对ML和AI的思考

人工智能（AI）、网络空间或神经网络在20多年前就已经引起了公众的兴趣。然而，在大学学习期间，我很快就失去了兴趣，因为真正的申请还不成熟。今天不同了。人工智能及其子域机器学习（ML）日新月异

为什么？因为计算能力已经变得非常强大（想象一下谷歌或SAP HANA的超级计算机会），我们通过智能手机、传感器或基于互联网的协作获得了更多的数据，机器学习也出现了新的发展，比如深度学习。例如，模式可以通过初始训练来检测，训练后我们得到一个模型来预测模式。这将是非常困难的开发人员开发。今天我们已经在使用像Siri或Alexa这样的聊天机器人，它们通过自然语言处理来检测语音或文本。特别是当我们拥有大量数据，且模式不明确时，机器学习可以帮助我们通过聚类或分配数据来创建模型。

对于"工作的未来"而言，这意味着任务可以进一步自动化，并出现全新的商机。围绕"工作结束"有很多讨论。此外，我们还需要讨论伦理观点——并不是所有技术上可行的事情都应该去做。

很明显，在新的商业机器学习之后，知识工作将实现自动化，大数据如何分析，尤其是在知识工作重复的情况下。例如，由于麦肯锡的研究，49%的工作岗位将受到自动化的影响，秒单客返利机器人，但只有5%的工作岗位将完全消失。然而，还有许多其他的研究和预测。

由于我们没有魔法球来展望未来，我们需要主动管理这种转变，并尝试有意义的东西。

在企业软件中有许多用于机器学习的用例。SAP最近宣布推出SAP Leonardo产品，为客户的数字化转型提供支持。SAP Leonardo Machine Learning是该产品的一个组成部分，它提供智能应用程序，使用机器学习、数字助理和聊天机器人以及创建和培训您自己的ML应用程序的技术。

多年来，我一直在学习和教育领域工作，我对自己领域的用例非常着迷。请在这里找到一个用例列表，包括第一个示例。

教育和学习中机器学习的7个用例

到目前为止的学习

始终重要的是集中解决一个痛点，而不是为了技术本身而使用技术。尽管有些时候，实验和学习只是一种乐趣。

到目前为止，我们学到的是，数据分析怎么做，最好是用MVP（最小可行产品）的方法来处理简单和集中的事情，以便与我们的用户快速学习，因此，我们从项目启动到上线只需要6个月时间。

我们所做的是利用SAP Leonardo技术进行意向匹配。这有助于自动回答问题，因为不需要精确的问题和答案对。

如果这有助于学习者、培训师或主持人，大数据包括哪些内容，改善他们的经验或学习过程，那就太好了。另一个教训是，对一个模型的培训，就像回答问题一样，大数据app，是必不可少的。这不是魔法。只是准备大量的数据（描述意图），然后通过纠正和反馈进行培训。Lars Satow还创建了一个博客，详细描述了我们是如何在这里创建和培训机器人的。

如果您是机器学习新手，我可以推荐openSAP课程"简单的企业机器学习"作为一个快速介绍。当然，网上还有很多开放的教育资源，比如coursera上的不同方面的资源。

10月5日，我们做了一个关于这个主题的网络研讨会-如果你加入录音会很高兴-它还包括一个小演示。

我们从机器学习中学到的越多，我们得到的用例就越多。很高兴分享我们的经验，从版主机器人我们在几个月的工作也在这里。如果您有任何进一步的输入，或者如果您看到更多的用例，那么您可以通过下面的评论来分享这一点。