**概述**
皇家學會 編撰
章政興 譯
機器學習是人工智慧的一個分支，它能讓計算機系統直接從樣本、資料和經驗中進行學習。通過讓計算機智慧化地處理某些特別的任務，機器學習系統能夠從資料中學會執行復雜的處理，而不是遵循預先編寫的規則。
近年來，機器學習領域獲得了激動人心的進展，提升了其在一系列領域的應用能力。可用資料體量的增長讓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為其分析能力提供強有力支撐，同時機器學習領域內自身演算法的進步為其提供更為強大的能力。以上所有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中能超越人類。
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影像識別系統；用於虛擬個人助手的語音識別系統；用於線上零售的推薦系統。隨著機器學習的進一步發展，它展現出在支援更廣泛領域的提升、發展和轉型的潛力，隨之帶來的社會和經濟機會是重大的。在醫療健康領域，機器學習正在創造條件以幫助醫生在某些條件下提供更精準有效的診斷；在交通領域，機器學習支援著自動駕駛的發展，並且讓現有的交通網路更有效；對於公共服務而言，機器學習有潛力讓這些服務更有效地定位到那些真正有需求的使用者；在科學領域，今天研究者已經有了海量的資料，機器學習能幫助他們理解這些資料，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。英國的這些研究和發展的實力讓它在機器學習的未來發展中處於一個領導者的角色。為確保機器學習系統能安全快速部署，對此提供最佳可能性的環境對於增強英國的經濟增長、福利和安全，以及釋放“大資料”的價值至關重要。英國應在以下關鍵領域採取行動：包括塑造資料圖景、構建技能、商業支撐以及推進研究，這些都能為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資料的爆發式增長，比如影像或者語音識別的領域提供了大量的樣本的資料可用於提高機器學習系統的效能。反過來，機器學習能運用先進的資料分析方法在所謂的“大資料”中獲取有價值的資訊，從而使社會和經濟領域都獲得好處。機器學習作用的提高和發展，需要基於開放的標準、框架或者行為這樣的合適資料環境，以保證資料跨領域的可用性。
隨著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。首先隨著越來越多的人需要日常行為中和機器學習系統打交道，對資料的使用以及相對應系統的基本理解成為任何年齡和背景的人都需要掌握的重要的技能。為了確保這一點，學校裡應該介紹機器學習的重要概念。其次，為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，在機器學習領域高階技能的建立應得到進一步的支援。對於高階人才的迫切需求，對專有領域專家的強烈追捧，迫切需要為擴大人才庫投入更多資源。隨著機器學習、人工智慧以及機器人領域的發展，培養數字化素養也是為就業變化邁出的堅實步伐。
在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援以讓他們在企業經營中運用機器學習理解資料的價值。為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援欣欣向榮的機器學習領域。英國的創業環境已經為機器學習領域孕育出不少廣為人知的成功故事，英國應該從策略上考慮如何最大化在這些領域中企業活動的價值。
皇家學會指導如何理解公眾對機器學習的觀點的研究。雖然大多數人沒有意識到這個專有名詞，但是他們知道一些它的應用。對於機器學習還不存在一個共識，無論是正面或者負面，其差異性取決於其運用的環境。隨著這一領域的發展，如何持續地和公眾保持溝通變得非常重要。
機器學習應用能對一些特殊的任務處理的非常好。在很多案例中，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，但是預測它的具體程式並非易事,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。有些挑戰與資料新的使用方法有關，比如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互動方式。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，還提出了很多公眾關心的專門的研究問題，比如對其廣泛使用的限制。因此，對這些領域研究的支援有助於保證公眾對於部署機器學習系統的信心，包括演算法的可解釋性、健壯性、隱私性、公正性、因果推理、人機互動和安全等各方面。