本文基于大量的報(bào)告資料，揭示了機(jī)器學(xué)習(xí)對(duì)于就業(yè)和社會(huì)的具體影響。

本文編譯自《science》雜志中的一篇長(zhǎng)文“What can machine learning do? Workforce implications”，作者為MIT教授、美國(guó)經(jīng)濟(jì)研究局研究員Erik Brynjolfsson和卡內(nèi)基梅隆大學(xué)教授Tom Mitchell，本文的參考資料多達(dá)23篇。

以下為正文：

在過(guò)去幾十年里，計(jì)算機(jī)已經(jīng)改變了幾乎所有的經(jīng)濟(jì)運(yùn)作。現(xiàn)在，因?yàn)?span id="p0xu6beiaw" class='wp_keywordlink_affiliate'>機(jī)器學(xué)習(xí)（Machine Learning）的興起，自動(dòng)化的程度和速度有了迅猛的增長(zhǎng)。就像當(dāng)年的蒸汽機(jī)和電力的誕生一樣，機(jī)器學(xué)習(xí)也是一種帶來(lái)巨大生產(chǎn)力的革命性技術(shù)。但是目前，在對(duì)于機(jī)器學(xué)習(xí)在應(yīng)用領(lǐng)域上的潛力，我們還沒(méi)有完全認(rèn)識(shí)，也無(wú)法達(dá)成共識(shí)。因此，在當(dāng)前這一階段，人們唯一的共識(shí)就是機(jī)器學(xué)習(xí)將會(huì)對(duì)生產(chǎn)力和經(jīng)濟(jì)產(chǎn)生巨大的影響。

本文，我們借鑒了與機(jī)器學(xué)習(xí)系統(tǒng)相關(guān)的報(bào)告資料，以探討我們所能夠看見(jiàn)的這一技術(shù)對(duì)生產(chǎn)力產(chǎn)生的關(guān)鍵性影響。我們發(fā)現(xiàn)，有些工作是適合用機(jī)器學(xué)習(xí)系統(tǒng)替代來(lái)做的，有些工作采用機(jī)器學(xué)習(xí)是不適合的。因此，在討論機(jī)器學(xué)習(xí)對(duì)就業(yè)的影響時(shí)，就不是替代人類或是無(wú)法替代人類這么極端而簡(jiǎn)單的問(wèn)題了。雖然，目前機(jī)器學(xué)習(xí)對(duì)經(jīng)濟(jì)的影響還是有限的，我們也并沒(méi)有像宣稱的那樣面臨失業(yè)，但其對(duì)于未來(lái)的經(jīng)濟(jì)和勞動(dòng)力的影響還是很深遠(yuǎn)的。

MIT數(shù)字經(jīng)濟(jì)學(xué)教授、美國(guó)經(jīng)濟(jì)研究局研究員Erik Brynjolfsson

我們需要認(rèn)識(shí)到的是，創(chuàng)新對(duì)價(jià)值的創(chuàng)造和生活水平的提高都起到關(guān)鍵作用，所以機(jī)器學(xué)習(xí)誕生以來(lái)的信息技術(shù)系統(tǒng)就為人們創(chuàng)造了第一波價(jià)值（數(shù)萬(wàn)億美元），對(duì)此，在美國(guó)國(guó)家科學(xué)、工程和醫(yī)學(xué)科學(xué)委員會(huì)提交的一份報(bào)告中就指出了其影響力“技術(shù)的進(jìn)步導(dǎo)致了嚴(yán)重的工資不平等”。其實(shí)，因?yàn)榧夹g(shù)的進(jìn)度而帶來(lái)的不平等還有很多，如在經(jīng)濟(jì)全球化和近十年來(lái)技術(shù)巨變的雙項(xiàng)因素下，未來(lái)經(jīng)濟(jì)的影響將會(huì)具有高度破壞性，這也就意味著，即便你是贏家，賺了很多錢(qián)，但因?yàn)榻?jīng)濟(jì)危機(jī)受牽連，你依然是失敗者。而這一問(wèn)題，就需要制定政策的政府領(lǐng)導(dǎo)、商業(yè)領(lǐng)袖、技術(shù)人員和研究學(xué)者的高度重視。

不過(guò)盡管機(jī)器學(xué)習(xí)正在為我們帶來(lái)很多不良的影響，在談?wù)摍C(jī)器學(xué)習(xí)可以做什么，不可以做什么之前，我們?nèi)孕杳鞔_這兩點(diǎn)：1.離機(jī)器取代人類還有很長(zhǎng)時(shí)間；2.機(jī)器不可能完全取代人類。

