概述
皇家學會編撰
章政興 譯
近年來，機器學習領域取得了激動人心的進展，提升了其在一系列領域的應用能力。由於可用數據體量的增長，機器學習系統可以基於海量的樣本進行訓練，同時，日益強大的計算機處理能力也爲其分析能力提供強有力支撐，另外，機器學習領域內自身算法的進步爲其提供更爲強大的能力。以上這些進步的結果就是：前幾年還明顯弱於人類能力的系統，現在在特定任務的處理能力已經超越人類。
現在很多人每天都和基於機器學習的系統打交道，比如：廣泛應用於社交媒體的圖像識別系統；用於虛擬個人助手的語音識別系統；用於在線零售的推薦系統。隨着進一步發展，機器學習展現出在更廣泛領域的提升、發展和轉型的潛力，隨之帶來重大的社會和經濟機會。在醫療健康領域，機器學習正在創造幫助醫生在某些條件下提供更精準有效的診斷的條件；在交通領域，機器學習支持着自動駕駛的發展，並且讓現有的交通網絡更有效；在公共服務領域，機器學習有潛力讓公共服務更有效地定位到那些真正有需求的用戶；在科學領域，今天研究者已經有了海量的數據，機器學習能幫助他們理解這些數據，給生物學、物理學、醫療以及社會科學等學科提供新的洞察力。
歷史上，英國曾是機器學習領域強有力的領導者。從這個領域的先行者，到現在的商業成功，英國在研究領域做出了卓越的貢獻，使最近機器學習在實踐其潛力方面有了重大的進展。這些研究和發展的實力讓英國在機器學習的未來發展中處於一個領導者的角色。爲確保機器學習系統能安全快速部署，提供最佳可能性的環境對於英國的經濟增長、福利和安全，以及釋放“大數據”的價值至關重要。英國應在以下關鍵領域採取行動：塑造數據圖景、構建技能、商業支撐以及推進研究，這些都能爲機器學習創造良好的環境。
機器學習最近取得的成功很大程度上歸功於某些領域可用數據的爆發式增長，比如圖像或者語音識別的領域提供了大量的樣本，這些數據可用於提高機器學習系統的性能。反過來，機器學習能運用先進的數據分析方法從所謂的“大數據”中獲取有價值的信息，社會和經濟領域都能從中獲得好處。機器學習的提高和發展，需要符合開放的標準、框架或者行爲的合適數據環境，以保證數據跨領域的可用性。
隨着機器學習系統在某些領域日益普及和日漸重要，我們需要掌握三種技能。首先，越來越多的人需要日常行爲中和機器學習系統打交道，對於任何年齡和背景的人而言，數據的使用以及對應系統的基本理解成爲必備的重要技能。爲了確保這一點，學校裏應該介紹機器學習的重要概念。其次，爲了確保廣大領域的專業人員具備吸收使用機器學習的能力以有助於他們的工作，需要新的機制建立一個從業人員人才庫。最後，機器學習領域中高級技能的獲取應得到進一步的支持。對於高級人才的迫切需求，對專有領域專家的強烈追捧，迫切需要更多的資源投到到擴大人才庫中。隨着機器學習、人工智能以及機器人領域的發展，數字化素養的培養也是就業變革邁出的堅實步伐。
跨產業領域進一步運用機器學習有很多潛在的好處，機器學習技術對經濟的影響在解決英國生產力缺口中起核心的作用。不同行業、不同規模的企業應該能獲得相應的支持，讓他們在企業經營中能運用機器學習理解數據的價值。爲了滿足各行業對機器學習的需求，英國應該利用該領域的資本力量和國際比較優勢支持欣欣向榮的機器學習領域。英國的創業環境已經爲機器學習領域孕育出不少廣爲人知的成功故事，英國應該從策略上考慮如何最大化這些領域中企業活動的價值。
皇家學會指導公衆對機器學習的觀點如何理解的研究。雖然大多數人到這個專有名詞不是很理解，但是他們知道一些它的應用。大家對於機器學習還沒有一個共識，無論是正面或者負面，觀點的差異取決於機器學習運用的環境。所以，隨着這一領域的發展，如何持續地和公衆保持溝通變得非常重要。
機器學習能對一些特殊的任務處理的非常好。在很多情況下，它能增強人類的能力。雖然大家已經很清楚機器學習能改變工作的方式，但是預測它的具體進程並非易事，現有的研究也對此各有看法。機器學習給英國的新經濟領域帶來茁壯成長的潛力，但是也給社會帶來新的問題和挑戰。有些挑戰與數據新的使用方法有關，比如關於隱私和許可的傳統概念；而有些挑戰來自於人和機器學習的交互方式。我們必須對此謹慎的管理以保證機器學習的生產率紅利惠及整個社會。
機器學習是一個生機勃勃的研究領域，有很多豐富的方法和激動人心的應用領域在持續發展。在機器學習領域，除了研究領域提出的存粹的技術問題，還提出了很多公衆關心的個性化的研究問題，比如如何限制其廣泛使用。因此，支持這些領域的研究有助於維護公衆對於部署機器學習系統的信心，包括算法的可解釋性、健壯性、隱私性、公正性、因果推理、人機交互和安全等各方面。