机器学习是一件很难的事情----因为这关联到高级运算和复杂概念上的思考，需要一个完善的能够分析事物的脑子，能够有广度有创意地去思考。这个领域是十分复杂的，事实上，这需要颠覆许多基础的资本主义原则；不管提供的薪水多么具有竞争力，教育机构并不能生产出足够的专家给那些需要改进他们产品的现代企业。现在，微软成立了机器学习组织，这是一个试图把机器学习问题简单化的新尝试。不过问题是，我们到底希不希望他们能够成功呢？

过去的几年当中，的确有不少有关科技发展造成失业的悲观预测。其中比较著名的来自Brynjolfsson和McAffee，他们认为大多数的现代行业很快就会被运算程序和机器人计算机化。在机器学习过程中，电脑被赋予无思想的新技能，通过经验对数据进行无偏见的筛选，他们正在一步步的实现我们的预测。

然而，就像之前说的，编写更好的机器学习算法的不仅仅是数学运算能力，还需要一些有关如何用比较好的方式去处理人类知识技能的各个方面的抽象理解。这样一来，这些领域的专业人员自然就能为机器学习算法做出贡献，然而逆向问题计算应用、数学和编程上的高技术屏障却让他们的创造力提供不了什么真正的帮助。

机器学习组织则是人们为了解决这个难题而做出的一种尝试，通过降低这种屏障让这些不懂编程的人能够为机械学习提供帮助。微软公司称之为“完美可人的大众化进程”，不过这也暗示了他们的用心：如果微软在机械学习这个大工程上获得成功，将会为世界开启“电脑处理化”的大门，届时电脑所能代替的人工工作将比Brynjolfsson和McAffee所预测的还要多。这两位研究者的假设模型是越是非线性并且需要创意的工作过程越难被电脑所替代，而现在机器学习组织连这个对工人来说的安慰也给打破了。

在一些像诊断医疗和外科手术的领域里，机器学习无疑是个好事，除了可以促进公共卫生业发展以外，医生手术时体力透支问题也不是什么难题了。对于别的行业，这种因果关系就没那么明显。一个厨子在烹饪学上能对算法体系贡献多少？同样的，一个在超市自动柜员机旁边装袋的收银员也是如此。他们无可厚非，也无法被改变。只是但愿这个进程能够很好的包容他们，还有你我。

古时的机械织布机在当时普及的时候救活了很多人，同时也伤害了很多人。它所产生的就业数量并不比它造成的失业数量多----这是一个在电脑化真正开始之前关于就业市场的谬论----但机械织布机确实降低了生活成本和一个人生活中必须用于工作的时间比例。与3D打印技术和自动驾驶汽车技术相结合，机器人和机械教学可以省掉企业一大半劳动力。如果说这个体系还能做更多的话，那就是让物价明显下降，通过降低所有人的整体生活消费成本来抵消它所带来的因失业产生的贫困。

那也许是一个乌托邦式的美梦，然而每一个用程序和技术去代替人们一技之长的尝试都是以这种比较初级的猜测作为基石从而一步步实现的----这些在即将到来的工作革新期间创造出的收获将逐渐的渗透到每个普通人身上，让他们从中受益。如果事情并没像我们希望的美好一面发展，那么问题就来了：当一个像微软这种规模的公司打算突破全球计算机化进程的瓶颈，用机械和电脑这类中间设备解决方案不断的摧毁就业职位的时候，实际的情况也就离我们上文的那些悲观预测不远了。