從價(jià)值層面來(lái)看，當(dāng)機(jī)器執(zhí)行特定的作業(yè)或者某一部分任務(wù)時(shí)，剩下的非機(jī)器學(xué)習(xí)可以完成的任務(wù)就會(huì)變得更有價(jià)值。另一方面，機(jī)器將會(huì)增加人的生產(chǎn)力，使全新的產(chǎn)品、服務(wù)和工作流程的產(chǎn)生變?yōu)榭赡堋Ｒ虼?，在?duì)勞動(dòng)力需求的影響上，即便是對(duì)那種需要機(jī)器的工作崗位，機(jī)器學(xué)習(xí)帶來(lái)的影響可能是消極的，也可能是積極的。當(dāng)機(jī)器學(xué)習(xí)系統(tǒng)接近于某些崗位的人類的能力時(shí)，作為這些系統(tǒng)的補(bǔ)充的職位就會(huì)出現(xiàn)。而當(dāng)機(jī)器學(xué)習(xí)系統(tǒng)比人類更具成本效益時(shí)，企業(yè)家或商人就自然會(huì)采用機(jī)器來(lái)取代人類，以達(dá)到利潤(rùn)最大化。進(jìn)而，這樣將會(huì)提高生產(chǎn)力、降低價(jià)格、轉(zhuǎn)移勞動(dòng)力需求并重組整個(gè)行業(yè)。

卡內(nèi)基梅隆大學(xué)深度學(xué)習(xí)領(lǐng)域教授Tom Mitchell

大數(shù)據(jù)等因素促進(jìn)了機(jī)器學(xué)習(xí)的蓬勃

哲學(xué)家 Polanyi說(shuō)過(guò)：We know more than we can tell. 人臉識(shí)別、騎自行車這個(gè)動(dòng)作和對(duì)自然語(yǔ)言的理解是人類天生具備的能力，但是我們卻不知道我們自己是如何做到和學(xué)習(xí)的，有一個(gè)很大的原因在于我們沒(méi)有辦法輕松的處理一大堆數(shù)據(jù)并從中發(fā)現(xiàn)規(guī)律。因此，在機(jī)器學(xué)習(xí)時(shí)代到來(lái)之前，我們是很難通過(guò)計(jì)算機(jī)完成這么巨大的任務(wù)的。但今天，機(jī)器學(xué)習(xí)的算法已經(jīng)使計(jì)算機(jī)系統(tǒng)訓(xùn)練過(guò)程比手動(dòng)編程更有效。

近幾年，寫(xiě)一段特定功能的程序都需要很多程序員來(lái)參與編寫(xiě)，但逐漸，因?yàn)闄C(jī)器學(xué)習(xí)算法（神經(jīng)網(wǎng)絡(luò)）的存在，寫(xiě)程序也可以變成自動(dòng)化過(guò)程，我們只要不斷的給數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練即可，無(wú)需再做大量的編程工作。

機(jī)器學(xué)習(xí)算法為編程領(lǐng)域帶來(lái)了兩項(xiàng)影響，一是通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練就可以得到比程序員編程編出的程序更精確的算法（如人臉識(shí)別）；二，這種模式大大降低了創(chuàng)建和維護(hù)新軟件的成本。

過(guò)去6到8年間，機(jī)器學(xué)習(xí)的發(fā)展十分迅速，很大程度上是因?yàn)槲覀儞碛嘘P(guān)于某項(xiàng)領(lǐng)域的大量的數(shù)據(jù)，通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練和分析，我們會(huì)發(fā)現(xiàn)很多此前沒(méi)有發(fā)現(xiàn)的規(guī)律和價(jià)值，或者換句話說(shuō)，是機(jī)器學(xué)習(xí)通過(guò)其類似于人的分析能力讓我們看見(jiàn)了數(shù)據(jù)的潛在價(jià)值。當(dāng)我們有足夠多的數(shù)據(jù)時(shí)，機(jī)器學(xué)習(xí)就可以很好的完成我們的任務(wù)要求。

