許多人收看了倫敦帝國理工學院的戴維·漢德。萊恩·比傑（Lene Bj） ørgCesar，Novozyme；索爾維弗朗西斯科·納瓦羅（Francisco Navarro）康寧環境技術有限公司的Aziza Yormirzaeva和討論機器學習和人工智能。
觀眾問許多重大問題，但由於時間限制，來自JMP在活動期間無法接觸到所有人。 我們認為，更大的JMP社區中的許多人都分享了這些問題，並且會對答案感興趣。
問：增加擁有數據技能的科學家的數量意味著更快地創新和將產品推向市場，這也意味著增加做出錯誤決定的風險。 你同意？ 如果是這樣，我們如何減輕這種風險？
答：正如一位專家小組成員所說，分析是一種強大的工具，可以用來“看到沒有它就無法看到的東西，就像望遠鏡或顯微鏡一樣”，但是像任何工具一樣，使用不當也會帶來風險。 在大型組織中，內部卓越中心內的數據科學家或統計人員可以指導流程專家了解分析技術的最佳實踐。 但是，最大的風險來自完全繞過流程專家，以至於過分依賴機器來做出正確的決策。 過程專家會仔細考慮任何分析工作的結果，這是減輕這種風險的最佳方法。 另一方面，考慮無所作為或維持現狀的風險也同樣重要，例如失去增加創新能力或加快產品上市速度的機會。
問：我是唯一發現親創新偏見妨礙對基礎知識進行理性討論的人，例如定義問題，GIGO，DOE和測量系統嗎？
答：在活動期間，這個問題獲得了很多好評。 答案：不，您不是唯一的一個。 顯然，這種觀點在許多人之間是共享的。 似乎經常是因為急於創新，導致實驗人員忽視了基礎知識（如您所描述的那樣），而採用了一種嘗試一看或一次考慮一個因素的開發方法。 發生這種情況時，最好的建議是提出這一點，並在計劃實驗時與同事進行討論時強調這些基礎知識的價值。
問：我被要求根據專利和非專利文獻來預測商業上成功的發明。 機器學習和AI專家經常被問到嗎？
答：大衛·漢德（David Hand）在討論中談到了這個問題。 經常要求數據科學家著手進行這種類型的練習。 （特別是，專利數據是分析的常見主題，如這個演講在最近JMP探索峰會）。 David提到了一種類似的情況，他負責創建一個模型來預測初創公司的成功，他形容這是“非常非常困難”。但是，JMP Pro 16中的兩個新功能–情感分析和術語選擇–使這種練習變得更加容易。 （這個短片演示這些功能的工作原理。）
問：許多人認為機器學習和AI的真正目標是讓技術向我們發出信號，告知他們如何優化和/或解決信號偏差（例如傳感器數據模式）。 我們離實現這個目標還有多遠？
答：小組成員也提到了這個問題。 每個成員都強調了通過利用ML和AI來增強對沒有這些方法無法看到的過程或模式的理解的價值，而且還強調了過程專家解釋這些發現的重要性。 我們現在處於機器可以優化，檢測，解釋，發出信號甚至決定採取什麼措施的時刻，但是存在巨大的風險，即通過從方程式中剔除專家，讓他們自動實施這些措施。 順便一提，功能數據瀏覽器在JMP Pro中，它是一個很好的機器學習工具，用於分析傳感器數據。
問：您是否經歷過這樣的事實，即某些事情在歷史上特別是在製造環境中是以不同的方式進行的？ 如果是這樣，您是怎麼做的以說服人們使用現有的新工具和功能？
答：對於任何試圖實施變更的人，回推是一種普遍的反應。 克服它的建議是大膽思考，從小處著手，並傳播您的成功。 機器學習可以用來解決大問題或使整個行業發生革命，但它也可以幫助解決大多數人無法掌握的小事情。 儘管您的公司，部門或團隊可能無法適應變化，但您公司中其他地方或附近的成功故事可能會引起您的同事的共鳴。 您可以找到此類故事的集合這裡。 通常，對變化的恐懼可能會導致退縮。 如果是這樣的話STIPS ，JMP的免費在線課程可以幫助科學家和工程師克服恐懼，這可能是有用的。
問：我覺得AI和無監督的ML，監督的ML和預測性/推論性分析之間的區別和重疊存在一些混淆。 歡迎提供更清晰的定義。
答：的確如此！ 要添加小組成員在活動期間討論的內容， SAS的此頁面在解釋這些術語之間的差異和重疊方面做得非常出色。 簡而言之：
人工智能：模仿人類能力的建築機械的廣泛科學。
機器學習：與培訓機器學習技術有關的AI的特定子集。
監督學習：開發模型以使用具有已知輸出的數據對數據的結果進行分類，解釋或預測。
無監督學習：根據數據本身內的模式或基礎結構比較或區分數據點，而無需使用響應變量。
預測/推論分析：使用有監督或無監督的學習來進行預測或推斷關於我們周圍世界的知識（了解製造過程，產品開發，天氣狀況，股票市場等）。
問：將數據專家和“物理”專家（例如傳感器開發）召集在一起的最佳方法是什麼？ 通常，第一個缺乏對物理偽像的理解，而另一個則缺乏對理想數據的外觀的理解。
答：最好是，數據專家和物理專家是同一個人。 JMP將分析的力量提供給最適合了解他們各自過程的科學家和工程師，但他們不一定具有數據科學背景。 在可能的情況下，統計學家和具有數據科學背景的人員將擔任顧問或監督角色，以支持這些過程專家的努力。
是否有本次會議的錄音？在哪裡可以找到？ （除非這個話題是個謎……）
