Motive Partners的執行合伙人安迪·斯圖爾特(Andy Stewart)上周在國際金融科技大會(huì )上指出，“對于其中具有機器學(xué)習功能或區塊鏈的任何產(chǎn)品，其估值都會(huì )增加2、3、4、5倍”。毫無(wú)疑問(wèn)，公眾以及投資者對機器學(xué)習及其如何應用于不同的行業(yè)都非常感興趣。

卡內基梅隆大學(xué)(Carnegie Mellon University)即將上任的助理教授扎卡里·利普頓(Zachary Lipton)在最近的一篇題為“人工智能錯誤信息流行病”的文章中，描述了更廣泛的公眾對機器學(xué)習的興趣以及對正在發(fā)生的事情的內部缺乏了解的情況愚昧無(wú)知的完美風(fēng)暴，在該領(lǐng)域引起了誤傳。在后續文章中，他澄清了第一篇文章中提出的一些要點(diǎn)。

在將來(lái)的帖子概述中，Lipton將此流行歸因于一些AI影響者，一些未來(lái)主義的先知以及媒體未能用外行人的術(shù)語(yǔ)準確描述AI。

從技術(shù)角度來(lái)看，以通俗易懂的方式理解機器學(xué)習系統中發(fā)生的事情并不容易。描述和可視化過(guò)程確定性算法比較容易，但是許多機器學(xué)習算法都基于概率論，統計量和N維空間。這些術(shù)語(yǔ)無(wú)法輕易解釋?zhuān)⑶以诋斍俺霭嫖飳ζ胀ㄗx者的長(cháng)度限制內。

即使撇開(kāi)這一點(diǎn)，借助大型 技術(shù)公司提供的圍繞機器學(xué)習的大量API ，要解釋使用預測性分析SaaS與推出自己的實(shí)現之間所需的工作量數量級的差異也很復雜。

另一方面，即使缺乏面向普通技術(shù)或普通受眾的網(wǎng)站對AI的報道，該領(lǐng)域也擁有大量可供有興趣學(xué)習的人免費使用的信息。

該領(lǐng)域的大多數前沿研究都發(fā)表在A(yíng)rxiv上，并提供給所有人。來(lái)自知名大學(xué)的機器學(xué)習和AI方面有許多課程和納米學(xué)位，并且開(kāi)放源代碼生態(tài)系統充滿(mǎn)活力，并歡迎任何想讓她對此有所了解的人。