正文
报告的主要议题集中在对于一些问题的担忧上，但讨论结束于对于长远方向前瞻性研究的鼓励，这符合一份严谨科学报告的特质——尽管其中对有关问题的担忧程度是不容忽视的。
报告赞扬了英国在提高公共部门数据可获取性方面取得的「良好进展」，敦促人们朝着「政府开放的机器学习数据新浪潮」做「持续努力」，以增强公共部门数据的可用性，并呼吁政府探索能够促进新型开放标准数据安全、快速交付的方式，这些标准反映了机器驱动的分析方法的需求。
但是，早期的「战略数据集的价值」的参考资料在报告中进一步被详细地展开了，因为研究者们认识到早日获得这些有价值的公共资金数据可能会锁定商业优势。（虽然你不会在整篇报告中发现任何一处「垄断」字样）。
「意识到一些公共部门的数据的价值是很有必要的。尽管让此类数据公开化会带来益处，但是考虑如何分配利益是很重要的，」作者写道，「那些具备访问权限的人能够获得「先行者优先反馈」的优势，这是很重要的。当有这样的价值时，战略性地管理重要数据集或数据源将会变得越来越有必要」。
报告中没有这样的「先行者优先反馈优势」的例子，但在现实世界中，这样的情况已经数不胜数，DeepMind 与 NHS 就有医疗数据访问的合作伙伴关系。尤其是当看到 Google 的一些子公司与伦敦皇家自由 NHS 信托基金会达成的原始数据共享协议 存在争议——因为它们在没有病人知情或同意的情况下得到了接触信息的许可，并且在启动时将其作为启动应用程序。DeepMind 正在 NHS 的数据基础上开展一个雄心勃勃的计划，试图构建一个病人数据 API 来代理第三方应用程序制造商去访问 NHS 数据。同样也是相关，但未被提及的是：原始的 DeepMind-Royal 免费数据共享协议仍在英国数据保护监督机构的调查之下。
与目前的情况相反，《机器学习》报告十分重视 NHS 的数据的价值——将其描述为「英国重要的数据资产之一」——然后才将第三方访问英国公民医疗记录的概念作为「个人隐私 vs 公共利益」的情况。报告提出发展「适当受控的获取机制」以解决它 引起的这种「不平衡情况」（再一次，其并未提到 DeepMind 已经设定了自主任务以开发受控访问机制）
他们写到：「如果这种平衡问题得到解决，并且出现适当的开发受控访问机制，则 NHS 数据的潜力巨大，其可以提升 NHS 的功能并改善医疗保健服务。」
然而，我们不并知晓将价值巨大的医疗保健数据从政府资助的 NHS 中分离，谁会在经济上受益。即使常识告诉你，Google 或者 DeepMind 相信，这是一桩有利可图的生意，他们可以免费获得数百万 NHS 患者的健康数据，且这将赋予他们先发优势，包括通过控制访问基础结构将自己纳入医疗保健服务体系的机会。
在该报告的一份总结中，工作组的另一个成员，Amadeus Capital Partners 的联合创始人 Hermann Hauser 激动地讨论了利用机器学习技术的企业潜在的变革机会。他表示：「机器学习在商业中的应用还有很大的发展空间，它将会是帮助组织利用他们自己以及其它数据的重要工具。为了实现这些潜在的巨大经济效益，企业需要获得不同层面下的正确技能。」
「经济效益（economic benefits）」一词至少在这里被提到了。但投资者存在的理由就是要实现最后的退出。机器学习公司轻易的退出则向参与 AI 人才战争的科技巨头们输送了大量的效益。2014 年，Google 以超过 5 亿美元收购 DeepMind 仅仅是一个例子。所以投资者有其搜寻不太严格的公共部门数据治理制度的方法——如果一个 AI 创业公司赌卖给一个科技巨头，而非自发壮大，那么它们仍然可以获得收益。
康奈尔科技技术法律和政策研究员 Julia Powles 对于大量企业以公共部门数据泄露为前提从中获利的想法表示遗憾。「小公司可以利用他们的数据的想法只是一个谣言，」她曾对 Tech Crunch 表示：「只有真正的巨头才能从中获利。
」
影响转移
显然，该报告的另一部分花了相当的时间关注技能——讨论了政府如何鼓励「机器学习从业人员的发展通道」，包括敦促政府将机器学习作为博士学位的优先领域，并为 1,000 个额外的博士（或更多）提供短期资助。对于那些掌握大部分资金，想要吸引这些拥有巨大价值的人员的科技巨头来说，机器学习博士当然是其雇佣的首要选择对象。因此，如果公共部门资助这些额外的博士学位，那么 Google 等科技巨头将首先从顶级学术层面的增长获得收益。
考虑到人工智能对工作的潜在影响，技能讨论（其中包括调整学校课程以涵盖未来五年的机器学习知识）稍后将在报告的另一部分重新得到评估。本次报告不可避免地会得出机器学习至少会发生「变革」的结论——而且可能导致大量劳动力的就业前景发生影响转移，作者也认为这种变化可能会增加社会不平等。
所有这一切根本上打破了一些人乐观的设想，即「每个人」都能够适应以机器学习为驱动的未来，因为你不会为不存在的工作学习某种技能……在报告作者的眼中，人工智能的发展将产生巨大的财富和就业不对等，而且还引入了一个集体责任的全新理念（零所有权制度，zero ownership）。
「机器学习及其对就业产生的可能重要的后果所积累的潜在利益需要得到积极的管理，」作者写到。「如果缺少这种管理工作，机器学习的好处或许就只能覆盖到少数人，而使另一些人落后，或使他们由于社会地位变化而处于不利地位。
「虽然目前尚不清楚就业市场可能会变成什么样，但如今需要思考的是，社会如何才能确保机器学习使用量的进一步增加，不会助长不平等以及某些群体的不满。如何才能让所有人都享受到机器学习的好处，是所有人都在面临的重大挑战。」
最后，该报告呼吁「急迫地思考」其描述为「未来十年所需的政策尺度，以确保机器学习红利……以使英国社会的所有成员受益。」如前所述，政策制定者和监管机构需要逐步开始构建框架并确定规则，从而确保机器学习技术在公共部门的资产被评估以前都没有机会将其剥离（更不用说该技术使得未来公民无法支付那些花式服务的费用，这些服务是通过用公立数据免费进行训练的机器学习模型所驱动的，它们之后还会被卖回给用户）。
但是说得婉转些，该报告所建议的 10 年时长的框架似乎并无诚意。例如，由于大量的 NHS 敏感数据已经从公共部门流入到了世界上最市场资本化的公司（Alphabet /谷歌/ DeepMind）的手中，从而似乎会有更多的短期问题等待决策者来解决——而不是将其搁置 10 年左右的时间。事实上，议员们一直在敦促有关人工智能问题的行动，比如算法责任。
