（材料一）
《科学》杂志：机器学习究竟将如何影响人类未来的工作?
近几十年来，数字计算机已经改变了几乎所有经济部门的工作，我们正处于一个更加迅速转变的开始阶段，但关于机器学习对劳动力和经济的具体影响的认识并未确定。目前一些工作的一部分适合机器学习，而其他部分还不适合。因而，机器学习对劳动力和经济的影响还是有限的，还没有像有些人宣称的那样—一会迎来“工作的终结”。
我们认为，当下关于机器学习可能对劳动力和经济产生影响的讨论，应该从两个基点出发：第一，我们离通用人工智能还很远；第二，机器不能完成人类的全部任务。可以预测，在机器学习日益渗入应用领域的过程中，剩下不适合机器学习的任务将会激发人类增强这些方面的能力，使新的工作成为可能。机器学习迅速发展，可能将对经济产生很大的破坏性:机器学习既产生赢家，也产生输家，即每当机器学习跨越一个门槛，在某个任务上比人更具成本效益时，企业为了利润最大化，将越来越多的用机器代替人工，这必将转移劳动力需求，重组行业。这需要引起我们高度重视。
就目前而言，创建一个计算机程序仍需要涉及很多人的编程过程，但在一些领域这个复杂而成本昂贵的工作正逐渐用训练有素的机器学习来完成，机器学习已经产生比人类程序员更精确可靠的程序（例如人脸识别和信用卡欺诈检测），大大降低了程序设计和维护的成本，相关行业的就业形势正开始受到冲击。
（材料二）
学习是人类的一种重要智能行为。机器能否像人类一样具有学习能力呢?1959年，美国的塞缪尔设计了一个下棋程序，该程序具有学习能力，它能在不断对弈中提高自己的棋艺。4年后，该程序战胜了设计者本人。又过了3年，该程序战胜了美国保持8年不败的冠军。目前，机器学习已经有了十分广泛的应用，如：数据挖掘、自然语言处理、语音和手写识别、生物特征识别、搜索引擎、医学诊断、信用卡欺诈检测、DNA序列测序、证券市场分析和机器人应用等。
（节选自360百度百科词条“机器学习”）
（材料三）
2017年12月7日，是国际象棋界具有里程碑意义的一天，但这并不是计算机击败人脑，而是谷歌的AlphaZero程序击败了Stocckfish8程序。Stockfish8是2016年全球计算机国际象棋冠军，运用的是几百年来积累的人类国际象棋经验，再加上几十年的计算机国际象棋经验，每秒计算7000万次走法。相较之下，AlphaZero每秒只计算8万次走法，而且写程序时完全没教它任何国际象棋规则，它连基本的起手走法都不会！AIphazero完全是运用最新的机器学习原理，通过不断和自己下棋来自学，而后在与Stockfish8的100场比赛中赢了28场平72场。AlphaZero没有向任何人学习，许多获胜走法和策略对人类来说完全是打破常规的，可以说创意十足，令人叫绝。那么，它用了多久才准备好和Stockfish8对局，而且发展出天才般的能力?答案是4个小时。只用4个小时，就在国际象棋这项人类智慧的绝顶游戏中所向披靡，令人惊叹！
（节选自尤瓦尔·赫拉利《今日简史》）
班里召开主题为“机器学习”的研讨会，“疑问&探究&智慧”小组收集并整理了以上材料。
