在最近的思科合作峰會（Cisco Collaboration Summit）活動中，有一場引人深思的主題演講，是由彭博貝塔（Bloomberg Beta）的詹姆斯?查姆（James Cham）發(fā)表的。這是一家早期風險投資基金，投資于以數(shù)據(jù)為中心和機器學習相關(guān)的初創(chuàng)企業(yè)。在他的演講中，查姆（Cham）指出，“廉價地”進行復雜數(shù)學運算的能力，已經(jīng)激發(fā)了最近在機器學習方面的技術(shù)進步?！傲畠r的”數(shù)學使機器學習算法運行得更快更便宜，這反過來推動了更便宜的預測機器學習方法和產(chǎn)品的交付。

更廉價、更快速的數(shù)學運算使人工智能機器學習成為可能，而這反過來又能帶來便宜的預測。機器學習完全是關(guān)于預測的

你可能會問，“為什么廉價的預測很重要，它如何影響我們的行業(yè)？”

機器學習實際上是一種預測機制。它試圖預測一個人是否患有癌癥；自動駕駛汽車是否應停止、加速、轉(zhuǎn)彎或繼續(xù)行駛；使用Web瀏覽器的人是否可能會點擊某個特定的廣告；哪個呼叫中心座席最有可能完成一單銷售；某人說或輸入的意圖；等等。

即使在通信領(lǐng)域，能夠提供準確的預測也是一種熱門的能力。自1月份以來，我們行業(yè)的主要參與者已經(jīng)收購了一些機器學習公司。這意味著他們已經(jīng)購買了預測技術(shù)：

1月份，Avaya收購了Spoken，并獲得了后者的IntelligentWire技術(shù)。IntelligentWire技術(shù)應用語音識別和情緒分析來識別模式對話以預測未來最佳行動或談話時可能遇到的麻煩。

2月份，Genesys收購了Altocloud。Altocloud技術(shù)監(jiān)控實時數(shù)字行為，以預測客戶下一步想做什么，客戶可能購買或放棄，或者什么時候進行客戶干預（比如彈出一個特殊的交易建議）。

在5月1日，思科公司宣布將收購Accompany。Accompany技術(shù)搜索網(wǎng)絡(luò)和預測企業(yè)組織結(jié)構(gòu)圖和組織中個體的特點，目的是幫助用戶制作和保持“正確”的外部關(guān)系。

Accompany通過在網(wǎng)上搜索公共資源來預測企業(yè)組織架構(gòu)和人員屬性。它旨在幫助伴隨用戶制造和保持組織內(nèi)的另一個“正確”的關(guān)系。（圖片來源：Accompany.com，使用許可）

就在上周，8x8收購了MarianaIQ。MarianaIQ技術(shù)搜索社交媒體渠道，并使其合理化，以便它能夠明確識別個人使用的渠道?？梢哉J為它是聯(lián)絡(luò)中心全渠道，是反過來的。然后使用這些信息與產(chǎn)品和個人配置文件數(shù)據(jù)，按照這些個人自己所喜歡的社交媒體渠道主動地進行市場開發(fā)。

正如經(jīng)濟學家Ajay Agrawal、Joshua Gans和Avi Goldfarb在他們的書《預測機器：人工智能的簡單經(jīng)濟學（Prediction Machines:The Simple Economics of Artificial Intelligence）》中所說，預測是幾乎每一個商業(yè)過程的基本輸入。更好的預測意味著更好的信息，從而更好的決策。他們認為，將人工智能和機器學習重新定義為從昂貴的預測轉(zhuǎn)向廉價的預測，或者“從稀缺到豐富，對于思考它將如何影響你的業(yè)務是無價的?！睓C器學習和它的預測已經(jīng)從昂貴到廉價，我們看到它的出現(xiàn)，主要是以安靜的，幕后的方式，改變我們的工作和生活方式。

要了解從昂貴到廉價對社會和個人的影響，我們只需看看我們對人造光的使用。根據(jù)耶魯大學經(jīng)濟學教授威廉·諾德豪斯（William Nordhaus）的說法，1800年的光成本是我們今天支付的400倍。隨著光成本逐年下降，我們甚至不再考慮是否要打開燈，還是關(guān)掉燈。

關(guān)鍵在于，隨著預測變得越來越便宜，它將滲透到我們工作、社會和個人生活的各個方面，預測可以發(fā)揮作用，在某種程度上我們已經(jīng)看到了這種情況的發(fā)生。我們每次搜索網(wǎng)絡(luò)，網(wǎng)上購物，使信用卡購買，推特，改變我們的智能溫控器，看有線電視節(jié)目，打手提電話，聯(lián)絡(luò)呼叫中心，等等，我們的數(shù)據(jù)或者是很快就會被機器學習算法處理，以便更好地預測我們的行為和結(jié)果。

那么，這一切都給我們帶來了什么？

某些東西變得便宜的經(jīng)濟學通常會導致其他東西的價值增加。有了便宜的預測，好的判斷和推理--機器學習系統(tǒng)不擅長做的事情--變得更有價值。在我之前的職業(yè)生涯中，當我開始使用復雜的熱力學、熱和傳質(zhì)算法來模擬石油化工過程時，我們經(jīng)常會說，“計算機給出了它被編程運算之后得出的答案，但是如果我們把工廠炸了，那又有什么關(guān)系呢？”

判斷力無疑將在機器學習的廉價預測中發(fā)揮重要作用。這將使我們能夠調(diào)整機器學習算法來實現(xiàn)更好的預測。

Avaya、Genesys、Cisco和8x8都為廉價的預測投入了大量的資金，因為它可以幫助商業(yè)決策者創(chuàng)造高價值的結(jié)果。到目前為止，這些“廉價的預測”主要集中在聯(lián)絡(luò)中心（Avaya、Genesys、8x8）和協(xié)作體驗（Cisco）上。微軟在這一游戲中的動作也很明顯，因為它在Office365和Teams產(chǎn)品中不斷地部署更多的機器學習。

廉價的預測是有需求的，并且讓那些將其推出的人花費了大量的資金。然而，它支持的能力可以并且正在影響我們每一個人在我們的影響范圍內(nèi)與許多企業(yè)和個人進行業(yè)務和交互的方式。