许多人收看伦敦帝国理工学院的大卫·汉德 (David Hand) 节目； Lene Bjørg Cesar，诺维信；弗朗西斯科·纳瓦罗，索尔维；和康宁环境技术公司的 Aziza Yormirzaeva讨论了机器学习和人工智能。
观众提出了很多很好的问题，但由于时间限制， JMP的主持人马尔科姆·摩尔 (Malcolm Moore) 无法在活动期间回答所有问题。我们认为 JMP 社区中的许多人都提出了这些问题，并对答案感兴趣。
问：虽然增加拥有数据技能的科学家数量意味着更快的创新和将产品推向市场，但这也意味着做出错误决策的风险增加。你同意？如果是这样，我们如何降低这种风险？
答：正如一位小组成员所说，分析是一种强大的工具，可以用来“看到没有它就看不到的东西，就像望远镜或显微镜一样”，但与任何工具一样，使用不当也会产生风险。在较大的组织中，内部卓越中心的数据科学家或统计学家可以指导流程专家进行分析技术的最佳实践。然而，最大的风险来自于完全绕过流程专家而过度依赖机器来做出正确的决策。流程专家仔细考虑任何分析工作的结果是减轻该风险的最佳方法。另一方面，考虑无所作为或维持现状的风险也同样重要，例如失去提高创新能力或加快产品上市速度的机会。
问：我是唯一一个发现支持创新偏见妨碍对基础知识（例如定义问题、GIGO、DOE 和测量系统）进行合理讨论的人吗？
A：这个问题在活动期间得到了很多人的点赞。答案：不，你不是唯一一个。显然，这种情绪得到了许多人的认同。正如您所描述的那样，急于创新往往会导致实验者忽视基础知识，转而采用试一试或一次只考虑一个因素的开发方法。发生这种情况时，最好的建议是在计划实验时与同事讨论时提出这一点并强调这些基础知识的价值。
问：我被要求从专利和非专利文献中预测商业上成功的发明。机器学习和人工智能专家经常被问到这样做吗？
答：大卫·汉德在讨论中谈到了这个问题。数据科学家经常被要求进行此类练习。 （特别是，专利数据是分析的常见主题，如这个演示文稿在最近的一次JMP探索峰会）。大卫提到了类似的情况，他的任务是创建一个模型来预测初创公司的成功，他形容这是“非常非常困难”。然而，JMP Pro 16 中的两个新功能——情绪分析和术语选择——使这样的练习变得更加容易。 （ 这段简短的视频演示了这些功能的工作原理。）
问：许多人认为机器学习和人工智能的真正目标是让技术向我们发出信号，告诉我们如何优化和/或解决信号偏差，例如传感器数据模式中的信号偏差。我们距离实现这一目标还有多远？
答：专家组也谈到了这个问题。每位成员都强调了利用机器学习和人工智能来增强对流程或模式的理解所获得的价值，而没有这些方法就无法看到这些流程或模式，而且还强调了流程专家解释这些发现的重要性。我们现在正处于这样一个阶段：机器可以优化、检测、解释、发出信号，甚至决定采取什么行动，但让它们通过排除专家来自主实施这些操作存在巨大的风险。顺便一提，功能数据浏览器JMP Pro 是一款用于分析传感器数据的出色机器学习工具。
问：您是否曾因为历史上以不同的方式完成某些事情（特别是在制造环境中）而经历过阻力？如果是这样，您采取了哪些措施来帮助说服人们使用可用的新工具和功能？
答：抵制是对任何试图实施变革的人的常见反应。克服这个问题的建议是大处着眼，从小处做起，并传播你的成功。机器学习可以用来解决大问题或彻底改变整个行业，但它也可以帮助解决大多数人忽视的小事情。尽管您的公司、部门或团队可能抵制变革，但您公司其他地方或您家附近可能已经有成功案例，会引起您同事的共鸣。你可以找到这样的故事集这里。通常，对变革的恐惧可能会导致抵制。如果是这样的话，STIPSJMP 的免费在线课程可以帮助科学家和工程师克服恐惧，可能会很有用。
问：我认为人工智能和无监督机器学习以及监督机器学习和预测/推理分析这两个术语之间的差异和重叠存在一些混淆。一套更清晰的定义将受到欢迎。
答：确实如此！为了补充小组成员在活动期间讨论的内容，此页面来自 SAS在解释这些术语之间的差异和重叠方面做得很好。简而言之：
人工智能：构建机器来模仿人类能力的广泛科学。
机器学习：人工智能的一个特定子集，与训练机器学习的技术相关。
监督学习：开发模型，使用具有已知输出的数据对数据中的结果进行分类、解释或预测。
无监督学习：根据数据本身的模式或底层结构来比较或区分数据点，而不使用响应变量。
预测/推理分析：使用监督或无监督学习来预测或推断关于我们周围世界的知识和理解（制造过程、产品开发、天气模式、股票市场等）。
问：将数据专家和“物理”专家（例如传感器开发）聚集在一起的最佳方式是什么？通常，第一个缺乏对物理工件的理解，而另一个则缺乏对理想数据应该是什么样子的理解。
答：最好是数据专家和物理专家是同一个人。 JMP 为最有能力了解其个人流程但不一定具有数据科学背景的科学家和工程师提供分析的力量。在可能的情况下，统计学家和具有数据科学背景的人员担任顾问或监督员角色，以支持这些流程专家的工作。
有本次会议的录音吗？在哪里可以找到？ （除非这个话题仍然是个谜……）
