材料一：
《科學》雜志：機器學習究竟將如何影響人類未來的工作？
近幾十年來，數(shù)字計算機已經(jīng)改變了幾乎所有經(jīng)濟部門的工作，我們正處于一更迅速轉變的開始階段，但關于機器學習對勞動力和經(jīng)濟的具體影響的認識并未確定。目前一些工作的一部分適合機器學習，而其他部分還不適合。因而，機器學習對勞動力和經(jīng)濟的影響還是有限的，還沒有像有些人宣稱的那樣——會迎來“工作的終結”。
我們認為，當下關于機器學習可能對勞動力和經(jīng)濟產(chǎn)生影響的討論，應該從兩個基點出發(fā)：第一，我們離通用人工智能還很遠；第二，機器不能完成人類的全部任務?？梢灶A測，在機器學習日益滲入應用領域的過程中，剩下不適合機器學習的任務將會激發(fā)人類激發(fā)這些方面的能力，使新的工作成為可能。由于機器學習迅速發(fā)展，可能將對經(jīng)濟產(chǎn)生很大的破壞性：機器學習既產(chǎn)生贏家，也產(chǎn)生輸家，即每當機器學習跨越一個門檻，在某個任務上比人更具成本效益時，企業(yè)為了利潤最大化，將越來越多的用機器代替人工，這必將轉移勞動力需求，重組行業(yè)。這需要引起我們高度重視。
就目前而言，創(chuàng)建一個計算機程序仍需要很多人的編程過程，但在一些領域這個復雜而成本昂貴的工作正逐漸用訓練有素的機器學習來完成，機器學習已經(jīng)產(chǎn)生比人類程序員更精確可靠的程序（例如人臉識別和信用卡欺詐檢測），大大降低了程序設計和維護的成本，相關行業(yè)的就業(yè)形勢正開始受到?jīng)_擊。
（節(jié)選自雷鋒網(wǎng)）
材料二：
學習是人類的一種重要智能行為。機器能否像人類一樣具有學習能力呢？1959年，美國的塞繆爾設計了一個下棋程序，該程序具有學習能力，它能在不斷對弈中改善自己的棋藝，4年后，該程序戰(zhàn)勝了設計者本人。又過了3年，該程序戰(zhàn)勝了美國保持8年不敗的冠軍。
目前，機器學習已經(jīng)有了十分廣泛的應用，如：數(shù)據(jù)挖掘、自然語言處理、語音和手寫識別、生物特征識別、搜索引擎、醫(yī)學診斷、信用卡欺詐檢測、DNA序列測序、證券市場分析和機器人運用等。
（節(jié)選自百度百科詞條《機器學習》）
材料三：
2017年12月7日，是國際象棋界里有里程碑意義的一天，但這并不是計算機擊敗人腦，而是谷歌的AlphaZero程序擊敗了Stocckfish8程序。Stockfish8是2016年全球計算機國際象棋冠軍，運用的是幾百年來積累的人類國際象棋經(jīng)驗，再加上幾十年的計算機國際象棋經(jīng)驗，每秒計算7000萬次。相較之下，AlphaZero每秒只計算8萬次，而且寫程序時完全沒教它任何國際象棋規(guī)則，它連基本的起手走法都不會！AlphaZero完全是運用最新的機器學習原理，通過不斷和自己下棋來自學，而后在與Stockfish8的100場比賽中贏了28場平72場。AlphaZero沒有向任何人學習，許多獲勝走法和策略對人類來說完全是打破常規(guī)的，可以說創(chuàng)意十足，令人叫絕。那么，它用了多久才準備好和Stockfish8對局，而且發(fā)展出天才般的能力？答案是4個小時。只用4個小時，就在國際象棋這項人類智慧的絕頂游戲中所向披靡，令人驚嘆！
（節(jié)選自瓦爾·赫拉利《今日簡史》）

材料一：
《科學》雜志：機器學習究竟將如何影響人類未來的工作？
近幾十年來，數(shù)字計算機已經(jīng)改變了幾乎所有經(jīng)濟部門的工作，我們正處于一更迅速轉變的開始階段，但關于機器學習對勞動力和經(jīng)濟的具體影響的認識并未確定。目前一些工作的一部分適合機器學習，而其他部分還不適合。因而，機器學習對勞動力和經(jīng)濟的影響還是有限的，還沒有像有些人宣稱的那樣——會迎來“工作的終結”。
我們認為，當下關于機器學習可能對勞動力和經(jīng)濟產(chǎn)生影響的討論，應該從兩個基點出發(fā)：第一，我們離通用人工智能還很遠；第二，機器不能完成人類的全部任務?？梢灶A測，在機器學習日益滲入應用領域的過程中，剩下不適合機器學習的任務將會激發(fā)人類激發(fā)這些方面的能力，使新的工作成為可能。由于機器學習迅速發(fā)展，可能將對經(jīng)濟產(chǎn)生很大的破壞性：機器學習既產(chǎn)生贏家，也產(chǎn)生輸家，即每當機器學習跨越一個門檻，在某個任務上比人更具成本效益時，企業(yè)為了利潤最大化，將越來越多的用機器代替人工，這必將轉移勞動力需求，重組行業(yè)。這需要引起我們高度重視。
就目前而言，創(chuàng)建一個計算機程序仍需要很多人的編程過程，但在一些領域這個復雜而成本昂貴的工作正逐漸用訓練有素的機器學習來完成，機器學習已經(jīng)產(chǎn)生比人類程序員更精確可靠的程序（例如人臉識別和信用卡欺詐檢測），大大降低了程序設計和維護的成本，相關行業(yè)的就業(yè)形勢正開始受到?jīng)_擊。
（節(jié)選自雷鋒網(wǎng)）
材料二：
