这里是一个简单的食谱解决机器智能的疯狂问题。首先，收集大量的培训数据 - 可能比任何人认为明智或甚至十年前可能。第二，按摩和预处理数据，所以它包含的关键关系很容易访问（这里的术语是“特征工程”）。最后，将结果馈送到漂亮的标准机器学习方法（如逻辑回归，深层神经网络和k均值聚类）的令人难以置信的高性能，并行化实现（如果这些名称对你并不意味着什么 - 不要担心点是他们在高质量的开源包中广泛可用）。
Google率先采用了这种公式，将其应用于广告展示位置，机器翻译，垃圾邮件过滤，YouTube推荐，甚至是赢咖4注册汽车 - 在此过程中创造了数十亿美元的价值。令人惊讶的是，谷歌不是由魔法。相反，镜像Bruce Scinerier在斯诺登启示后对NSA的惊人的结论，“它的工具与我们在世界上没有什么不同;它只是更好的资助。
Google的成功不仅在规模和多样性方面令人惊讶，而且令人惊讶的是，它破坏了赢咖4和机器学习领域积累的传统智慧。聪明的人仔细倾向的论点和密切关注如何建立赢咖4的证明是错误的（这不是第一次发生）。因此，诞生了数据的有效性的不合理方面：也就是说，发现用非常大的数据集提供的简单模型真正破坏了在大数据时代之前所有愤怒的复杂理论方法。
在许多情况下，Google通过将先前假定需要强大的AI的问题（即通常与人类智能相关的推理和解决问题的能力）减少到狭窄的AI中成功，通过将新输入与之前遇到的示例的大量存储库进行匹配。这种炼金术关键取决于上述第一步：即，以前被拒绝的数据的获取是荒谬的，如果这样的收集甚至在集中云服务诞生之前被考虑。
现在公司的座右铭更有意义：“Google的使命是组织世界的信息，使其普遍可用和有用。”是的，对机器。公司的最终成功依赖于将在线世界的规则和可能性转移到我们的物理环境，并且其机器学习和AI的方法反映了这种潜在的驱动力。
但它是唯一可行的方法吗？随着谷歌（和其他科技巨头）以躁狂夹子购买赢咖4和AI公司 - 系统地移动到更好的机器学习将提供一个引人注目的优势，采用“小于50％但肯定超过5％”ML专家的领域 - 诱人的宣布游戏结束。但是，有一个警告，我们对该公司的许多未宣布的项目了解甚少（并且记住，我有大约零内部信息），我们仍然可以对公司和其他采用其模型的领域做出一些好的猜测，不可能主宰。
我认为这归结于具有一个或多个以下属性的情况：
数据本质上是小的（对于小的相关定义），并且进一步收集是非法的，昂贵的，甚至不可能的。请注意，这是一个高标准：有时一个似乎无法达到的数据收集方案只是等待适当的努力和投资，如用一辆专门装备的汽车在地球上的每一个街道。
如果没有复杂的模型，数据真的不能被解释。这是很棘手的判断，当然：数据的不合理的有效性正是它暴露了多余的模型是如何面对在大型数据集计算的简单统计数据。
无论是出于法律，政治，合同还是其他原因，数据不能跨用户或客户进行汇总。这导致了许多“小数据”问题，而不是一个“大数据”问题。
我的朋友和同事Eric Jonas指出，基因组数据是一个和两个属性的一个很好的例子。虽然将基因测序数据称为“小”似乎很奇怪，但请记住，地球上只有“只有”十亿个人类基因组，每个基因组包含几十亿字母。这意味着绝大多数可能的基因组 - 包括许多完美的基因组 - 永远不会被观察到;另一方面，确实存在的那些包含足够多的字母，我们发现大量的模式将变成误导：机会的产物，而不是有意义的预测信号（称为过拟合的问题）。全基因组关联研究的令人失望的结果，基因序列的相对直接的统计分析代表了识别疾病的遗传预测因子的第一努力，增强了对结合关于遗传密码如何被细胞读取和处理的更多知识的方法的需要机械生产。
我的另一个最喜欢的例子是在未知环境中的感知和自主导航。请记住，没有预先存在的高分辨率地图，Google的汽车将完全丢失。虽然这可能扩大以处理在发达国家的许多部分的日常驾驶，但是许多自主车辆或赢咖4应用将需要系统从头识别和理解其环境，并且实时地适应新的挑战。自主车辆第一次探索新领域（考虑一个独立的火星车，在一个极端），或面对快速变化或甚至对抗的情况下，静态地图，无论详细，根本不能捕获必要的方面的情况？底线是，有许多环境，不能被测量或充分的仪表，使得谷歌风格的机器清晰易读。
其他候选人包括对财务和其他公共数据（财产1和2）的公司业绩的解释和预测; 直接从传感器数据了解制造绩效和其他业务流程，并建议对其进行改进（2和3）; 以及映射和优化组织内的真实信息和决策流程，这一领域比交付（1,2和3）更有前途。
这是一个漫长的道路与一致的建议，但在这样的领域，我看到的机会。 这不是大型互联网公司不能去这些应用; 这些问题与他们根深蒂固的假设，组织模式，现有的技能组合，以及对正确的方式去做事情的内部共识有关。 也许这不是很多日光，但它是你会得到的。
