فرض کنید برای تولید یک اجاق برقی سرآشپز استخدام شده و برای پختن یک نان اقدام به استخدام یک مهندس برق کرده‌اند. اشتباهاتی که درباره مفهوم یادگیری ماشینی می‌شود، چیزی شبیه به همین است. خانم کیسی کوزیرکوف که از مهندسان ارشد گوگل است، درباره مفهوم یادگیری ماشینی و اشتباهاتی که اخیرا شرکت‌ها در این زمینه مرتکب می‌شوند، شرح می‌دهد. اما آنچه وی مطرح می‌کند نه‌تنها درباره یادگیری ماشینی بلکه در همه طرح‌هایی که کسب‌و‌کارها درگیر آن می‌شوند، قابل مشاهده است.
نکته مهم در بررسی علل شکست شرکت‌ها در اجرای طرح‌های یادگیری ماشینی این است که همین روند را می‌توان درباره بسیاری از طرح‌های دیگری که منجر به شکست می‌شوند هم مشاهده کرد. شاید بتوان برای ادامه صحبت این پرسش را پرسید که: آیا شما در کسبوکار تولید نان هستید یا تولید اجاق؟ روشن است که اینها دو کسبوکار متفاوت هستند، اما متاسفانه بسیاری از طرح‌های یادگیری ماشینی به این دلیل دچار شکست می‌شوند که گروه اجرایی نمی‌دانند قرار است اجاق بسازند، نان تولید کنند، یا دستور پخت بدهند؟
اگر در حال بازکردن یک نانوایی هستید، به دنبال استخدام یک نانوای باتجربه می‌روید و البته به یک اجاق هم نیاز دارید. اجاق برای این کار ابزاری مهم است ولی حتما انتظار ندارید که سرآشپزتان بداند که اجاق چگونه ساخته می‌شود. حالا ببینید که وضعیت شرکت شما در مورد مفهوم یادگیری ماشینی چگونه است و چرا روی این موضوع متمرکز شده؟
آنچه که نمی‌دانیم اینکه همه دروس و کتاب‌های مربوط به یادگیری ماشینی در واقع چیزی شبیه به آموزش ساخت اجاق است نه اینکه بگوید چگونه آشپزی کنید یا دستور پخت تازه خلق کنید. اگر به دنبال ساخت الگوریتم‌های یادگیری ماشینی هستید، یعنی که در حال تولید ابزاری عمومی برای استفاده دیگران هستید که می‌توان به آن پژوهش‌های یادگیری ماشینی گفت و معمولا توسط دانشگاه‌ها یا شرکت‌هایی مانند گوگل انجام می‌شود. وقتی که صحبت از یادگیری ماشینی می‌شود، بسیاری از شرکت‌ها در مسیری اشتباه قرار دارند.
هر کسب‌و‌کاری می‌خواهد مسئله‌ای را حل کند و برای بسیاری از آنها موضوع مانند این است که می‌خواهند مسئله‌ای شبیه به پختن یک غذا را انجام دهند، بنابراین آنها علاقه‌ای به فروش اجاق ندارند ولی اغلب مرتکب این اشتباه می‌شوند که تلاش می‌کنند یک وسیله را از ابتدا بسازند.
آنها را نمی‌توان سرزنش کرد چرا‌که چرخه آموزش در حال حاضر به جای کاربرد بر پژوهش متمرکز شده. اگر در حال خلق یک دستور پخت هستید، چرخ را از ابتدا اختراع نکنید. ابزارهای زیادی برای پخت‌و‌پز وجود دارد که می‌توان به‌راحتی تهیه کرد.
بهره‌گیری از یادگیری ماشینی
شما برای داشتن یک آشپزخانه یادگیری ماشینی که به نظر می‌رسد کار خوبی هم هست! سراغ جاهایی مثل گوگل بروید و بعد مقداری ابزار و مواداولیه و دستور پخت هم اضافه کنید. اگر در حال اختراع آشپزخانه هستید، چرخ را دوباره اختراع نکنید!
خانم کوزیرکوف ادامه می‌دهد: متاسفانه مشاهده می‌کنیم که بسیاری از کسب‌و‌کارها در بهره‌برداری از یادگیری ماشینی شکست می‌خورند چرا‌که نمی‌دانند جنبه کاربردی دارای قواعدی متفاوت با جنبه پژوهشی است.
مدیران افرادی را برای اداره آشپزخانه خود به کار می‌گیرند که همه عمر خود متخصص ساخت اجاق بوده‌اند و هرگز غذا نپخته‌اند. سپس می‌پرسند که ممکن است چه مشکلی پیش بیاید؟ اگر این راه‌حل نتیجه دهد، حتما آنها خیلی خوش‌شانس بوده‌اند و احتمالا مهندسانی را استخدام کرده‌اند که سرآشپزهای خوبی هم بوده‌اند، اما معمولا چنین خوش‌شانسی وجود ندارد.
اگر کسب‌و‌کارتان فروش ابزارهای نوآورانه است، پژوهشگر استخدام کنید. اگر به دنبال خلق دستورپخت جدید برای تولید و عرضه غذا هستید، افرادی را استخدام کنید که ارزش غذا را می‌دانند و می‌توانند روند ترکیب مواد اولیه تا پخت را به خوبی اداره کنند.
وقتی صحبت از یادگیری ماشینی کاربردی است، سخت‌ترین بخش این است که بدانید قرار است چه چیزی بپزید و قبل از ارائه آن به مشتریان، چه برنامه‌ای برای ارزیابی دارید. حل مشکلات با استفاده از یادگیری ماشینی بسیار ساده‌تر از آن چیزی است که عموما تصور می‌کنند. برای اینکه آشپز خوبی شوید و غذاهای خوشمزه‌ای تهیه کنید، لازم نیست بتوانید اجاق خوبی بسازید.