人工智能正在全球范围内掀起一股热潮，其中机器学习作为重要的分支，因其在多个领域展现出显著的提升潜力而受到各国的广泛关注。

最近，英国皇家学会院士、英国皇家学会机器学习工作组主席、惠康基金会人类遗传学中心负责人、英国医学科学院院士、牛津大学的Peter Donnelly教授发布了一份报告《机器学习：计算机实例学习的能力和前景》，为我们展示了机器学习的强大功能。

机器学习是人工智能的一个子领域，它能使计算机系统通过样本数据和经验自主学习。近年来，机器学习取得了巨大的进展。一些几年前还明显逊色于人类的系统，现在在某些特定任务上已经超过了人类的表现。如今，许多人都在每天与基于机器学习的系统互动，比如社交媒体中的图像识别系统、虚拟助手使用的语音识别系统以及在线零售商的推荐系统等。

随着技术的不断进步，机器学习在各个领域展现出推动潜在变革的巨大潜力，随之而来的社会和经济机遇同样不容忽视。

在医疗领域，机器学习正在开发能够帮助医生进行更精确或更有效的诊断的系统； 在交通领域，机器学习为自动驾驶汽车的发展提供支持，有助于提高现有运输网络的运行效率； 在公共服务方面，机器学习能够更有效地为目标群体提供支持，或为用户提供个性化服务； 在科学研究领域，机器学习正在帮助研究人员分析海量数据，为生物学、物理学、社会科学等多个领域提供新的见解。

英国皇家学会发布的这份报告《机器学习：计算机实例学习的能力和前景》提出了若干建议，旨在帮助我们充分利用机器学习的发展成果，并应对相关挑战。

从数据中获取价值

机器学习的成功很大程度上得益于某些领域（如图像或语音识别）数据的激增。这些数据为机器学习系统提供了大量的示例，从而提高了其性能。

为了支持机器学习的发展，我们需要一个可靠的生态环境，这包括： - 政府持续开放数据的努力； - 新的数据共享模式，既尊重隐私又谨慎地管理某些数据集（例如来自国家医疗服务的数据集）的访问； - 研究基金中增加数据管理资源； - 利用开放数据标准延长数据的使用寿命。

据估计，过去五年内全球90%的数据已被创建，公共部门数据的直接价值约为18亿英镑，更广泛的社会和经济利益总计达68亿英镑，然而仍有23%的英国人缺乏基本的数字技能。

从机器学习中创造价值

技能

随着机器学习系统逐渐成为人们生活和生计的一部分，出现了三种关键技能需求。 首先，随着与机器学习系统的日常互动变得普遍，对这些系统的基本了解和数据使用能力将成为所有年龄段人群所需的重要技能。在学校中引入机器学习的核心概念以及相关社会和伦理问题，有助于培养这些技能。 其次，为了确保不同行业能够以有益的方式应用机器学习，需要建立新的机制来创建具备相关知识的用户或从业人员储备库。这要求大学课程调整，为法律、医疗、金融等领域引入机器学习的知识。资助新的机器学习硕士学位也有助于增加了解机器学习的用户数量。 第三，为培养机器学习的高级技能，需提供更多支持。当前，具有高级技能的人才需求旺盛，因此需要额外资源来培养更多这样的人才。这些资源包括增加博士生的培训经费，以及建立机制以吸引和保留学术界中具有机器学习研究能力的杰出学者。

企业

机器学习在各行各业的应用有着广泛的好处，尤其在解决英国生产力差距方面可能发挥重要作用。各种规模的企业都需要得到适当的帮助，以理解数据和机器学习对其运营的重要性。这种帮助包括： - 获取人才； - 政府支持机制为企业提供咨询； - 通过行业战略推动机器学习的应用。

机器学习与社会

机器学习不仅为英国经济的新增长点提供了潜力，同时也带来了社会挑战，并引发了人们对社会后果的担忧。其中一些挑战与数据的新用途重新定义传统概念（如隐私或同意）有关。虽然为机器学习本身设置管理框架并不适合，但围绕数据使用和管理需要新的框架来应对21世纪的挑战。 其他挑战则源于人与机器学习系统之间的关系。英国皇家学会开展了英国首次关于机器学习的深度公众对话，发现人们对机器学习的态度，无论是正面还是负面，都取决于其应用方式。随着该领域的不断发展，机器学习研究者与公众之间持续的交流将非常重要。此外，还需要对机器学习研究生进行相关道德培训。

研究的新浪潮

机器学习是一个快速发展的研究领域，有许多令人兴奋的课题需要进一步探索。一些特定研究问题的进展将直接解决公众对机器学习的关注，或限制其广泛应用： - 解释性：我们能否创建功能强大的机器学习系统，使我们能够理解或查询机器作出特定决策或建议的原因？ - 检验和确认：我们能否创建更先进、更准确的机器学习系统的测试方法？ - 隐私：有哪些技术解决方案可以在保持数据集隐私的同时支持新的数据应用？ - 公平性和现实数据处理：如何将现实世界的数据整理成可用的形式，解决现实世界的混乱以及系统性或社会偏见？ - 因果关系：机器学习方法如何揭示因果关系？ - 人机交互：我们应该如何设计机器学习系统，使其能够安全有效地与人类一起工作？ - 安全：我们如何确保机器学习系统不易受到网络攻击？

需要对这些领域进行研究，以帮助确保公众对部署机器学习系统的信心。

展开更多讨论

除了这些近期的政策措施外，机器学习还提出了未来更多的问题： - 机器学习将如何影响就业？我们应如何应对？ - 我们如何确保该领域朝着提供广泛社会利益的方向发展？ - 我们如何确保机器学习的好处得到共享？

确保机器学习的安全和快速部署对于增强英国的经济增长、民众福祉和安全以及解锁“大数据”的价值至关重要。谨慎的管理对于确保机器学习的利益在整个社会中得到共享至关重要。

需要在塑造数据格局、培养技能、支持商业运营、维护公众信任、推动研究等关键领域采取行动。

“在未来五到十年内，机器学习将对我们生活和生活方式产生越来越大的影响。我们需要做更多的工作，以充分利用机器学习的潜力，并确保利益得到共享，特别是因为这可能是英国未来几年的关键机遇之一。”

——牛津大学Peter Donnelly教授，英国皇家学会机器学习工作组主席，惠康基金会人类遗传学中心负责人，英国医学科学院院士，英国皇家学会院士。