Motive Partners的执行合伙人安迪·斯图尔特(Andy Stewart)上周在国际金融科技大会上指出，“对于其中具有机器学习功能或区块链的任何产品，其估值都会增加2、3、4、5倍”。毫无疑问，公众以及投资者对机器学习及其如何应用于不同的行业都非常感兴趣。
卡内基梅隆大学(Carnegie Mellon University)即将上任的助理教授扎卡里·利普顿(Zachary Lipton)在最近的一篇题为“人工智能错误信息流行病”的文章中，描述了更广泛的公众对机器学习的兴趣以及对正在发生的事情的内部缺乏了解的情况愚昧无知的完美风暴，在该领域引起了误传。在后续文章中，他澄清了第一篇文章中提出的一些要点。
在将来的帖子概述中，Lipton将此流行归因于一些AI影响者，一些未来主义的先知以及媒体未能用外行人的术语准确描述AI。
从技术角度来看，以通俗易懂的方式理解机器学习系统中发生的事情并不容易。描述和可视化过程确定性算法比较容易，但是许多机器学习算法都基于概率论，统计量和N维空间。这些术语无法轻易解释，并且在当前出版物对普通读者的长度限制内。
即使撇开这一点，借助大型 技术公司提供的围绕机器学习的大量API ，要解释使用预测性分析SaaS与推出自己的实现之间所需的工作量数量级的差异也很复杂。
另一方面，即使缺乏面向普通技术或普通受众的网站对AI的报道，该领域也拥有大量可供有兴趣学习的人免费使用的信息。
该领域的大多数前沿研究都发表在Arxiv上，并提供给所有人。来自知名大学的机器学习和AI方面有许多课程和纳米学位，并且开放源代码生态系统充满活力，并欢迎任何想让她对此有所了解的人。
