第二节
屡屡遇PoC死，多数的人都陷入了幻灭

所谓PoC，就是指试行项目制作完成之后，进入试运行的状态，中文译名为概念验证。然而，许多机器学习模型都在概念验证过程中被终结，根本无法进入实际操作的阶段。所以就出现了“PoC死”这一极富揶揄意味的词语。

为什么会屡屡发生PoC死呢？

那么，为什么机器学习项目一到概念验证这一阶段就很容易失败呢？让我们先从机器学习的诞生到试运行环节，按照顺序认真地看一看吧。首先，将数据组成机器学习模型。我们已经在前一节中明确过，所谓机器学习，就是运用计算机从数据中来自动获取规律的技术。在这里，我们把这些被获取的规律称为机器学习模型（ML MODEL）。

如果想要实际确认这个已经建好的机器学习模型性能的话，就要对其进行实证分析，从而确认这一模型是否达到了可以投入实际应用的水平。这就是概念验证的目的所在。因此，在概念验证这一关，没有人能够保证，处在试运行环节的机器学习模型是否能够达到大家想要的效果。概念验证这一过程，其实不过就是以“多产多死”为大前提。而事实上，类似的例子也的确很多，甚至不绝于耳。在实际的应用当中，人们是根本不可能做到百发百中的。失败是与成功相伴而行的。换句话说，机器学习模型进入概念验证阶段后，再也无法往前推进了的这一状态，就是所谓的PoC死。

当然了，作为一门技术，机器学习的历史尚浅，所以机器学习在商业方面获得成功的模式还没有真正建立起来，PoC死的概率相对较高其实也是理所当然的。然而，如果亲眼看了各式各样的机器学习项目，我们就会发现，有很多项目的失败，其实是通往成功路上必经的失败。遇到这样的失败，我们就可以高呼：“很好，再试一次！”但是，还有一些失败似乎是根本就不应该去尝试的。所以，当我们开始分析导致这“不必要的失败”的原因时，就可以得出像图1-2那样的几个共同要素。也有很多人认为：说到底，即便不进行概念验证这个过程也没关系，有的企划想要挑战的那些事情，其实一看就是机器学习解决不了的事。所以，策划出这种企划，企业本身就有很大的问题。

这样说来，不是人工智能相关的内容，也无法得到改善吗？

曾经有一段时期，只要一个东西带上人工智能这四个字，它的期待值就会倍增。最近，人们对人工智能的期待值有所降低。然而事实却是，即便是现在，也有很多人在根本没有理解人工智能是什么的情况下，就对它报以盲目的期待，甚至认为只要用了人工智能就什么问题都能解决。

其实，PoC死实例众多的一个主要原因，就是人们明明不知道机器学习能否解决这个问题，就盲目挑战（难度高的）项目。另外，有许多人做的企划都是一些即便解决了也没有实际意义的课题，而且他们还从这种企划出发，试图做出机器学习模型。除此之外，还有很多人让机器学习模型去对接的企划，其实根本就不需要机器学习的加入。

你做的企划，是不是过于“依赖数据”呢？

其实，“依赖数据的企划”很容易招致PoC死的结果。有很多相似的实例都是企业在还没有明确商业投资回报率或最终目标的情况下，就模模糊糊地开始讨论、做规划：“总之我们有大量的数据。先用这个数据，再做个机器学习模型什么的试试看。要是顺利的话，说不定就能解决掉那些一直令我们烦恼的问题……”

打个比方，假设一家公司里有100万条销售信息、顾客信息等相关的网页登录记录，有工作人员提议将这些数据输入机器学习模型里，将这些数据当作新的销售信息来灵活使用。如果其他职员认为这个提案别出心裁的话，那么这个提案就被继续做下去了。

接下来，机器学习工程师得知了这个项目之后，很有可能处于一种迷迷糊糊的状况，不知道该如何将机器学习运用到商业领域之中。如果机器学习工程师没有明确这个提案所要求的成果，甚至带着困惑的心情，抱着“总之先试着做一做”的想法的话，那么最终得出来的结果一定会与企业最初所预期的成果大相径庭。最终的结果就是这个提案不得不从头开始做。

在没有机器学习规划师的情况下，仅仅依赖于数据而突然进行企划的话，无疑会招致幻灭期的来临。到最后，一定会有人出来说：“唉，什么机器学习啊，不过如此，根本就不是什么了不起的东西。”