更新时间：2024-12-13 11:55:01点击：
如果风行文化能在或许上体现公众的态度，那么一个显而易见的事实是：人类十分不安智能机器。比如去年以来的一系列牵涉到到机器人、机器的电影，人类在其中的地位变得岌岌可危。类似于的情况还经常出现在很多旗号“经济学”名义的畅销书里，这些图书不管从什么角度紧贴，其最后的迁来地往往都是机器代替人类。
然而在 MIT Sloan 与美国众多企业家的对话中找到，这些企业家对于所谓机器代替人类的倡议（或者未来）并不发烧，对他们而言，企业的发展必须利用人类员工，特别是在是知识型员工以及机器的通力合作。但现状是，各种公共媒体上充满著了机器将要替换人类的不切实际的想象 ，完全或者显然没媒体环绕一个当下最迫切解决问题的问题：究竟哪些领域或职业不会在技术的辅助下获得大幅度强化。
为了解决问题这个难题，MIT Sloan 明确提出了一个非常简单的分析框架，将现有的人工智能、认知科学等技术分为两个维度来思维——去找经常出现有技术可以做到和无法做到的领域（如下图右图）。同时为了更加便于探寻，这个分析框架不会把所有的智能技术、机器总称为“智能机器”，以此来思维机器智能面对的困境、挑战以及创新者接下来必须希望的方向。当我们在谈论智能机器时，我们在谈论什么？环绕这张图，我们首先来想到所谓“智能”的四个阶段。
机器智能的四个阶段总体上看，机器智能的水准正在大大提高，过去，计算机有可能处置高度结构化的数据，而现在，计算机对有所不同数据类型都有很好的相容甚至“适应环境”能力。阶段1：人类反对数十年来，人类对于计算机智能的执着都创建在一个假设之上：计算机可以辅助人类决策。因为人类在决策方面天然缺少理性、不平稳。
但到目前为止，这个阶段还无法几乎构建，更加多时候，还包括 IBM Watson 在内的理解产品，都是为人类工作者获取决策建议，最后由人类已完成决策。阶段2：重复性的自动化任务较上一阶段而言，这个阶段的机器可以在某些特定场合作出“决策”。机器自动化的决策方式最近几年发展很快，并在某些领域，如保险销售与股票交易方面获得很不俗的成绩。但这些领域都有一些联合的特点，比如确认的交易规则或算法，所以人类只必须提早写出好算法，然后监控算法继续执行就可以了。
阶段3：情景感官和自学目前简单的理解技术能在或许构建对于简单情景的动态感官。随着人类社会对于互联网、物联网的依赖性强化，数据也在源源不断地产生，海量数据的实时处理拒绝显得十分迫切，企业必须从这些数据中找到客户的潜在市场需求，比如大量互联网公司，不仅还包括电商，甚至很多内容网站，也不会根据用户的网页习惯来构成引荐机制，为了更加准确地引荐内容，还必须还包括用户方位、时间以及用户其他不道德记录作为辅助信息。目前理解计算出来的一个特点就是其享有自学的能力。
这种自学过程绝大多数是利用对动态数据、用户对系统的持续分析。这种可自学的系统对于类似于股票交易的决策十分有协助，需要大大提高决策的准确度。
本文来源：AG 尊龙凯时-www.xiaohuai.net
