AI下棋已經(jīng)無(wú)敵了，卻還會(huì )把烏龜錯認成步槍?zhuān)缃竦娜斯ぶ悄芤呀?jīng)能做什么？還不能做什么？
每天都面對人工智能的各類(lèi)新聞，人工智能又能干什么？現在已經(jīng)干了什么？
一、人工智能能干什么事？
（1）語(yǔ)音識別：
語(yǔ)音識別要達到完美，還有一大段距離，但數百萬(wàn)人正在使用它，例如Siri、Alexa和Google Assistant。你正在看的這篇文章，是先向計算機口述，然后以足夠的正確程度轉成文字，速度比打字要快。
（2）圖像識別：
機器視覺(jué)的識別，是機器人走向高端的必經(jīng)之路，如果機器人能夠看到的就立刻明白是什么，那么機器人的處理能力將會(huì )有非常強大的提升。并且機器人的自動(dòng)學(xué)習的能力會(huì )大幅度增強。
一個(gè)名為ImageNet的大型數據庫，擁有數百萬(wàn)張常見(jiàn)、模糊，或是十分詭異的圖片，辨識圖像的最佳系統，辨識那個(gè)數據庫里圖片的錯誤率，從2010年的高于30％，降為2016年的4％左右
（3）認知和解決問(wèn)題：
機器已經(jīng)在撲克牌和圍棋方面，擊敗最優(yōu)秀的人類(lèi)高手，專(zhuān)家本來(lái)預測至少還要再十年才會(huì )達到這樣的成就。Google的DeepMind團隊使用機器學(xué)習系統，改善數據中心的冷卻效率達15％以上，即使人類(lèi)專(zhuān)家之前已經(jīng)將它們優(yōu)化了。網(wǎng)絡(luò )安全公司深度本能（Deep Instinct）使用智能代理（intelligent agent），偵測惡意軟件。
（4）現在我們能看到多的知名的人工智能。
阿里巴巴的人工智能平面設計：魯班AI。百度的自動(dòng)駕駛技術(shù)：APOLLO。
微軟的智能語(yǔ)音設備：微軟小冰，siri（蘋(píng)果）
面部識別（目前很多媒體歸類(lèi)為人工智能）：包括人臉識別。像蘋(píng)果的faceid 就屬于弱人工智能。
（5）專(zhuān)項性解決人類(lèi)工作的智能處理系統。
比如說(shuō)下棋，下棋計算過(guò)程很復雜，但目標很簡(jiǎn)單，就是贏(yíng)了對方，但是人類(lèi)碰到的事不是那么簡(jiǎn)單。還有開(kāi)車(chē)、開(kāi)飛機、開(kāi)船等等，甚至根據設計制造產(chǎn)品，甚至成體系地設計產(chǎn)品，只有規定的目標就行。在全面自動(dòng)化的情況下，無(wú)人的工廠(chǎng)內，激勵機制自然也就消失了。
另一方面，當做與人有關(guān)的工作的時(shí)候，它可以是非常好的助理，它可以是非常好的助教、助理研究院?jiǎn)T、金融分析師、醫生助理、律師助理、軍事參謀。為什么都是助理？因為它沒(méi)有辦法代替人。
最近在美國做了個(gè)實(shí)驗，讓機器人去經(jīng)濟學(xué)做助教，在不見(jiàn)面的前提下，一個(gè)學(xué)期過(guò)去之后，學(xué)生分不出來(lái)哪個(gè)是真人哪個(gè)是機器。但是它必須是助教不能是教授，因為有大量的重要地信息這個(gè)機器它沒(méi)有辦法知道。
二、那么，人工智能和機器學(xué)習不能做什么事？
我們有時(shí)會(huì )聽(tīng)到有人說(shuō)：“人工智能永遠不會(huì )擅長(cháng)評估情緒化、詭計多端、狡猾、前后不一的人類(lèi)：它太過(guò)一板一眼、不帶人性色彩，沒(méi)辦法做那種事。”我們不同意這種說(shuō)法。像Affectiva的機器學(xué)習系統，在根據音調或臉部表情，以察覺(jué)人的情緒狀態(tài)方面，表現已達到或超越人類(lèi)的水平。其他系統能推斷，即使是世界上最佳的撲克牌好手，什么時(shí)候在虛張聲勢，而能在極復雜的一對一無(wú)限注德州撲克（Heads-up No-Limit Texas Hold'em）競賽上擊敗他們。正確看出一個(gè)人的情緒，是細致微妙的工作，但不是魔法。它需要感知和認知，這正是機器學(xué)習目前很強的領(lǐng)域，而且持續變得更強。
若要討論人工智能的極限，一個(gè)很好的起始點(diǎn)，就是畢加索（Pablo Picasso）對計算機的觀(guān)察：“但它們一無(wú)用處。只能給你答案。”從機器學(xué)習最近的勝利來(lái)看，它們絕對不是一無(wú)用處，但畢加索的觀(guān)察仍帶來(lái)深入的見(jiàn)解。計算機是回答問(wèn)題的裝置，不是用來(lái)提出問(wèn)題。這表示我們仍然會(huì )很需要某些人，他們能夠看出接下來(lái)要處理什么問(wèn)題或機會(huì )，或是要探索什么新領(lǐng)域，像是創(chuàng )業(yè)家、創(chuàng )新者、科學(xué)家、創(chuàng )造者等等。
