如何评价亚马逊新推出的 Amazon Machine Learning?

唱唱反调。

听了无数机器学习的故事，好生羡慕那些准确的推荐。似乎有数据就是大数据，只要喂给这个神奇的黑盒子，就指望吃的是草，挤出来是奶。

但事实是，99%的machine learning as a service，吃的是没清理干净的草，拉出来的就只是屎。陆陆续续在公司内部外部见过很多类似的项目，真心好用，有些设计得好的，一行代码完成机器学习，一个json call就得到一个模型。但最后结果几乎不外是：

兴冲冲去用，哇，真简单，真好用，

擦，这是什么鸟结果！

机器学习，渣，一点用也没有。

机器学习和编程其实一样。很多人说希望可以一个自动写程序的程序，这样普通人只要把需求定义好，这样就每个人都会编程了。但编程的核心不是用编程语言那段，码农们这么多年接受的训练是如何写出清晰的逻辑或者伪代码。这一步其实比大部分人想象中要难。同样，机器学习的问题在于如何把问题定义清楚，想要什么结果，从哪些数据里面看到统计趋势。我了解的研究里面，几乎把问题定义清楚了，基本研究也就做出来了。

机器的技术成熟度也还没达到web hosting的水平，用aws的使用方法来复制machine learning还太早。machine learning as a service所能处理的项目难度基本都是已经定义得非常完善的问题，而这些问题因为定义完善，所以也不是非机器学习不可，很多规则机制也能跑得很好。过早得把一个不成熟得技术推向市场，反而给市场留下这个技术缺陷的印象。就像AI每隔几年来一次媒体宣传，再被人骂几年，历史循环。

个人觉得这个项目是以PR为主要目的的，相反真心要做machine learning as a service的startup都是踏踏实实以一个特定的问题切入。

－ 有专门跟踪广告邮件发送，判断是否该发广告邮件。

－ 有研究超市库存问题，是否该进货了。

－ 还有几个似乎是把machine learning当外包来做，自己开发一整套架构，然后来一个项目套一个项目。想起来这其实和早年专门搞网站模板开发没什么区别。

最后Democratizing machine learning是一项非常让人激动的技术, 但和这个项目没什么关系。