微軟正全力支持一個新的流行詞，并試圖推銷人工智能業務。

這個新名詞就是“機器教學”，微軟將其定義為一些工具，任何領域的人類專家都可以使用這些工具來單獨訓練人工智能。在逐步開發這些工具之后，微軟希望能在公眾的幫助下普及機器學習的概念。微軟還希望更多的公司可以在微軟的云計算平臺上建立自己的人工智能軟件。當然，即使他們沒有聘請人工智能專家，也是可以的。

“我們相信，這將是人工智能的一個巨大變革力量。人工智能可以運用到更多的場景中，并為世界上更多的人所用，”微軟公司的人工智能行業副總裁Gurdep Pall說。

消除分歧

微軟將機器教學作為機器學習的補充，這是一種人工智能系統分析數據并學習如何預測事物的方式，比如照片是否包含人臉。通過機器教學，人們將一項任務分解為單獨的部分，引導這個系統進行學習，類似于學習棒球的人可能會先練習軟式壘球，然后才能進入下手投球和全壘球的練習。

Pall說：“機器學習就是用算法尋找數據中的模式。機器教學是將知識從人類專家的腦子中轉移到機器學習系統的過程。”

微軟不能聲稱擁有該條款的唯一所有權。威斯康星大學麥迪遜分校教授朱曉金（Jerry）從2013年起就用“機器教學”來描述一種訓練機器學習算法的方法，盡管他和微軟都同意它們的定義有些重疊。

雖然微軟說機器教學最有利于像自動化這樣的領域，在這些領域里，人工智能必須在許多潛在的現實世界行為之間做出決定，但它也只是讓人工智能更容易運用。有了正確的工具，一個主題專家應該能夠訓練一個人工智能系統而不必了解機器學習，就像棒球教練不必學習大腦化學一樣。

“專業領域專家即使不太了解機器學習本身是如何工作的，基本上已經可以開始使用人工智能了，”Pall說，“這些專家基本上能夠將他們在特定領域的知識轉移到需要運行它的人工智能上。”

去年，微軟收購了一家名為Bonsai的初創公司，幫助抽象出人工智能開發的復雜性。與Visual Basic是一種比C語言更簡單的編程語言。類似地，Bonsai公司也有自己的語言，稱為Inkling。這種語言應該比低層次的人工智能開發來說更簡單。Pall說，有了這些工具，能源、金融和醫療保健等行業可以構建人工智能應用程序，而無需雇傭現在供不應求的人工智能專家。

Pall說，作為一個例子，殼牌公司最近與Bonsai公司合作開發了一種自主鉆井機。雖然潛在的學習算法與殼牌公司自行開發的算法沒有什么不同，但是機器教學可以讓專家更容易隨時間改進系統。

“現在的問題不是，我的算法是否在額外百分之一的性能方面越來越出色，”Pall說，“而是，人類專家現在是否能夠控制系統，讓它不斷學習，成為一臺比它更好的機器。”

企業仍需要人工智能專家

Gartner分析師Erick Bretenoux表示，盡管有這些重大聲明，但企業仍需要人工智能專家。

首先，機器教學是依賴于人工智能的一種特殊的“試錯”方法，也稱為深度強化學習。例如，如果目標是將一個對象移動到特定的目標，那么只要系統將對象指向正確的方向，系統就會得到獎勵。Bretenoux說，這種方法的應用范圍仍然很狹窄，很少進行大規模使用。

但是，即使微軟是對的，也就是說它將在未來更廣泛地運用，Bretenoux仍然建議有一個人工智能專家在后臺監控系統，并在發生問題之后做出解釋。

Bretenoux說：“你需要對這個盒子有一定的透明度，有時領域專家并不總是技術專家。有時候他們沒有打開盒子的知識。”

打下堅實的根基

Brethenoux還指出，微軟并不是唯一一個試圖簡化人工智能開發的公司。如 Cogitai，提供了一個深度強化學習平臺；谷歌的云汽車，承諾能夠用最少的機器學習知識來培訓定制人工智能模型。

不過，Brethenoux說，微軟近年來在鞏固人工智能方面做得很好，并且明白公司需要什么。“他們在過去幾年里做得很好，”他說，“他們在這個領域進步了很多。”

那么，機器教學其實不是關于人工智能的重大的新進步，只是關于營銷的一系列小的改進。這些改進可能會隨時間而不斷累積。像其他科技術語一樣，比如物聯網、5G無線，甚至人工智能本身，機器教學可能比產品更具前提性。

即使是微軟公司的Gurdep Pall也同意這一說法。他指出，當微軟與行業分析師討論這個術語時，似乎也產生了共鳴。他還指出，未來還有更多的工作要做，包括支持更多的訓練算法和更多的可視化工具。這些工具幫助機器教學更容易運用。目前，該公司只是想在這片土地上打下堅實的根基。

他說：“與其說是抽象的想法，不如說我們可以證明這就是實際應用的方式，這就是為什么當你這樣應用它時，你可以看到自己的好處。”