當(dāng)然，除了大數(shù)據(jù)，其他很多方面的發(fā)展也是促進(jìn)機(jī)器學(xué)習(xí)發(fā)展的關(guān)鍵因素，如毫米波的改進(jìn)、深度神經(jīng)網(wǎng)絡(luò)（DNN）的出現(xiàn)和計(jì)算機(jī)硬件的發(fā)展。如現(xiàn)在，F(xiàn)acebook每天將超過(guò)45億的短語(yǔ)翻譯模式轉(zhuǎn)換到DNN模式；同時(shí)DNN也用于ImageNet中的圖像識(shí)別等；此外，因?yàn)镈NN的運(yùn)用，其語(yǔ)音識(shí)別的錯(cuò)誤率已經(jīng)從2010年的30%降低到2016年的3%。值得指出的是，圖像識(shí)別和語(yǔ)音識(shí)別的錯(cuò)誤率閾值是5%，因?yàn)檫@是人類犯錯(cuò)的概率值。

新型自動(dòng)化模式：學(xué)習(xí)

但是要用機(jī)器學(xué)習(xí)來(lái)完成一項(xiàng)任務(wù)或者解決一個(gè)問(wèn)題，我們必須讓機(jī)器弄明白這項(xiàng)任務(wù)的要求，即性能指標(biāo)。目前在實(shí)際應(yīng)用中，大多數(shù)學(xué)習(xí)都是指向目標(biāo)函數(shù)的，即目標(biāo)的輸入應(yīng)對(duì)應(yīng)于特定的輸出數(shù)據(jù)。如自動(dòng)駕駛車輛傳感器測(cè)試到的輸入數(shù)據(jù)應(yīng)該直接指向下一個(gè)對(duì)應(yīng)的輸出指令。

但是在某些領(lǐng)域，想要獲得貼近于事實(shí)的輸出（目標(biāo)函數(shù)）是很困難的事情，如精神病的診斷、人力資源決策方面和處理法律案件，因?yàn)樗鼈儧](méi)有固定的輸出模式。

所以想要成功的將機(jī)器學(xué)習(xí)商業(yè)化，其關(guān)鍵步驟是：明確機(jī)器學(xué)習(xí)的任務(wù)；能夠收集到用于訓(xùn)練的高質(zhì)量數(shù)據(jù)；數(shù)據(jù)能夠?yàn)楣こ處熕貌⒂兄陬A(yù)測(cè)目標(biāo)輸出；能夠收集到新的數(shù)據(jù)以彌補(bǔ)原始數(shù)據(jù)的不足；要嘗試不同的算法和參數(shù)設(shè)置，以優(yōu)化學(xué)習(xí)分類器的準(zhǔn)確性；最后將其嵌入到日常應(yīng)用中，從而提高生產(chǎn)力。

由機(jī)器學(xué)習(xí)發(fā)展而來(lái)的一種未來(lái)自動(dòng)化模式就是“學(xué)習(xí)人類”，其中人工智能（AI）就是通過(guò)模仿和學(xué)習(xí)人類的很多行為來(lái)實(shí)現(xiàn)這種最新的自動(dòng)化模式的，這也導(dǎo)致了新的商業(yè)模式。

八項(xiàng)判別準(zhǔn)則，揭示機(jī)器學(xué)習(xí)的特征

盡管目前的機(jī)器學(xué)習(xí)系統(tǒng)的能力讓人驚艷，但是它們并不是適用于所有的任務(wù)?，F(xiàn)有的機(jī)器學(xué)習(xí)的能力很大程度上取決于深度神經(jīng)網(wǎng)絡(luò)。在有些方面，它們確實(shí)比人都要厲害，但是它們的決策能力比人的能力要弱太多。當(dāng)然，機(jī)器學(xué)習(xí)系統(tǒng)還在進(jìn)步中，后面可能適用于更多的工作?；谀壳暗陌l(fā)展情況來(lái)看，我們給出了8個(gè)關(guān)鍵的判別標(biāo)準(zhǔn)，以此可以區(qū)別某一項(xiàng)任務(wù)適不適合利用機(jī)器學(xué)習(xí)系統(tǒng)去做。

1.明確的輸入必須映射到明確的輸出，以構(gòu)成明確的函數(shù)

這一準(zhǔn)則也適用于分類（如根據(jù)品種來(lái)標(biāo)記狗的照片）和預(yù)測(cè)（如通過(guò)分析貸款申請(qǐng)來(lái)預(yù)測(cè)未來(lái)缺省的情況）。不過(guò)雖然機(jī)器學(xué)習(xí)系統(tǒng)可以根據(jù)統(tǒng)計(jì)意義上的相關(guān)性來(lái)預(yù)測(cè)與輸入（X）有最大關(guān)聯(lián)的輸出（Y），但是它可能無(wú)法學(xué)習(xí)到如何判斷因果關(guān)系。

