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

卡內(nèi)基梅隆大學(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習的興趣以及對正在發(fā)生的事情的內(nèi)部缺乏了解的情況愚昧無知的完美風暴，在該領域引起了誤傳。在后續(xù)文章中，他澄清了第一篇文章中提出的一些要點。

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

從技術角度來看，以通俗易懂的方式理解機器學習系統(tǒng)中發(fā)生的事情并不容易。描述和可視化過程確定性算法比較容易，但是許多機器學習算法都基于概率論，統(tǒng)計量和N維空間。這些術語無法輕易解釋，并且在當前出版物對普通讀者的長度限制內(nèi)。

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

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

該領域的大多數(shù)前沿研究都發(fā)表在Arxiv上，并提供給所有人。來自知名大學的機器學習和AI方面有許多課程和納米學位，并且開放源代碼生態(tài)系統(tǒng)充滿活力，并歡迎任何想讓她對此有所了解的人。