智能机器，能多智能？

如果流行文化是大众思想的标尺的话，似乎每一个人最近都意识到了人工智能的威胁。AlphaGo在围棋中的胜利，智能机器替代人的恐慌，电影中机器统治人的设想都开始使人反思智能机器到底能够多智能。巴布森学院信息技术与管理专业教授Thomas H. Davenport说，为此，我们建立了在两个维度上建立了智能机器分类的简单框架：其一，机器在运用其智能上有多大的自主程度，最低级的，受命于人的智慧命令，最高级的（同时也是理论上），形成自主意识；其二，智能机器能够从事于何种任务，包括了数据分析、文字图像处理、执行数字任务、执行物理任务。

智能的四个层级

1. 支持人类

长期以来，智能机器被赋予的定位是支持人类，机器可以提供决策的建议或执行一系列任务，但人才是最终决策者。

2. 自动重复任务

在结构化的场景中，智能机器可以轻易地从支持人类进化到自主决定。这种自主一般依赖于固定的代数规则，因此同样受制于人类的干预。目前，在金融交易和保险包销行业中，自主决定已经得到了普遍的使用。

3. 背景意识和学习

随着数据流愈发持续化与巨量化，我们在实时解析数据方面，如发现异常、认知模式以及预测将来方面也愈发依赖认知技术。目前认知技术一个重要特征是它拥有自我学习和改善的能力。这种自我学习一般通过对实时信息、用户反馈、新文本内容的持续分析实现。这种技术目前已经应用在股票交易决策、驾驶时间预测以及精密医学诊断方面。

4. 自我意识

目前，拥有自我意识的机器仅仅在想象之中。专家表示，在最乐观的情况下，这类机器可能于未来三十到四十年出现。

四类认知任务

1. 分析数据

所有认知技术的根本自娱对结构性数据（一般以表格方式呈现）进行分析。传统的，机器仅仅负责提供数据等分析以支持人类，而人类负责提出假设、形成问题等前端任务以及数据解释等后端问题。目前，数据分析已经被普遍应用到企业运行之中，通过”机器学习”等技术，数据分析开始朝向自主化或半自主化发展。

2. 分析文字和图像

阅读文字、分析图像并理解其意义是人类认知的重要特征。但当前的技术如机器学习、自然语言处理、神经网络、深度学习已经能够对文字进行分类、解释并生成文字。而分析与识别图像的技术也已经成熟。

当前这类技术的应用主要有三种：其一，大量文本的翻译；其二，如人类一般回答问题；其三，以总结或者产生新文本的方式理解语言。

IBM的Watson系统是第一个能够吸收、处理并“理解”文本，进而对细节问题作出回答的智能机器。近来，基于神经网络分析和机器学习技术的图像分析技术也被纳入系统之中。随着处理数据量的增加与信息的存储，Watson逐渐能够执行认知任务。但是据项目负责人表示”Watson并没有自主思考的能力，其他智能系统也没有出现这种能力”。

3. 执行数字任务

近年来，智能机器已经发展到自动管理和决策的程度。这一功能的实现需要两大能力：其一，以业务规则的方式表达决策逻辑；其二，实现任务按步骤递进输送到技术。

目前银行业（如补办遗失银行卡到客服）、保险（处理申请和赔付）、信息技术（修正简单问题）、流水线管理等已经普遍应用了这一程度的智能化。针对英国第二大移动服务商西班牙电信O2公司的研究表明，自动化投资的三年回报率大概在650%-800%之间。

4. 执行物理任务

物理任务是机器人的天下。2014年，在全球范围的工业领域已经装配了二十二万五千台机器人。不过，需要面对的事实是，机器人在某些方面并不令人满意。2011年，台湾富士康宣称要在三年内安装100万台机器人以替代一百万工人。但这件事起说起来容易做起来难。2015年，为了装配新iPhone，富士康又雇佣了十万名工人，而不是机器人。

机器人替代人类需要高度的程序化。因安全的问题，它们还必须与工人分离。机器人的自主化程度不一，如无人飞机、手术机器人、采矿设备等都需要人类操纵；其他则因相应程序等装配具有固定条件下半自动化等功能；但随着智能化、机器视野、决策能力等发展和不同技术的融合，机器人的自主能力必将不断提高。

设计认知架构

智能机器已经进入了工作场所，在不久的将来，这一趋势只能愈演愈烈。迎接这一潮流的到来，需要组织设计相应的“认知架构”。所谓认知架构，主要包括以下特点：

1. 处理不同类型数据的能力

机器认知能力不应局限于单一类型数据，而应当包括文本、数字、图像、对话甚至情境自觉。

2. 学习能力

学习能力是认知技术的核心。在选择智能机器时，应当优先选择有学习能力者，以实现人工智能的不断成长。

3. 透明性

人类与认知技术的合作，需要首先实现人对机器的信任。对于机器处理过程“黑箱”的透明化，是实现人类信任的前提，也能够促进人更快的采用先进技术。

4. 多样化的人类角色。

即使最为自动化的机器，也需要不同程度的人工控制模式，从简单的照看机器到完全的人工控制，这也是充分利用智能机器的关键环节。

5. 灵活地升级与改进机制。在金融业，智能系统的普及得益于其所建立的规则可以被不断改进升级。未来，这种升级与改进机制应当更具灵活性。

6. 稳健的反馈渠道。智能机器往往组织各部分以及利益相关方紧密相关。许多使用自动系统投放电子广告的企业经常接到消费者的报告称其所投放的广告仍有进一步细分的空间。

对于组织而言，使用智能机器的目的不在于自动化而在于增进效率。因此，最关键的要素在于如何将人类能力潜入智能化的图景之中。相对于最智能的机器而言，人仍有其优势，他们能够理解非结构的数据，能够同时认知许多完全不同性质的事物，他们兼具判断力和灵活性——所有这些要素，都是企业创新、赢得客户、竞争之声的核心。