2.大數(shù)據(jù)中必須存在成輸入-輸出關(guān)系的數(shù)據(jù)對(duì)

根據(jù)系統(tǒng)的需求，想要有效的訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，提高其準(zhǔn)確度，越多的數(shù)據(jù)對(duì)越好。盡管深度神經(jīng)網(wǎng)絡(luò)就像一個(gè)“黑盒子”，原則上可以表征任意函數(shù)，但是計(jì)算機(jī)很容易模仿并不斷訓(xùn)練存在偏差的函數(shù)，這樣就不利于找出數(shù)據(jù)的規(guī)律。所以這就需要專人來(lái)對(duì)數(shù)據(jù)進(jìn)行明確的標(biāo)記和梳理。

3.這項(xiàng)任務(wù)有明確的目標(biāo)和參數(shù)來(lái)對(duì)學(xué)習(xí)的效果進(jìn)行明確的反饋

雖然通過(guò)機(jī)器學(xué)習(xí)不是總能很好的得到目標(biāo)輸出，但是至少機(jī)器學(xué)習(xí)系統(tǒng)可以很好的描述我們想要的目標(biāo)輸出。這就像早期的自動(dòng)化系統(tǒng)，它們可以通過(guò)輸入輸出來(lái)模仿任務(wù)，但可能不會(huì)是最佳的逼近實(shí)際系統(tǒng)。因此，明確一個(gè)衡量系統(tǒng)性能的指標(biāo)是一條黃金準(zhǔn)則。依據(jù)這條準(zhǔn)則，系統(tǒng)在訓(xùn)練過(guò)程就會(huì)不斷自我修正，從而達(dá)到最佳的性能表現(xiàn)。

4.無(wú)需很長(zhǎng)的邏輯和推理鏈

機(jī)器學(xué)習(xí)系統(tǒng)非常善于分析數(shù)據(jù)的關(guān)聯(lián)性，但是一旦邏輯鏈過(guò)長(zhǎng)，后面的學(xué)習(xí)效率就會(huì)降低。但是像Alpha Go這樣的非物理類的游戲，因?yàn)榭梢宰詣?dòng)收集數(shù)百萬(wàn)個(gè)典型訓(xùn)練數(shù)據(jù)案例，所以可以很好的模擬。但在現(xiàn)實(shí)世界中，我們就很難做到這樣完美的模擬。

5.我們不知道也無(wú)需知道系統(tǒng)是怎樣做出這樣的決定的

大型的神經(jīng)網(wǎng)絡(luò)可以通過(guò)數(shù)以萬(wàn)計(jì)的數(shù)字權(quán)重來(lái)做出最后的抉擇，這些數(shù)字權(quán)重就是人造神經(jīng)元。但是其中的邏輯還是很難解釋的，目前對(duì)于這方面的研究也比較缺乏。

6.任務(wù)的容錯(cuò)能力較強(qiáng)，無(wú)需最佳的解決方案

幾乎所有的機(jī)器學(xué)習(xí)算法都是基于統(tǒng)計(jì)概率來(lái)給出最后的輸出的，因此很難將其訓(xùn)練到100%的準(zhǔn)確度。即便是人，也會(huì)犯錯(cuò)。

7.所學(xué)的功能不會(huì)隨著時(shí)間的推移而快速變化

通常來(lái)說(shuō)，當(dāng)需要處理的數(shù)據(jù)和訓(xùn)練的數(shù)據(jù)分布是類似的結(jié)構(gòu)時(shí)，機(jī)器學(xué)習(xí)算法才能很好地工作。如果新的數(shù)據(jù)分布發(fā)生變化，系統(tǒng)就需要重新訓(xùn)練。

8.缺乏靈活性、物理上的操作和移動(dòng)能力

在處理非結(jié)構(gòu)化環(huán)境和任務(wù)中的物理操作時(shí)，機(jī)器人和人類相比仍然很笨。這不是機(jī)器學(xué)習(xí)的缺點(diǎn)，而是現(xiàn)有機(jī)械技術(shù)的缺陷。

機(jī)器學(xué)習(xí)到底適用于哪些性質(zhì)的工作？

此前，機(jī)器學(xué)習(xí)對(duì)于就業(yè)的影響主要在一些結(jié)構(gòu)化和重復(fù)性的工作上。但是未來(lái)，其他很多工作將會(huì)被機(jī)器取代，那么我們?nèi)绾伪嬲J(rèn)出這些工作呢。

