智能机器应该多聪明？

似乎所有人都突然意识到了智能机器所带来的威胁。经济学专家们愈发担心，随着软件参与决策的能力越来越强大，失业率有可能会飙升。管理者也不希望看到机器很快取代知识型员工——他们更希望计算技术能够增强人类的能力而不是取代人类的工作。那究竟应该采取怎样的增强形式？哪些认知技术又是管理者需要密切关注并采用的呢？

为了理清思路，我们制定了一个简单的框架，从两个维度来勾勒认知技术。第一个维度是“智能层级”，根据智能运用的自主程度进行区分。第二个维度是“任务类型”，对智能机器可执行的任务进行了分类。该框架有助于我们看到人工智能当下受到的限制，以及接下来技术创新者们需要去努力克服的挑战。

显然，智能机器的智慧水平正在不断提高，一般的发展趋势是向着更高的决策自主性演进。辅助人类 大多数人依然认为，机器只负责提供决策或行动方案的建议，做出最终决定的还是人类。重复性任务自动化 近年来，自动化决策已经在保险和金融交易等多个领域普及开来。它通常依靠一套固定的规则或算法，如果缺少人为干预，其性能就无法改善。一般来说，人类需要监控系统性能，并微调算法。

情境感知和学习 如今的复杂认知技术已经拥有了一定程度的实时情境感知能力。比如，导航技术可以根据时间段、当前交通状况以及司机对于公路和乡道的偏好，规划出最佳的上班路线。当前认知计算的显著特征之一，在于其自我学习和改善性能的能力。

自我意识 到目前为止，拥有自我意识和独立形成目标能力的机器，依然只存在于虚构世界中。如果具备实质性的自我意识，计算机最终可能会获得在多种情境下超越人类智慧水平的工作能力。然而，即便是最乐观的研究专家也表示，机器的这种智能要到三四十年后才会出现。

我们将认知任务划分为四类。

分析数字 一般来说，数字分析只是单纯被应用于辅助人类决策者。创建假设和构造问题等前端认知任务，以及对数字中所蕴含的决策深意的后台解读，依然由人类来执行。

分析文字和图像 眼下，各式各样的技术工具，譬如机器学习、自然语言处理、神经网络和深度学习，都可以完成文字的分类、解释和生成任务，其中的某些工具也能够用来分析和鉴定图像。数字推理系统公司已经在开始销售一款智能软件，它能够分析金融机构中员工的通信情况，以确定其欺诈的可能性。

执行数字任务 如今的自动化决策工具已经可以用来支持多种多样的管理任务，从保单审批到信息技术运营，再到高速交易，各行各业都出现了自动化决策工具的身影。

执行物理任务 2014 年，全球各大公司已经安装了约 225 , 000 台工业机器人，其中汽车工业的机器人数量占了三分之一以上。历史上，取代人类的机器人需要高级编程才能胜任重复性任务。为了安全起见，这些机器人必须同人类工作者隔离开来。不过，一种被称为“协作机器人”的新型机器人可以在人类身边安全工作。

人工智能软件和机器人的世界似乎会逐渐融合，这一趋势缓慢而坚定。如果管理的目标在于用机器辅助增强人类的能力而非完全自动化，那么理解人类自身的能力应如何融入该体系就变得至关重要了。在可预见的未来，人类依然有无限种方式来贡献出自身的巨大价值。聪明的管理者会运用先进技术来凸显自身的才能，单从这一点看，担忧智能机器的崛起是完全没有必要的。