段，人們可創(chuàng)建原型和概念驗證。Teich預估，在接下來幾年內(nèi)，這兩大方面都會取得成功，而工具的進步將有助于技術(shù)的進一步傳播。