一項(xiàng)工作通常包含許多不同但相互關(guān)聯(lián)的分工。在大多數(shù)情況下，這些分工中總有部分適用于機(jī)器學(xué)習(xí)，比如，我們可以通過(guò)訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)來(lái)幫助律師對(duì)案件的潛在相關(guān)文件進(jìn)行分類，但是當(dāng)面對(duì)潛在證人或者想辦法讓證人提供有效證詞時(shí)，機(jī)器學(xué)習(xí)就完全失去了作用；類似的，機(jī)器學(xué)習(xí)系統(tǒng)可以用于閱讀醫(yī)學(xué)影像，但與其他醫(yī)生的交流，包括與患者的交流，這些都是非結(jié)構(gòu)化的任務(wù)，不適合采用機(jī)器學(xué)習(xí)系統(tǒng)。

但這不代表，所有需要交流的任務(wù)機(jī)器學(xué)習(xí)系統(tǒng)都無(wú)法勝任，比如銷售人員與客戶之間的很多聊天內(nèi)容和任務(wù)，聊天機(jī)器人都可以勝任；還有視頻中人臉面部的一些情緒表現(xiàn)，機(jī)器學(xué)習(xí)系統(tǒng)也可以識(shí)別出。

除了上面提到的情形，對(duì)于機(jī)器在創(chuàng)造性任務(wù)上的表現(xiàn)，我們的認(rèn)識(shí)也需改觀。傳統(tǒng)意義上，機(jī)器是按照人們?cè)O(shè)定好的方式來(lái)一步一步完成任務(wù)的，沒(méi)有任何“創(chuàng)造性”空間。但是機(jī)器學(xué)習(xí)系統(tǒng)是專門(mén)為找出解決辦法而設(shè)計(jì)的系統(tǒng)，我們對(duì)其的設(shè)定只是目標(biāo)和參數(shù)，沒(méi)有明確規(guī)定該怎么去解決。舉例來(lái)看，以前人類設(shè)計(jì)復(fù)雜設(shè)備的能力遠(yuǎn)遠(yuǎn)超過(guò)機(jī)器和計(jì)算機(jī)，但是現(xiàn)在根據(jù)要求，利用機(jī)器學(xué)習(xí)系統(tǒng)生成的設(shè)計(jì)比任何人設(shè)計(jì)的都好。

從機(jī)器學(xué)習(xí)的層面來(lái)看，這又不是“創(chuàng)意”，因?yàn)槟懿荒茉O(shè)計(jì)出好的設(shè)備完全取決于人們?cè)谧畛踉O(shè)定的參數(shù)。所以未來(lái)，這種看似是創(chuàng)造性的工作將會(huì)被機(jī)器學(xué)習(xí)取代，而同時(shí)更為重要的是人們?cè)谶x擇參數(shù)和設(shè)定目標(biāo)的能力上。這也就意味著，無(wú)論是科學(xué)家，還是企業(yè)家，能夠準(zhǔn)確描述出問(wèn)題這一能力將變得越來(lái)越重要。

從六項(xiàng)經(jīng)濟(jì)因素看機(jī)器學(xué)習(xí)對(duì)社會(huì)的影響

有許多非技術(shù)因素會(huì)反映機(jī)器學(xué)習(xí)對(duì)于就業(yè)的影響，換句話說(shuō)，機(jī)器學(xué)習(xí)對(duì)于就業(yè)的整體影響可以轉(zhuǎn)化為六項(xiàng)經(jīng)濟(jì)因素。

1.代換

融入機(jī)器學(xué)習(xí)的計(jì)算機(jī)系統(tǒng)將會(huì)直接取代部分人力，并減少產(chǎn)出部分的勞動(dòng)力需求。

2.價(jià)格彈性

通過(guò)機(jī)器學(xué)習(xí)實(shí)現(xiàn)的自動(dòng)化生產(chǎn)將會(huì)導(dǎo)致完成一項(xiàng)任務(wù)的成本降低，但總的消耗增加或減少取決于需求的價(jià)格彈性因素。如果彈性小于-1，則價(jià)格下降導(dǎo)致購(gòu)買數(shù)量的增加，那么整個(gè)成本就會(huì)增加。如1903年以后，由于技術(shù)降低了航空的價(jià)格，需求就增加了，在航空方面所花費(fèi)的反而增多，就業(yè)也自然變多。

