智能機器應該多聰明？

托馬斯·達文波特+朱莉婭·柯比

似乎所有人都突然意識到了智能機器所帶來的威脅。經濟學專家們愈發擔心，隨著軟件參與決策的能力越來越強大，失業率有可能會飆升。管理者也不希望看到機器很快取代知識型員工——他們更希望計算技術能夠增強人類的能力而不是取代人類的工作。那究竟應該采取怎樣的增強形式？哪些認知技術又是管理者需要密切關注并采用的呢？

為了理清思路，我們制定了一個簡單的框架，從兩個維度來勾勒認知技術。第一個維度是“智能層級”，根據智能運用的自主程度進行區分。第二個維度是“任務類型”，對智能機器可執行的任務進行了分類。該框架有助于我們看到人工智能當下受到的限制，以及接下來技術創新者們需要去努力克服的挑戰。

顯然，智能機器的智慧水平正在不斷提高，一般的發展趨勢是向著更高的決策自主性演進。

輔助人類 大多數人依然認為，機器只負責提供決策或行動方案的建議，做出最終決定的還是人類。

重復性任務自動化 近年來，自動化決策已經在保險和金融交易等多個領域普及開來。它通常依靠一套固定的規則或算法，如果缺少人為干預，其性能就無法改善。一般來說，人類需要監控系統性能，并微調算法。

情境感知和學習 如今的復雜認知技術已經擁有了一定程度的實時情境感知能力。比如，導航技術可以根據時間段、當前交通狀況以及司機對于公路和鄉道的偏好，規劃出最佳的上班路線。當前認知計算的顯著特征之一，在于其自我學習和改善性能的能力。

自我意識 到目前為止，擁有自我意識和獨立形成目標能力的機器，依然只存在于虛構世界中。如果具備實質性的自我意識，計算機最終可能會獲得在多種情境下超越人類智慧水平的工作能力。然而，即便是最樂觀的研究專家也表示，機器的這種智能要到三四十年后才會出現。

我們將認知任務劃分為四類。

分析數字 一般來說，數字分析只是單純被應用于輔助人類決策者。創建假設和構造問題等前端認知任務，以及對數字中所蘊含的決策深意的后臺解讀，依然由人類來執行。

分析文字和圖像 眼下，各式各樣的技術工具，譬如機器學習、自然語言處理、神經網絡和深度學習，都可以完成文字的分類、解釋和生成任務，其中的某些工具也能夠用來分析和鑒定圖像。數字推理系統公司已經在開始銷售一款智能軟件，它能夠分析金融機構中員工的通信情況，以確定其欺詐的可能性。

執行數字任務 如今的自動化決策工具已經可以用來支持多種多樣的管理任務，從保單審批到信息技術運營，再到高速交易，各行各業都出現了自動化決策工具的身影。

執行物理任務 2014年，全球各大公司已經安裝了約225， 000臺工業機器人，其中汽車工業的機器人數量占了三分之一以上。歷史上，取代人類的機器人需要高級編程才能勝任重復性任務。為了安全起見，這些機器人必須同人類工作者隔離開來。不過，一種被稱為“協作機器人”的新型機器人可以在人類身邊安全工作。

人工智能軟件和機器人的世界似乎會逐漸融合，這一趨勢緩慢而堅定。如果管理的目標在于用機器輔助增強人類的能力而非完全自動化，那么理解人類自身的能力應如何融入該體系就變得至關重要了。在可預見的未來，人類依然有無限種方式來貢獻出自身的巨大價值。聰明的管理者會運用先進技術來凸顯自身的才能，單從這一點看，擔憂智能機器的崛起是完全沒有必要的。endprint