机器学习（machine learning）—计算机靠经验自动提升能力—这个以前只在科幻小说中出现的情节，现在已经吸引了各行各业的广泛关注。

科技领域最近取得的诸多进步，全新的学习算法和理论的出现，以及在线数据的爆发性增长和计算成本的持续降低，一直在大大推动着机器学习的发展。现在，机器捕获和分析规模空前、变化无常的多源数据的能力已达到前所未有的水平。

但是，分析数据与利用数据做决策并不是一回事—这正是人类的切入点。人类依然需要富有创新性地将某些设想置于某些适当的背景中，以便弄清某个行为可能带来的广泛影响。因此，人类的思考和机器的思考是互补而且相互增强的。或许，我们可以将这种关系表述为：

人类+机器>人类或机器

那么，人类和机器达成的伙伴关系怎么帮助领导者更快地做出更具创新性的更好决策呢？

领导者可以做出更好的决策

机器学习可以让决策更精准、偏见更少。用IBM超级计算机沃森（Watson）开发项目首席科学家戴维·费鲁奇（David Ferrucci）的话来说就是，机器学习会“改善我们的周边视觉（peripheral vision）”。

因为可用数据的规模如此之大，所以，任何一位领导者都不可能捕获和分析与一项决策相关的所有信息，更不用说不偏不倚地看待这些信息了。但是，机器可以承担部分繁重工作—可以帮助领导者避免成为判断失误的牺牲品，并可让他们全神贯注于更宏大的图景。

“借助人机合作，领导者可以消除导致偏见的隐患，并做出更具实践依据、更富创造性同时也有见地的决策。”凯洛格商学院教授、凯洛格协作体系计划（Kellogg Architectures of Collaboration Initiative）学术主任布赖恩·乌齐（Brian Uzzi）说。

我们不妨看看体育分析公司Second Spectrum开发的用来分析球员球场表现的工具—这些工具可为教练员提供让球队获胜所需的信息。初创企业Invino也在利用算法确定上等葡萄酒的价格—投资者可以利用这些结果决定何时购买或出售自己的藏酒。

领导者可以更快做出决策

机器学习技术可以比人类更快地消化数据、做出预测。速度之快已经开始让使用这些机器的人大受裨益。

毕马威会计事务所（KPMG）预测，在保险行业，利用机器学习可使部分索赔程序实现自动化，“可将索赔过程从几个月缩短到几分钟。”在石油行业，以前数名检查员“需要8周”完成的工作，利用SkyFuture公司的石油设备检查无人机只需5天即可完成，而且只需要一名无人机操作人员和一位工程师。

旅行者也从机器学习中得到了好处。Airbnb采用主客互动数据、当地市场历史数据以及新闻动态数据，可提出数据驱动型的实时价格建议——旅行者可以选择接受或者拒绝这些价格。酒店也是受益者：Nigerian的黑客马拉松团队最近开发出的算法可以预测已经预订酒店的宾客不来酒店的可能性。利用这些信息，酒店可以将预测谁将到店、并将未入住的客房腾出来用于接待宾客的准确性提高一倍。

领导者可以做出更富创新性的决策

周边视觉的提升和速度的加快使进一步的创新成为可能。

我们来看看芝加哥警察局（Chicago Police Department）进行的分析以及据此采取的行动。该局将网络分析和其他信息整合到一起，得出了一个有大约420人的“热点人物名单”，“这些人参与暴力活动的可能性在最坏的情况下是一般人的500倍” 。

警官不但获得了对这些人的新认识，而且还可以据此采取行动。他们与名单中的人面对面交流，告诉他们未来犯罪的可能性，并为他们提供工作培训和药物滥用援助等方面的社会服务，以减少预期结果出现的可能性。此外，这种人机互动还为警方提供了预判未来犯罪行为产生的后果的机会。

我们再来看看生物技术公司Mitra通过预测病人对癌症治疗药物的反应带来的积极社会影响。利用机器学习算法，该公司的一支科学家团队构建了一个可以精准预测治疗方案对某个病人疗效显著、部分有效或者无效的模型。

越来越多的证据表明，现在已经到了有效利用机器学习的潜能的时候了，当然，我们同时也要认识到机器学习这一新领域的复杂性。正如费鲁奇所言：“如果机器可以更快、更彻底地处理信息，那么，我们所有人就都能从中获益。它可以帮助我发现替代选择，以及那些选择的有效证据，帮助我权衡它们。我们都可以使用这些帮助。”

关于作者：阿兰娜·拉扎洛维奇（Alanna Lazarowich）：凯洛格协作体系计划（Kellogg Architectures of Collaboration Initiative）的资深总监。

来源：Kellogg      

译 /艾鲁      编辑 /杨澍