英国民众更害怕家用设备和自动驾驶汽车中嵌入的人工智能，而不是用于预测性警务或疾病诊断的系统。这是根据一项由英国皇家学会委托开展的调查得出的结论。该调查被称为首个深入考察公众如何看待机器学习相关风险与益处的研究。机器学习是人工智能的一项关键技术。
调查参与者最担心的是，机器人依据机器学习得出的结论采取行动，可能会对他们造成身体伤害。因此，与使用者距离很近的机器，例如家用设备和自动驾驶汽车，被视为风险很高。由人工智能驱动的机器人这一概念称为“具身化”。作者写道：“涉及具身化的应用……往往被认为风险更高，因为人们担心它们会造成身体伤害。”
然而，大规模机器学习系统带来的风险确实存在，而且不只是被失控的自动驾驶汽车撞倒这么简单。正如数据科学家凯茜·奥尼尔所写的那样，如果算法具有大规模影响力、运作机制不透明，并会造成破坏性后果，就很危险。预测性警务是她举出的一个例子，说明危险算法正在发挥作用；带有偏见的数据来源又加剧了其有害影响。
另一个可能产生深远影响的领域是医疗保健中的机器学习。康奈尔大学研究人员朱莉娅·鲍尔斯指出，调查参与者看到的一个特别引人注目的机器学习乳腺癌诊断案例是一项2011年的斯坦福大学研究，该案例用于展示这项技术的实际应用。受此案例影响，参与者表示，他们“确信不会发生误诊”，以至于不会让社会面临风险。鲍尔斯说：“对于[计算机辅助诊断]的一般情形，这一点尚未得到证实。”
伦敦政治经济学院助理教授艾莉森·鲍威尔正在研究联网设备的伦理问题。她表示，这种对风险的感知与潜在风险之间的不匹配，在新技术领域很常见。“这是技术承诺传播所面临的整体问题之一：新技术往往被定位为‘个人化’，从而妨碍人们认识系统性风险。”
英国皇家学会没有快速解决方案。它建议机器学习专业学生在技术课程之外修读伦理课程，并建议英国政府资助研究人员开展公众交流活动。该学会否决了专门针对机器学习制定法规的想法，主张由各行业现有法规进行监管。毋庸置疑，机器学习已经遍布我们生活的方方面面，其影响力还将不断扩大。主持编写这份报告的小组的彼得·多纳利在研究发布会上告诉记者：“它可能，而且很可能会影响我们个人生活和休闲活动的许多许多方面。”