3.互補(bǔ)性

工作A是自動(dòng)化的工種，而非自動(dòng)化的任務(wù)B對(duì)A來(lái)說(shuō)又是不可或缺的，那么隨著A的成本降低，對(duì)B的需求自然會(huì)增加。類比來(lái)看，隨著計(jì)算機(jī)的普及，程序員的需求不斷增加；人際交往能力和分析能力之間也是一種互補(bǔ)。

4.收入彈性

自動(dòng)化的程度是可以改變社會(huì)的總收入的。如果一個(gè)商品的收入彈性不為零，這又會(huì)改變對(duì)某些商品類型的需求以及生產(chǎn)這些商品所需工作的派生需求。類比來(lái)看，隨著總收入的增加，美國(guó)人已經(jīng)把更多的收入用于餐飲。

5.勞動(dòng)力供給的彈性

隨著工資的變化，從事某項(xiàng)工作的人們會(huì)給出一定反饋。如果有許多人具備了該必要的技能，那么供給就會(huì)有彈性，即使需求會(huì)增加（下降）很多，工資也不會(huì)上漲（下降）很多。相反，如果這項(xiàng)技能很難修煉，比如成為數(shù)學(xué)家，那么需求的變化將主要體現(xiàn)在工資而不是就業(yè)上。

6.業(yè)務(wù)流程重新設(shè)計(jì)

給定的勞動(dòng)力的數(shù)量和類型不同、資本和其他投入、產(chǎn)出不同，與之相關(guān)的生產(chǎn)函數(shù)也是不同的。所以其中任何一項(xiàng)因素改變，管理人員就要重新建造相關(guān)流程。而新技術(shù)會(huì)改變生產(chǎn)過(guò)程，所以他們需要找出最有效的方式和生產(chǎn)流程。這些變化會(huì)需要一段時(shí)間，但它往往能夠節(jié)省成本和投入，增加需求彈性。隨著時(shí)間的推移，個(gè)人可以通過(guò)學(xué)習(xí)新技能或換新工作，來(lái)表示對(duì)于高工資的認(rèn)可和回應(yīng)，這樣會(huì)增加相關(guān)的供給彈性。

因此，根據(jù)Le Chatelier準(zhǔn)則，隨著固定因素的調(diào)整，長(zhǎng)期來(lái)看，供需彈性比短期更大。由于生產(chǎn)流程、組織設(shè)計(jì)、商業(yè)模式、供應(yīng)鏈、法律約束甚至文化期望都需要改變，所以一項(xiàng)技術(shù)的采用和推廣往往需要幾年或幾十年的時(shí)間。因此為了加快技術(shù)的推廣，往往我們需要在社會(huì)方面也采取一定的措施。

隨著時(shí)間的推移，新的產(chǎn)品、服務(wù)、分工和工作流程被創(chuàng)造出，從而致使新的工作產(chǎn)生。從歷史層面來(lái)看，隨著一些工作任務(wù)趨于自動(dòng)化，釋放的勞動(dòng)力已經(jīng)重新部署到生產(chǎn)新的商品上。這種創(chuàng)新比增加資本、勞動(dòng)力或資源投入更能提高人們的整體收入和生活水平。

結(jié)語(yǔ)

機(jī)器學(xué)習(xí)發(fā)展到最終，其范圍和規(guī)?？赡軙?huì)超過(guò)電力技術(shù)。該技術(shù)帶來(lái)的進(jìn)步不僅直接提高了生產(chǎn)力，而且更重要的是，引發(fā)了機(jī)器、商業(yè)組織乃至整個(gè)經(jīng)濟(jì)的互補(bǔ)性創(chuàng)新浪潮。未來(lái)，在技能、資源和基礎(chǔ)設(shè)施等方面做出正確的互補(bǔ)性投資的個(gè)人、企業(yè)和社會(huì)將會(huì)得到蓬勃發(fā)展，而另一些沒(méi)有參與進(jìn)來(lái)的人，在某些情況下將會(huì)更糟糕。因此，更好的理解機(jī)器學(xué)習(xí)的具體適用場(chǎng)景和工作任務(wù)，對(duì)于理解其對(duì)經(jīng)濟(jì)的影響也是至關(guān)重要。

原文鏈接：http://science.sciencemag.org/content/358/6370/1530.full

最后，記得關(guān)注微信公眾號(hào)：鎂客網(wǎng)（im2maker），更多干貨在等你！