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(tǒng)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(yè)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(shù)據(jù)分析、文字圖像處理、執(zhí)行數(shù)字任務、執(zhí)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(zhí)行一系列任務，但人才是最終決策者。

2. 自動重復任務

在結(jié)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(shù)規(guī)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(yè)中，自主決定已經(jīng)得到了普遍的使用。

3. 背景意識和學習

隨著數(shù)據(jù)流愈發(fā)持續(xù)化與巨量化，我們在實時解析數(shù)據(jù)方面，如發(fā)現(xiàn)異常、認知模式以及預測將來方面也愈發(fā)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(nèi)容的持續(xù)分析實現(xiàn)。這種技術目前已經(jīng)應用在股票交易決策、駕駛時間預測以及精密醫(yī)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(xiàn)。

四類認知任務

1. 分析數(shù)據(jù)

所有認知技術的根本自娛對結(jié)構性數(shù)據(jù)（一般以表格方式呈現(xiàn)）進行分析。傳統(tǒng)的，機器僅僅負責提供數(shù)據(jù)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(shù)據(jù)解釋等后端問題。目前，數(shù)據(jù)分析已經(jīng)被普遍應用到企業(yè)運行之中，通過”機器學習”等技術，數(shù)據(jù)分析開始朝向自主化或半自主化發(fā)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(jīng)網(wǎng)絡、深度學習已經(jīng)能夠?qū)ξ淖诌M行分類、解釋并生成文字。而分析與識別圖像的技術也已經(jīng)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(jié)或者產(chǎn)生新文本的方式理解語言。

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

3. 執(zhí)行數(shù)字任務

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

目前銀行業(yè)（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(jīng)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(zhí)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(yè)領域已經(jīng)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(nèi)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(fā)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(jīng)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(shù)據(jù)的能力

機器認知能力不應局限于單一類型數(shù)據(jù)，而應當包括文本、數(shù)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(yōu)先選擇有學習能力者，以實現(xiàn)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(xiàn)人對機器的信任。對于機器處理過程“黑箱”的透明化，是實現(xiàn)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(huán)節(jié)。

5. 靈活地升級與改進機制。在金融業(yè)，智能系統(tǒng)的普及得益于其所建立的規(guī)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(wěn)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(tǒng)投放電子廣告的企業(yè)經(jīng)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(yōu)勢，他們能夠理解非結(jié)構的數(shù)據(jù)，能夠同時認知許多完全不同性質(zhì)的事物，他們兼具判斷力和靈活性——所有這些要素，都是企業(yè)創(chuàng)新、贏得客戶、競爭之聲的核心。