最近，微軟的Jennnifer Marsman 在他自己的老板身上測試了一下自己設計的測謊儀。

“你覺得你所在的公司是全世界最好的公司嗎？”

“當然”

“哈！根據測謊儀的反應，這話有點心虛。”

“今年會提拔我嗎？”

“當然”

“這話聽起來倒不假。”

不過，微軟可不是在玩執(zhí)法游戲。37 歲的Marsman是個“重量級技術布道者”（principal developer evangelist），她的工作就是不遺余力地推廣機器學習——人工智能的一種形式，利用數(shù)據預測所有事，從季度銷量到奶牛什么時候懷孕等等。（譯者注：技術布道師是最前線也是最重要的“翻譯者”，他們能夠把技術以易懂的方式解釋給來自不同領域的人，以此獲得他們對產品或技術的支持。這需要又懂技術又能挖掘出技術背后故事的人才，他們能夠激發(fā)起人們對于一個產品的激情。）

Marsman 設計的測謊儀將算法和 14 個分列排布的用來監(jiān)測腦電腦的頭戴式設備結合起來一起工作，這就像是聚會上的一個小把戲。Marsman 借此向軟件開發(fā)者展示如何使用微軟 Azure 機器學習（Azure Machine Learning）工具。Marsman 在微軟扮演著重要角色，微軟在機器學習領域起步早，但是現(xiàn)在面臨著來自Google 和亞馬遜機器學習商業(yè)化的競爭。

這樣的風險相當高。接下來的幾年，機器學習將會改變世界——會使得計算機智能程度呈指數(shù)級增長，并幫助削減公司成本，預測哪些值得投資，哪些值得大筆投資。彭博社智庫（Bloomberg Intelligence）分析員 Anurag Rana 稱這項技術“是區(qū)分軟件公司發(fā)展好壞的最重要因素。”離開機器學習，他說：“你都無法賣出產品。”

雖然微軟已經在機器學習領域耕耘了至少 20 年，但是 Office 和 Windows 這類部門一度小心謹慎地利用其預測功能。“很多人的反應就是‘我們知道怎么去做，為什么你還要用數(shù)據質疑我的觀點？’”華盛頓大學計算機科學教授 Pedro Domingos 如此表述，他寫了一本關于機器學習的書——《算法大師》（The Master Algorithm）。

當微軟嘗試用 Bing 搜索趕超 Google 的時候，微軟才真正擁抱機器學習技術。兩年前，Satya Nadella擔任微軟 CEO，在此之前，他就為搜索部門定下了工程和技術戰(zhàn)略，并把機器學習技術向魔法粉一樣灑落在公司涉及的所有產品中。“機器學習深深嵌入了微軟公司，微軟現(xiàn)在處于這樣的位置，”Domingos 說。“他們正大力投資機器學習，以使得該領域不那么荒蕪。”

與 Google 和蘋果使用機器學習改善自家產品一樣，微軟將這項技術融入到自身的運營中。這不僅僅是節(jié)省成本，幫助公司更好運作；微軟自身使用這技術越多，向客戶解釋和銷售就更容易。“客戶很困惑，”Joseph Sirosh 說，2013 年，微軟把他從亞馬遜挖來，負責微軟機器學習工程。“在一片不解聲中前行頗具挑戰(zhàn)。同時，內部也困難重重，銷售人員要說服消費者并向他們講解所有的使用場景。”

微軟首席財務官 Amy Hood 的財務部門已經開始依賴算法——使用算法預測銷售數(shù)據，預測在給定時間段內的授權數(shù)量。“結果表明非常非常精準，”Sirosh 說，“Amy Hood 是機器學習的超級粉絲，知道機器學習模型預測地季度數(shù)據后，她也能睡個好覺。”

微軟還用算法預測隨著數(shù)據中心的快速擴張，還需要采購多少服務器，并幫助銷售人員確定重點客戶。Sirosh表示，甚至之前的老產品，如 2002 年收購的一款財會軟件都得到了機器學習的加持。微軟的 Cotrana 分析套件（Cotrana AnalyTIcs Suite）可以讓用戶自己動手打造這樣一類工具。

25 歲的Ram Shankar Siva Kumar自稱自己是數(shù)據牛仔（data cowboy），是 Azure 安全數(shù)據科學（Azure Security Data Science）團隊的一員。他使用機器學習算法來預測微軟網絡中的可疑行為。一旦知曉需要尋找的目標，微軟的安全團隊能很快找到攻擊源，而 Kumar 必須在任何人知道這一情況之前找到他們。

為了訓練算法識別有害行為的能力，他有償鼓勵微軟紅色團隊（Microsoft’s Red Team）的黑客去攻擊網絡以及來自微軟安全中心的危險報告，用實際的攻擊去訓練算法。這能幫助他建立模型以識別真正的漏洞。

各行各業(yè)正在使用微軟的技術。日本農民用技術追蹤奶牛，奶牛準備受孕時走動會更頻繁，所以他們能讓奶牛在最佳的時間受孕。一家澳大利亞的酒廠也使用類似的算法預測葡萄產量。一家距離微軟大約 1 小時車程的醫(yī)院使用 Azure 工具找出哪些心臟病患者更有可能需要再住院檢查。挪威 eSmart 系統(tǒng)利用 Azure 機器學習預測能源網使用量，并在需求高的時候關閉家用供暖。

Matt McIlwain 是西雅圖 Madrona 風險投資集團（Madrona Venture Group）總經理，他認為微軟的機器學習技術不比競爭對手的技術差，甚至更好。但是他也認為微軟仍然缺乏品牌感知，目前正在迎頭趕上。“人們如何發(fā)現(xiàn)微軟真的有很棒的機器學習技術？”他說。“微軟必須將自己推銷出去。”

這正是 Jennifer Marsman 的切入點。她遍歷全球，展示她的測謊儀并大力宣傳機器學習的潛在用途。其中醫(yī)療應用討論頗多。人們已經問到使用該技術預測癲癇、監(jiān)控依賴輔助生活設施的老人并決定在比賽中受傷的運動員是直接去醫(yī)院還是回到場上繼續(xù)比賽。“我在公司有著最酷的工作。”