各種公共媒體上充滿了機器即將代替人類的不切實際的想象 ，幾乎或者根本沒有媒體圍繞一個當下最急迫解決的問題：究竟哪些領域或職業會在技術的輔助下得到大幅增強。

　　機器的智能水準不斷提升 智能機器核心何在？

　　如果流行文化能在某種程度上反映公眾的態度，那么一個顯而易見的事實是：人類非?？謶种悄軝C器。比如去年以來的一系列涉及到機器人、機器的電影，人類在其中的地位顯得岌岌可危。類似的情況還出現在很多打著“經濟學”名義的暢銷書里，這些圖書不管從什么角度切入，其最后的落腳地往往都是機器取代人類。

　　然而在 MIT Sloan 與美國眾多企業家的對話中發現，這些企業家對于所謂機器取代人類的倡議(或者未來)并不感冒，對他們而言，企業的發展需要借助人類員工，尤其是知識型員工以及機器的通力合作。但現狀是，各種公共媒體上充滿了機器即將代替人類的不切實際的想象 ，幾乎或者根本沒有媒體圍繞一個當下最急迫解決的問題：究竟哪些領域或職業會在技術的輔助下得到大幅增強。

　　為了解決這個難題，MIT Sloan 提出了一個簡單的分析框架，將現有的人工智能、認知科學等技術分成兩個維度來思考——找出現有技術可以做和不能做的領域(如下圖所示)。同時為了更便于探索，這個分析框架會把所有的智能技術、機器統稱為“智能機器”，以此來思考機器智能面臨的困境、挑戰以及創新者接下來需要努力的方向。

　　當我們在談論智能機器時，我們在談論什么？

　　圍繞這張圖，我們首先來看看所謂“智能”的四個階段。

“智能”的四個階段

　　機器智能的四個階段

　　總體上看，機器智能的水準正在不斷提升，過去，計算機可能處理高度結構化的數據，而現在，計算機對不同數據類型都有很好的兼容甚至“適應”能力。

　　階段1：人類支持

　　數十年來，人類對于計算機智能的追求都建立在一個假設之上：計算機可以輔助人類決策。因為人類在決策方面天然缺乏理性、不穩定。但到目前為止，這個階段還無法完全實現，更多時候，包括 IBM Watson 在內的認知產品，都是為人類工作者提供決策建議，最終由人類完成決策。

　　階段2：重復性的自動化任務

　　較上一階段而言，這個階段的機器可以在某些特定場合做出“決策”。機器自動化的決策方式最近幾年發展迅速，并在某些領域，如保險銷售與股票交易方面取得很不錯的成績。但這些領域都有一些共同的特點，比如確定的交易規則或算法，所以人類只需要提前寫好算法，然后監控算法執行就可以了。

　　階段3：情景感知和學習

　　目前復雜的認知技術能在某種程度實現對于復雜情景的實時感知。隨著人類社會對于互聯網、物聯網的依賴性增強，數據也在源源不斷地產生，海量數據的實時處理要求變得非常急迫，企業需要從這些數據中發現客戶的潛在需求，比如大量互聯網公司，不僅包括電商，甚至很多內容網站，也會根據用戶的瀏覽習慣來形成推薦機制，為了更精確地推薦內容，還需要包括用戶位置、時間以及用戶其他行為記錄作為輔助信息。

　　目前認知計算的一個特點就是其擁有學習的能力。這種學習過程絕大多數是利用對實時數據、用戶反饋的持續分析。這種可學習的系統對于類似股票交易的決策非常有幫助，能夠不斷提升決策的準確度。

　　階段4：自我意識

　　截止到現在，2016 年年末，擁有自我意識的機器有且僅存在于科幻小說中。如果計算機具有自我意識，計算機需要像人類或超越人類智能水準，才能夠應對紛繁復雜的現實生活環境。即便是最樂觀的專家也認為，出現能夠具有自我意識的機器，至少還需要 30 到 40 年。