题图上这张在社交媒体上疯狂传播的恶搞漫画博得了不少转发，这似乎暗示着，对机器学习的炒作热度开始消退。然而，机器学习真的只是被美化的统计学吗？
哈佛大学数据科学硕士、机器学习从业者Joe Davison认为，远不止如此。
他从统计学和机器学习分别出发，对比了两者的不同之处，希望让人们正确认知机器学习和人工智能。这篇博客在海外科技网站Medium上获得了超过7.4k的认同。
越来越多的人都开始认为机器学习真的没有什么可值得兴奋的，它只不过是对老旧的统计技术的重新包装罢了。
然而问题是，事实并非如此。
可以看出，深度学习传播的狂热分子不流行了。甚至是那些站在科学顶端的专家们，现在对使用这个术语都失去了极大的热情，仅剩些许懊恼，反而更倾向于淡化现代神经网络的力量，避免让大量群众认为 import keras 能够克服每一个障碍。
就像Yann LeCun所说的那样，虽然深度学习已经超过机器学习成为新的流行词，但是这种对态度的过度矫正导致了人们对人工智能的发展、未来和实用性产生了不良的怀疑。另外，现在流传着人工智能冬季即将逼近的说法，从这一点就可以预见，人工智能研究会像过去几十年那样停滞不前。
本文不是要反对人工智能冬季的说法，也并非要争论机器学习的发展都应归功于某一个学术团体而非其他。本文论述的目的在于要正确的评估机器学习。人工智能可见的发展不仅仅局限于大型计算机和更优的数据集。近期在深度神经网络及其相关领域的成功，正说明了机器学习代表着科学技术进步的最前沿。