雖然人工智能的這些風(fēng)險都很?chē)乐?，但合適的比較標準并不是以“完美”為標準，而是可能得到的最佳替代方案。同樣地，消極地評估某個(gè)人的心理狀態(tài)或士氣，和積極地設法改變它，這兩者有很大的不同。機器學(xué)習系統變得相當擅長(cháng)前者，但在后者仍遠遠落后我們。人類(lèi)是強烈的社會(huì )性物種；最擅長(cháng)運用社會(huì )性驅力（social drive）如同情、自豪、團結、羞恥等，以說(shuō)服、激勵和鼓舞人的是其他人類(lèi)，不是機器。2014年，TED大會(huì )和XPrize基金會(huì )宣布設立一個(gè)獎項，頒給“在這座講臺發(fā)表引人入勝的演說(shuō)，贏(yíng)得聽(tīng)眾起立鼓掌的第一個(gè)人工智能”。我們懷疑這個(gè)獎很快就會(huì )頒出。
我們認為，在這個(gè)超級強大機器學(xué)習的新時(shí)代中，人類(lèi)智慧最大和最重要的機會(huì )，在于兩個(gè)領(lǐng)域的交會(huì )處：分析接下來(lái)要處理什么問(wèn)題，以及說(shuō)服許多人去處理那些問(wèn)題，提出解決方案。這是領(lǐng)導力的合適定義，而這在第二次機器時(shí)代，變得遠比從前重要。
人類(lèi)和機器之間目前的分工情況，正在非?？焖俚乇澜?。堅持原來(lái)見(jiàn)解的公司會(huì )發(fā)現：相較于愿意且能夠將機器學(xué)習應用在所有合適地方的對手，以及能分析如何有效整合它的能力與人類(lèi)能力的公司，堅持原來(lái)見(jiàn)解的公司日益落居競爭劣勢。
由于技術(shù)進(jìn)步，商業(yè)世界已經(jīng)開(kāi)始經(jīng)歷地殼變動(dòng)般的根本改變。和蒸汽動(dòng)力與電力的情況一樣，區分贏(yíng)家和輸家的因素，不在于能不能取得新技術(shù)，甚至不在于是否能聘用到最佳的技術(shù)人員。相反地，贏(yíng)家將會(huì )是態(tài)度夠開(kāi)放的創(chuàng )新者，他們的眼光能夠超越現狀，設想出非常不同的方法；他們也夠聰明，能夠運用那些方法。機器學(xué)習留給我們最大的成果之一，可能是創(chuàng )造新一代的企業(yè)領(lǐng)導人。
我們認為，人工智能，尤其是機器學(xué)習，是我們這個(gè)時(shí)代最重要的通用技術(shù)。這些創(chuàng )新對企業(yè)和經(jīng)濟的沖擊，將不只反映在它們的直接貢獻上，也反映在它們能夠促成和啟發(fā)互補性的創(chuàng )新。
機器學(xué)習帶來(lái)很多能力，像是更好的視覺(jué)系統、語(yǔ)音識別、智能問(wèn)題解決等等，有了這些能力，就可能出現新的產(chǎn)品和流程。
有些專(zhuān)家更進(jìn)一步。豐田研究所（Toyota Institute）現任領(lǐng)導人吉爾．普拉特（Gil Pratt），把目前這一波的人工智能技術(shù)，比喻成五億年前的寒武紀大爆發(fā)，那時(shí)孕育出不計其數的生命形式。那時(shí)候和現在一樣，一個(gè)關(guān)鍵新能力是視覺(jué)。當動(dòng)物首次得到這種能力，便能遠比從前更有效探索環(huán)境；這催化了物種的數量大幅增加，包括獵物和掠食者，而且，被填滿(mǎn)的生態(tài)棲位（ecological niche）范圍也大大增加。今天的情況也類(lèi)似，我們預期會(huì )見(jiàn)到各種新產(chǎn)品、服務(wù)、流程和組織形式，同時(shí)也會(huì )有大量的滅絕。在出乎意料的成功之外，必然也會(huì )有一些可怕的失敗。
雖然很難確切預測哪些公司將主導新的環(huán)境，但有個(gè)通則很清楚：最靈活和順應力最強的公司與高階主管，會(huì )繁榮發(fā)展。在由人工智能賦予能力的領(lǐng)域里，能迅速察覺(jué)和響應機會(huì )的組織，將會(huì )掌握優(yōu)勢。所以，成功的策略是愿意做實(shí)驗，以及快速學(xué)習。如果經(jīng)理人不在機器學(xué)習的領(lǐng)域加強實(shí)驗，就沒(méi)有善盡職責。接下來(lái)十年，人工智能不會(huì )取代經(jīng)理人，但使用人工智能的經(jīng)理人，會(huì )取代那些不使用人工智能的經(jīng)理人。
