智能機器，能多智能？

如果流行文化是大眾思想的標尺的話，似乎每一個人最近都意識到了人工智能的威脅。AlphaGo在圍棋中的勝利，智能機器替代人的恐慌，電影中機器統治人的設想都開始使人反思智能機器到底能夠多智能。巴布森學院信息技術與管理專業教授Thomas H. Davenport說，為此，我們建立了在兩個維度上建立了智能機器分類的簡單框架：其一，機器在運用其智能上有多大的自主程度，最低級的，受命于人的智慧命令，最高級的（同時也是理論上），形成自主意識；其二，智能機器能夠從事于何種任務，包括了數據分析、文字圖像處理、執行數字任務、執行物理任務。

智能的四個層級

1. 支持人類

長期以來，智能機器被賦予的定位是支持人類，機器可以提供決策的建議或執行一系列任務，但人才是最終決策者。

2. 自動重復任務

在結構化的場景中，智能機器可以輕易地從支持人類進化到自主決定。這種自主一般依賴于固定的代數規則，因此同樣受制于人類的干預。目前，在金融交易和保險包銷行業中，自主決定已經得到了普遍的使用。

3. 背景意識和學習

隨著數據流愈發持續化與巨量化，我們在實時解析數據方面，如發現異常、認知模式以及預測將來方面也愈發依賴認知技術。目前認知技術一個重要特征是它擁有自我學習和改善的能力。這種自我學習一般通過對實時信息、用戶反饋、新文本內容的持續分析實現。這種技術目前已經應用在股票交易決策、駕駛時間預測以及精密醫學診斷方面。

4. 自我意識

目前，擁有自我意識的機器僅僅在想象之中。專家表示，在最樂觀的情況下，這類機器可能于未來三十到四十年出現。

四類認知任務

1. 分析數據

所有認知技術的根本自娛對結構性數據（一般以表格方式呈現）進行分析。傳統的，機器僅僅負責提供數據等分析以支持人類，而人類負責提出假設、形成問題等前端任務以及數據解釋等后端問題。目前，數據分析已經被普遍應用到企業運行之中，通過”機器學習”等技術，數據分析開始朝向自主化或半自主化發展。

2. 分析文字和圖像

閱讀文字、分析圖像并理解其意義是人類認知的重要特征。但當前的技術如機器學習、自然語言處理、神經網絡、深度學習已經能夠對文字進行分類、解釋并生成文字。而分析與識別圖像的技術也已經成熟。

當前這類技術的應用主要有三種：其一，大量文本的翻譯；其二，如人類一般回答問題；其三，以總結或者產生新文本的方式理解語言。

IBM的Watson系統是第一個能夠吸收、處理并“理解”文本，進而對細節問題作出回答的智能機器。近來，基于神經網絡分析和機器學習技術的圖像分析技術也被納入系統之中。隨著處理數據量的增加與信息的存儲，Watson逐漸能夠執行認知任務。但是據項目負責人表示”Watson并沒有自主思考的能力，其他智能系統也沒有出現這種能力”。

3. 執行數字任務

近年來，智能機器已經發展到自動管理和決策的程度。這一功能的實現需要兩大能力：其一，以業務規則的方式表達決策邏輯；其二，實現任務按步驟遞進輸送到技術。

目前銀行業（如補辦遺失銀行卡到客服）、保險（處理申請和賠付）、信息技術（修正簡單問題）、流水線管理等已經普遍應用了這一程度的智能化。針對英國第二大移動服務商西班牙電信O2公司的研究表明，自動化投資的三年回報率大概在650%-800%之間。

4. 執行物理任務

物理任務是機器人的天下。2014年，在全球范圍的工業領域已經裝配了二十二萬五千臺機器人。不過，需要面對的事實是，機器人在某些方面并不令人滿意。2011年，臺灣富士康宣稱要在三年內安裝100萬臺機器人以替代一百萬工人。但這件事起說起來容易做起來難。2015年，為了裝配新iPhone，富士康又雇傭了十萬名工人，而不是機器人。

機器人替代人類需要高度的程序化。因安全的問題，它們還必須與工人分離。機器人的自主化程度不一，如無人飛機、手術機器人、采礦設備等都需要人類操縱；其他則因相應程序等裝配具有固定條件下半自動化等功能；但隨著智能化、機器視野、決策能力等發展和不同技術的融合，機器人的自主能力必將不斷提高。

設計認知架構

智能機器已經進入了工作場所，在不久的將來，這一趨勢只能愈演愈烈。迎接這一潮流的到來，需要組織設計相應的“認知架構”。所謂認知架構，主要包括以下特點：

1. 處理不同類型數據的能力

機器認知能力不應局限于單一類型數據，而應當包括文本、數字、圖像、對話甚至情境自覺。

2. 學習能力

學習能力是認知技術的核心。在選擇智能機器時，應當優先選擇有學習能力者，以實現人工智能的不斷成長。

3. 透明性

人類與認知技術的合作，需要首先實現人對機器的信任。對于機器處理過程“黑箱”的透明化，是實現人類信任的前提，也能夠促進人更快的采用先進技術。

4. 多樣化的人類角色。

即使最為自動化的機器，也需要不同程度的人工控制模式，從簡單的照看機器到完全的人工控制，這也是充分利用智能機器的關鍵環節。

5. 靈活地升級與改進機制。在金融業，智能系統的普及得益于其所建立的規則可以被不斷改進升級。未來，這種升級與改進機制應當更具靈活性。

6. 穩健的反饋渠道。智能機器往往組織各部分以及利益相關方緊密相關。許多使用自動系統投放電子廣告的企業經常接到消費者的報告稱其所投放的廣告仍有進一步細分的空間。

對于組織而言，使用智能機器的目的不在于自動化而在于增進效率。因此，最關鍵的要素在于如何將人類能力潛入智能化的圖景之中。相對于最智能的機器而言，人仍有其優勢，他們能夠理解非結構的數據，能夠同時認知許多完全不同性質的事物，他們兼具判斷力和靈活性——所有這些要素，都是企業創新、贏得客戶、競爭之聲的核心。