最近，AI Business与SAP机器学习高级副总裁Markus Noga博士进行了问答式访谈，探讨企业如何在2019年成功部署人工智能和机器学习。这个博客是从最初的采访中采用的，可以在SAP:AI&RPA文章中找到，它将在2019年成为业务关键型。以下是一些关键的收获

如何开始机器学习之旅

对于新接触最新智能技术的公司来说，机器学习可能是一个陌生的概念。他们可能看到了它背后的好处，但不知道从哪里开始。然而，有许多资源可以帮助缩小差距，什么是淘客，使过渡更容易。Noga认为，有两种方法可以开始机器学习之旅。

"第一种也是最简单的方法是实现具有内置机器学习功能的即用智能应用程序……对于更具体的需求，机器学习平台提供预训练或可再训练的图像、文档、文本、，或是作为机器学习构建块的表格数据处理。"—Markus Noga博士

通过整合这些应用程序，公司有望在其业务运营中看到许多改进。这些可以包括识别公司数据的趋势和模式，在当前流程中发现新的效率，并预测未来的结果。

为什么你需要机器学习来成为一个智能企业

随着近年来物联网和大数据的激增，公司拥有的数据比他们自己知道的要多。有太多的数据供人类手动筛选。如果不过滤重要信息，企业就会发现自己落后于竞争对手。

为了使企业成为智能企业，他们需要有效地利用这些数据并从中获得有意义的见解。可以建议下一步行动的见解。机器学习和预测分析可以提供这一点。

"使企业智能化需要开发人员使用机器学习平台根据个人需求使用、设计和扩展机器学习。这些平台可以将机器学习模型轻松地部署到生产和规模中，简化机器学习的生命周期和集成。"—Markus Noga博士

智能机器人过程自动化组合（IPA）也可以提供帮助。它将RPA与机器学习和会话人工智能相结合，自动完成重复的任务，减少人工干预。这些任务可以包括下采购订单、点击工作流和更新电子表格，最终为要求更高的任务分配更多的时间。

机器学习工作需要什么样的数据？

当然，公司有很多数据，但都有用吗？谈到有效地使用机器学习，Noga认为最大的障碍是高质量数据的可用性。如果没有高质量的数据，算法就无法得到正确的训练，从而导致模型的不精确性和资源的低效利用。除了质量，数据还需要以数字格式可访问和可用。

"获得正确的数据是解决ML问题的关键。新的现实是，大数据的趋势，您的数据战略需要成为您的数字转型战略的关键组成部分。"—Markus Noga博士

公司应如何应对AI和ML在未来的潜在问题社会？

随着人工智能和机器学习越来越普及，社会对如何使用人工智能的关注也越来越多。一些人仍然对这些技术的公平和负责任的使用感到不确定。然而，这些服务的最终目标是增加人们的生活，减少重复和乏味的任务，这样我们才能更有创造力

"我建议每个软件供应商都关注最新技术进步的伦理和社会影响，并为有关这一主题的公众辩论作出贡献。因为最终，购物返利平台，我们的目标是继续创造增强人类智力潜能的软件。"—Markus Noga博士

2019年机器学习展望

人工智能和机器学习不再是牵强的想法，网络云服务器，它们将继续存在。通过采用机器学习技术，企业可以在运营中更加高效和有效，并最终转变为智能企业。

"我预测智能机器人流程自动化的兴起将成为企业的关键……此外，即时通讯云平台，对话式人工智能将使自动化向自动化迈进一步使用更智能的聊天机器人为企业提供客户支持。"—Markus Noga博士