问：
为什么普通用户看不见幕后这么多的机器学习？
A：关于机器学习的这个基本问题考虑了这些复杂程序如何工作以及它们在当今经济中扮演什么角色的许多不同方面。
解释机器学习系统不突出的最简单方法之一是它们很容易隐藏。 这些后端系统潜伏在推荐引擎等之后，让消费者忘记了任何机器学习都在进行。 就所有最终用户所知，有些人可能会仔细选择选项，而不是运行复杂算法的神经网络。
除此之外，还缺乏对机器学习的系统教育，部分原因是它太新了，部分原因是缺乏对整个STEM培训的投入。 看来，作为一个社会，我们通常可以选择关键人物来详细了解技术，并成为我们人口的“技术牧师”。 当然，更广泛的策略是在中学中学阶段包括详细的机器学习和技术指导。
另一个问题是机器学习缺乏可访问的语言。 行话比比皆是-从算法本身的标签到激活人工神经元并产生神经网络的激活函数。 另一个很好的例子是卷积神经网络中的层标记-填充和跨步以及最大池化等等。 几乎没有人真正理解这些术语的含义，这使得机器学习变得更加难以理解。
算法本身已经成为数学家的共识。 与现代和古典物理学一样，这些学科的学生应该精通阅读复杂方程式的艺术，而不是将算法功能变成通俗易懂的语言。 这也使机器学习信息的可访问性大大降低。
最后，还有一个“黑匣子”问题，即使工程师也无法真正完全理解有多少种机器学习程序可以工作。 当我们扩展这些算法的复杂性和功能时，我们牺牲了透明性和易于获得评估和分析结果的能力。 考虑到这一点，正在朝着可以解释的AI迈进一大步-保持可操作的机器学习和人工智能的可访问性，并掌握这些程序的工作方式，以避免在生产环境中出现令人不愉快的意外。
所有这些都有助于解释为什么，尽管在当今的技术世界中，机器学习正在蓬勃发展，但它却常常是“视线之外，无所顾忌”。
