过去十年，“大数据”（Big Data）成为硅谷最热门的流行语。当机器学习（Machine Learning，ML）模型基于巨量资料集训练后，因此彻底深入了解某特定领域，进而为顶尖高科技公司带来突破。例如，Google 透过追踪和分析每年超过 1 兆笔搜寻查询微调排名算法。事实证明，能回答所有人问题的智慧之力，是可透过充足资料的暴力算法达成。
但这会有潜在问题：大多数公司受限于“小数据”（Small Data）；许多情况下，只有几十个想透过 ML 自动化的流程范例。如果你尝试为企业客户打造强健的 ML 系统，就得开发新技术克服数据不足的问题。
将小数据转换成为大数据的过程，有两种已证明非常关键的技术 Transfer Learning 迁移学习及 Collective Learning 集体学习，让中等规模公司也能从过去只有科技巨头才会看到的 ML 使用案例获利。由于当前只有 15% 公司部署 AI 或 ML，因此这些技术有极高机会彻底改变商业世界。
开放源代码 BERT 模型改变了玩 ML 的游戏规则
当然，资料并不是建立世界一流机器学习模型的唯一条件，首先也会有构建模型的小问题。鉴于机器学习工程师短缺，对大多数组织而言，不太可能雇用专家团队从头开始构建 ML 系统。这种差距正好解释为什么 Google 这样资源丰富的科技巨头能从 ML 获得不成比例收益的原因了。
但过去几年，许多开放源代码 ML 模型（包括专门理解语言的知名 BERT 模型，是 Google 在 2018 年发表的 NLP 模型）开始改变游戏规则。创建像 BERT 等级模型所需的复杂度（“大型”版有约 3.4 亿个参数），意味很少有组织会考虑支援这种计划。但由于它是开放源代码，因此企业可调整公开可用的指南，以因应特定使用案例。
为了解这些使用案例的样貌与状况，可考虑参考顾客回馈管理软件平台供应商 Medallia 这类公司的做法，是机器学习公司 Moveworks 的客户。Medallia 本身没有足够资料为内部使用案例（如 IT 支援）建立并训练有效的 ML 系统，但小数据确实包含大量等待 ML 加以解锁的宝贵洞见。透过新技术运用收集洞见，Medallia 从确认需要关注哪些内部工作流程，到理解员工寻求技术支援时使用的公司特定语言，都更有效率。
“小样本学习”成为小数据 ML 社群界的流行语
在此有个涉及数兆美元的问题：你如何采用旨在解决特定问题的开放源代码 ML 模型，并将模型应用到企业不同问题的处理？答案就是先从迁移学习做起，毫无疑问，这需要将获得的知识从某领域转移到数据较少的另一领域。
例如，透过采用像 BERT 这类开放源代码 ML 模型（专门设计理解通用语言）并改进其他面向，如今 ML 能理解员工描述 IT 问题的独特语言。语言只是开始，因为才刚开始认识小数据的巨大潜力。
一般而言，这种提供 ML 模型非常小且特定的训练数据选项做法称为“小样本学习”（Few-Shot Learning），这个名词迅速成为 ML 社群新流行语。一些最强大的 ML 模型（例如具里程碑意义的 GPT-3 模型及 1,750 亿个参数，比 BERT 多了几个数量级）已展示透过少量训练范例学习新任务的前所未有能耐。
GPT-3 本质上将整个互联网当作“切向域”（Tangential Domain），透过建立强大的知识基础，模型很快就能精通这些新颖的任务，就像爱因斯坦不需要太多练习就可成为西洋跳棋大师。尽管 GPT-3 并非开放源代码，但应用类似小样本学习技术，便能在企业启用新 M L使用案例，而这些案例几乎没有训练数据。
迁移学习＋集体学习＋其他＝企业 ML 界限的重新划定
透过强大开放源代码模型的迁移学习和小样本学习实作，一般企业终于可买到进入机器学习领域的入场券，但尽管透过迁移学习训练 ML 所需数据量会少掉好几个数量级，但要达到强大的效能表现，还需要更进一步实作。
所谓更进一步指的就是集体学习，会在许多公司想自动化相同使用案例时发挥作用。虽然每家公司都受限于小数据，但第三方 AI 解决方案可使用集体学习整合这些小数据集，进而为精细复杂的 ML 创建够大的语料库。在语言理解面，这意味着要抽象化特定公司的句子，以揭示底层结构。
迁移学习、集体学习及其他技术结合，正迅速重新划定企业 ML 的界限。如将许多顾客资料汇总，显著提高了解员工沟通方式模型的准确性。无庸置疑，我们正在见证小调制解调器器学习支援的新型工作场所出现。
- The secrets of small data: How machine learning finally reached the enterprise
（首图来源：pixabay）
