人们被日益复杂的机器学习技术所淹没。这太糟糕了，所以很少有人知道如何使用它们。
调研机构451 Research公司的最近调查数据显示，缺乏技术人才继续阻碍人工智能革命。事实上，技术人员缺乏而不是技术一直是每次技术革命都比预期发展要慢的原因。这就是为什么明智的公司在技术变革中投入了大量的技术的原因。
机器学习的炒作和希望
并不是任何人都允许利用机器学习来从中牟取利益。只要看看人工智能和机器学习在公共收益会议中提到的持续上升。所有高管都希望他们的公司在机器学习方面做得很好。人工智能日前面临一些短暂下滑，但长期趋势是向上发展的，而没有相应的投资，很难为这个廉价的话题支付丰厚的红利。
也就是说，当451Research公司询问机器学习的最大障碍时，36％的受访者表示他们不知道On按钮在哪里，另有32％表示他们负担不起或者不知道如何处理数据。
对来自209名受访者的问题“组织使用机器学习最重要的障碍是什么？”的回答
即便如此，这并没有阻止49％的被调查者从他们大多不存在的机器学习推广中获得“竞争优势”。
对来自207名受访者，来自451Research的“企业之声：人工智能与机器学习、采用”的回答
这与大数据的早期调查没什么不同，当时企业从大数据中获得了巨大的利益，但在下一次承认他们不知道自己在做什么。
没有人想成为机器学习或大数据菜鸟，但正确的做法并不像供应商的新闻稿那样容易。451Research公司调查数据显示，大约有50％的公司已经部署或计划在第二年部署机器学习算法，但如果50％的公司在机器学习领域的应用非常先进，大多数人仍在摸索着，希望一切都能得到回报。
难怪麦肯锡公司的分析表明，机器学习/人工智能需要再过十年才能融入常用之中。改变需要时间。
赢得机器学习：这是一种文化
对于想要赢得大机器学习的公司而言，正确的策略可能不是坐在那里等待世界改变。在云端，Pivotal公司的销售软件以使公司能够构建云服务，以及旨在实现文化变革的专业服务，以支持这些云计算服务。IBM、HPE、SAP、Oracle等在采用或推动类似技术转变时，在市场上也做了同样的事情。这些公司清楚地认识到销售技术只是故事的一半。除非有人能够使用该软件，否则它将以失败告终。
在机器学习方面，最能促进文化变革的公司是谷歌，但与Pivotal公司不同。
谷歌公司没有运行“dojos”，机器学习大师训练Pivotal的风格。相反，谷歌公司拥有开源的关键技术，如TensorFlow，让那些有志于实践的人学习。被称为“适合所有人的开源机器学习框架”，Tensor Flow为一代人工智能从业者铺平了道路，成长为机器学习/人工智能“谷歌方式。”这反过来有望哄骗许多同样的从业者在谷歌云上运行他们的机器学习工作负载，在那里他们经过优化，以便最佳运行。
但即使他们不这样做，开源Tensor Flow也有助于通过以零成本改进对强大的机器学习技术的访问来降低机器学习成功率。
通过像Tensor Flow这样的开源库，机器学习将从重要但复杂到重要且可访问，开发人员用一次就需下载一次。这是一种天才战略，因为它反映了在技术可以影响世界之前改变使用技术的人的需要。