學習是人類的一種重要智能行為。機器能否像人類一樣具有學習能力呢？1959年，美國的塞繆爾設計了一個下棋程序，該程序具有學習能力，它能在不斷對弈中改善自己的棋藝，4年后，該程序戰(zhàn)勝了設計者本人。又過了3年，該程序戰(zhàn)勝了美國保持8年不敗的冠軍。
目前，機器學習已經(jīng)有了十分廣泛的應用，如：數(shù)據(jù)挖掘、自然語言處理、語音和手寫識別、生物特征識別、搜索引擎、醫(yī)學診斷、信用卡欺詐檢測、DNA序列測序、證券市場分析和機器人運用等。
（節(jié)選自百度百科詞條《機器學習》）
材料三：
2017年12月7日，是國際象棋界里有里程碑意義的一天，但這并不是計算機擊敗人腦，而是谷歌的AlphaZero程序擊敗了Stocckfish8程序。Stockfish8是2016年全球計算機國際象棋冠軍，運用的是幾百年來積累的人類國際象棋經(jīng)驗，再加上幾十年的計算機國際象棋經(jīng)驗，每秒計算7000萬次。相較之下，AlphaZero每秒只計算8萬次，而且寫程序時完全沒教它任何國際象棋規(guī)則，它連基本的起手走法都不會！AlphaZero完全是運用最新的機器學習原理，通過不斷和自己下棋來自學，而后在與Stockfish8的100場比賽中贏了28場平72場。AlphaZero沒有向任何人學習，許多獲勝走法和策略對人類來說完全是打破常規(guī)的，可以說創(chuàng)意十足，令人叫絕。那么，它用了多久才準備好和Stockfish8對局，而且發(fā)展出天才般的能力？答案是4個小時。只用4個小時，就在國際象棋這項人類智慧的絕頂游戲中所向披靡，令人驚嘆！
（節(jié)選自瓦爾·赫拉利《今日簡史》）

材料一：
《科學》雜志：機器學習究竟將如何影響人類未來的工作？
近幾十年來，數(shù)字計算機已經(jīng)改變了幾乎所有經(jīng)濟部門的工作，我們正處于一更迅速轉變的開始階段，但關于機器學習對勞動力和經(jīng)濟的具體影響的認識并未確定。目前一些工作的一部分適合機器學習，而其他部分還不適合。因而，機器學習對勞動力和經(jīng)濟的影響還是有限的，還沒有像有些人宣稱的那樣——會迎來“工作的終結”。
我們認為，當下關于機器學習可能對勞動力和經(jīng)濟產(chǎn)生影響的討論，應該從兩個基點出發(fā)：第一，我們離通用人工智能還很遠；第二，機器不能完成人類的全部任務?？梢灶A測，在機器學習日益滲入應用領域的過程中，剩下不適合機器學習的任務將會激發(fā)人類激發(fā)這些方面的能力，使新的工作成為可能。由于機器學習迅速發(fā)展，可能將對經(jīng)濟產(chǎn)生很大的破壞性：機器學習既產(chǎn)生贏家，也產(chǎn)生輸家，即每當機器學習跨越一個門檻，在某個任務上比人更具成本效益時，企業(yè)為了利潤最大化，將越來越多的用機器代替人工，這必將轉移勞動力需求，重組行業(yè)。這需要引起我們高度重視。
就目前而言，創(chuàng)建一個計算機程序仍需要很多人的編程過程，但在一些領域這個復雜而成本昂貴的工作正逐漸用訓練有素的機器學習來完成，機器學習已經(jīng)產(chǎn)生比人類程序員更精確可靠的程序（例如人臉識別和信用卡欺詐檢測），大大降低了程序設計和維護的成本，相關行業(yè)的就業(yè)形勢正開始受到?jīng)_擊。
（節(jié)選自雷鋒網(wǎng)）
材料二：
學習是人類的一種重要智能行為。機器能否像人類一樣具有學習能力呢？1959年，美國的塞繆爾設計了一個下棋程序，該程序具有學習能力，它能在不斷對弈中改善自己的棋藝，4年后，該程序戰(zhàn)勝了設計者本人。又過了3年，該程序戰(zhàn)勝了美國保持8年不敗的冠軍。
目前，機器學習已經(jīng)有了十分廣泛的應用，如：數(shù)據(jù)挖掘、自然語言處理、語音和手寫識別、生物特征識別、搜索引擎、醫(yī)學診斷、信用卡欺詐檢測、DNA序列測序、證券市場分析和機器人運用等。
（節(jié)選自百度百科詞條《機器學習》）
材料三：
2017年12月7日，是國際象棋界里有里程碑意義的一天，但這并不是計算機擊敗人腦，而是谷歌的AlphaZero程序擊敗了Stocckfish8程序。Stockfish8是2016年全球計算機國際象棋冠軍，運用的是幾百年來積累的人類國際象棋經(jīng)驗，再加上幾十年的計算機國際象棋經(jīng)驗，每秒計算7000萬次。相較之下，AlphaZero每秒只計算8萬次，而且寫程序時完全沒教它任何國際象棋規(guī)則，它連基本的起手走法都不會！AlphaZero完全是運用最新的機器學習原理，通過不斷和自己下棋來自學，而后在與Stockfish8的100場比賽中贏了28場平72場。AlphaZero沒有向任何人學習，許多獲勝走法和策略對人類來說完全是打破常規(guī)的，可以說創(chuàng)意十足，令人叫絕。那么，它用了多久才準備好和Stockfish8對局，而且發(fā)展出天才般的能力？答案是4個小時。只用4個小時，就在國際象棋這項人類智慧的絕頂游戲中所向披靡，令人驚嘆！
（節(jié)選自瓦爾·赫拉利《今日簡史》）