大資料+機器學習：微軟重奪霸主地位的希望

機器學習(Machine Learning)是研究電腦怎樣類比或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。 它是人工智慧的核心，是使電腦具有智慧的根本途徑，其應用遍及人工智慧的各個領域。 不久前，《紐約時報》報導了微軟將機器學習應用於新業務。 Lightspeed(光速創投)美國投資總監Jeremy Liew也介紹了「大資料加機器學習」重塑銀行信貸業的例子。
應用機器學習技術，軟體和服務都是盈利點

在下一個Office版本中，Excel將可以合併處理大量的資料。 比如，能夠掃描1200萬條Twitter消息，然後生成一個圖表，告訴你哪一個奧斯卡提名者被人們談論得最多。 Outlook新版本添加的功能可以評估使用者的電郵閱讀習慣，判斷哪些郵件是使用者想去閱讀的。 微軟的機器學習軟體將能夠對公司電腦系統進行抓取，就像必應搜尋引擎抓取互聯網上的網頁和連結一樣。

來自感應器、連接的設備和雲計算中心的資料大爆發造就了大資料產業。 電腦要從每天生成的海量中找到規律和模式。 長期來看，微軟希望能夠將更多的機器學習技術運用到它的雲計算平臺Azure中去，比如租賃資料來源和演算法讓企業設計自己的資料預測引擎。 微軟最終可以通過軟體服務收費，而不是僅僅銷售軟體。

微軟有一些創業公司所沒有的東西：巨大的資金儲備——上一季度末的財報顯示，現金和短期投資一項為670億美元——同時有能力在一個大專案上投入十年、甚至二十年的時間。 Gartner的資深研究員David Smith說，「微軟的資源太多了，Windows、IE瀏覽器、Skype、必應搜索等等，他們能做許多事。 資料分析將會是他們的下一個大生意。 」

碎片化關聯，「另類信貸」模式顯現

一些初創公司用海量資料採礦和演算法來做一些貸款業務。

Wonga就是一家剛剛興起的替代貸款的初創公司。 投資機構Accel的Sonali De Rycker是Wonga的董事會成員，他介紹說：「他們大量的使用了社交媒體和其他的網路工具，但這些都是絕對想不到的。 而這正是他們的奇跡所在。 」

問題的關鍵在於演算法，它怎麼把你的郵遞區號，你的車的顏色，你的按揭是多少，它怎麼能將你這些碎片化的東西關聯起來。 這些都是Wonga對於它過去客戶的各種碎片化資訊的資料堆積和整理，這非常關鍵。 在Accel在2009年進入Wonga董事會的時候，Wonga已經 有了10萬個貸款案例。 這10萬條資料資訊不斷集成和歸類變成了一個日益增加的資訊網路。 其中每個貸款人都擁有6000到8000條資料。

「你用大量的資料串成了一個故事。 我們願意為這些資料付費，因為我們需要它。 我們可以通過上千種組合來判斷做某件事是對的，還是錯的。 」

伴隨大量的資料來源和強大的大資料分析工具，這也意味著它可以比其他發薪日貸款機構可以以更低的利率貸款。 機器學習的依據就是不良貸款，所以失敗的次數越多，你交的學費越多，同樣的你的模型就會越完善。

大資料時代有了更多複雜的商業模式，但目前只是表面。 在接下來的幾年裡在這個領域裡將會看到更多的創新點。

(責任編輯：施柏鵬)