创新也许是未来的名片，但我们如何才能确定我们正在以正确的方式转型呢？也就是说，物联网公司排名，当数字化变革的步伐呈指数级增长时，我们如何才能保持创新？

它回避了一个问题：所有的好主意都被采纳了吗？

创新专家在《改变游戏规则的预测性机器学习》广播系列节目《机器时代：颠覆性创新和思维》中对这些问题进行了详细的分析。主持人Bonnie D.Graham带领三位小组成员讨论了如何在机器学习时代进行创新的问题。

本期专题专家为：

Bryan Mattimore：成长引擎公司和创新机构的联合创始人兼首席创意人Omar Maher：ESRI机器学习实践负责人和两家科技初创公司的联合创始人John Schitka:SAP解决方案营销高级总监（*John已经退休）

在线查看完整的重播。以下是亮点。

是什么阻碍了我们的创新？

是被日常工作缠住的趋势让我们无法产生好的想法，还是今天的创新过载让我们无法尝试？小组成员们就最大的创新障碍展开了辩论：是自满还是饱和？

布莱恩认为这是自满，但补充说，这更多的是方法而不是习惯。虽然有数以百计的新思维技巧被设计来帮助我们创新，但我们经常会求助于久经考验的团队头脑风暴会议。问题是这些已经不起作用了。

"你必须给人们的大脑引入刺激，让他们触发新的想法，"他说。开放式头脑风暴会议"也许在项目开始时是可以的，但是，孩子，当你沿着这条路前进时，你必须想出新的方法来激发人们获得新的想法。"

约翰认为这既不是自满，也不是饱和，相反，它更多的是与对未知的安慰和恐惧有关我更愿意走一条我熟悉的路，一条我觉得舒服的路，大数据有什么用，"他说，个人用云服务器，"而不是走进一间黑暗的房间，不知道我的脚会碰到什么，因为我向前走。"

奥马尔同意布赖恩和约翰，但指出，"另一个因素是开始了解这些新工具。"许多人听说人工智能，机器学习，以及新闻中的其他热点技术话题，但他们并不真正理解它们。这是创新开始之前的第一个主要创新障碍。他最后说："我最喜欢的一件事是用简单的英语解释那些概念，让它们变得神秘起来。"

我们怎么能有意识地去创新呢？

爱因斯坦有句名言，如果他有一个小时来解决一个问题，他会花55分钟去思考，5分钟去解决。也被称为他的八十二法则，他认为一个明确的问题是一个很好的解决问题。John、Omar和Bryan研究了这种解决问题的方法，并讨论了它如何导致有目的的创新。

John是爱因斯坦法则的支持者，建议在执行解决方案之前花时间定义问题。在创新过程的开始阶段，最大的问题之一就是对最后一步的概念模糊。"你真正想解决的问题是什么？"他问道是不是可能有多个问题，我们要把它分解成更小的小块？"这就是我们在进行创造性创新之前必须开始的地方。

他把这比作使用机器学习，他说所有的数据在准备好用于任何解决方案之前都必须经过准备和完善。"所有的工作和努力都必须明确定义一个问题，所以我明白我要解决的问题是什么。首先，我们必须将业务挑战视为难题的主要部分。"从商业的角度思考问题，而不是跳到技术上来，我发现很多人都在这样做。但最关键的是确定了项目的方向。"我认为找到正确的问题是所有这一切中最重要的一步。"

布莱恩提倡一种有计划的创新方法，以获得衡量的结果。开始创新过程最有效的方法之一就是记下所有关于你问题的假设。布莱恩说"列出其中的20个，有趣的是你一开始就得到了明显的假设，然后它变得越来越难，智能物联网，然后你在这个过程的最后得到了一些真正的突破。这就是为什么我们强迫人们得到20个"

然后，分解每个假设背后的理由，确定它们是否正确。他举例说明了酒店业的一个潜在假设——一家企业可能会假设他们需要购买房间来出租。然而，像Airbnb这样的企业已经超越了这一假设，扰乱了整个市场。

"对基本假设的质疑对我们的工作至关重要，"他说。有时创新的关键是重新设计我们的问题。

机器学习如何帮助我们创新？

Bonnie在节目结束时询问了专家们我们如何利用机器学习进行创新，超算云，特别是在未来。

正如John在本期节目前面提到的，在将数据输入机器学习技术之前，需要做大量的前期准备工作。然而，奥马尔预测，数据清理程序在准备数据时几乎不需要人工干预，这是很常见的今天有一些技术可以做到这一点，我认为它们会变得更加有用。"

布莱恩设想了一个未来，通过利用机器学习的力量进行问题开发，将机器学习从一开始就融入到创新过程中利用预测机器学习产生一些有趣的问题，这些问题可以被导入全球虚拟思维团队提出想法，几乎每天都是如此通过将机器学习问题的产生与人类的创造力相结合，我们一定会提高我们的创新能力。