云计算、数字技术的发展与芯片技术的引入

近年来，几乎没有任何其他研究领域像机器学习（ML）因人工智能（AI）的快速进展而受到如此多的关注。本出版物简要介绍了机器学习的实用概念与方法、问题与新出现的研究问题，并概述了参与者、应用领域以及该研究的社会经济框架条件。在专家圈中，ML 被用作现代人工智能技术的关键技术，这就是为什么 AI 与 ML 经常互换使用，尤其是在经济背景下。机器学习，特别是深度学习（DL），在自动语言处理、图像分析、医疗诊断、流程管理和客户管理中开辟了全新可能。本文的一个重要方面是芯片化（chipization）。由于数字化的快速发展，随着数字技术的进步，应用数量将持续增长。未来，机器将越来越多地提供对决策制定重要的结果。为此，从技术层面确保自动化决策过程的安全性、可靠性和充分可追溯性十分重要。同时，有必要确保 ML 应用与责任、算法决策的责任归属等法律议题兼容，且在技术上可行。其制定与监管实施是一个重要且复杂的问题，需要跨学科方法。最后但同样重要的是，公众接受度对机器学习流程在应用中的持续扩散至关重要。这需要广泛的公共讨论以及各社会群体的参与。