如果流行文化能在某种程度上反映公众的态度，那么一个显而易见的事实是：人类非常恐惧智能机器。比如去年以来的一系列涉及到机器人、机器的电影，人类在其中的地位显得岌岌可危。类似的情况还出现在很多打着“经济学”名义的畅销书里，这些图书不管从什么角度切入，其最后的落脚地往往都是机器取代人类。

然而在 mit sloan 与美国众多企业家的对话中发现，这些企业家对于所谓机器取代人类的倡议（或者未来）并不感冒，对他们而言，企业的发展需要借助人类员工，尤其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了机器即将代替人类的不切实际的想象 ，几乎或者根本没有媒体围绕一个当下最急迫解决的问题：究竟哪些领域或职业会在技术的辅助下得到大幅增强。

为了解决这个难题，mit sloan 提出了一个简单的分析框架，将现有的人工智能、认知科学等技术分成两个维度来思考——找出现有技术可以做和不能做的领域（如下图所示）。同时为了更便于探索，这个分析框架会把所有的智能技术、机器统称为“智能机器”，以此来思考机器智能面临的困境、挑战以及创新者接下来需要努力的方向。

当我们在谈论智能机器时，我们在谈论什么？

围绕这张图，我们首先来看看所谓“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不断提升，过去，计算机可能处理高度结构化的数据，而现在，计算机对不同数据类型都有很好的兼容甚至“适应”能力。

阶段1：人类支持

数十年来，人类对于计算机智能的追求都建立在一个假设之上：计算机可以辅助人类决策。因为人类在决策方面天然缺乏理性、不稳定。但到目前为止，这个阶段还无法完全实现，更多时候，包括 ibm watson 在内的认知产品，都是为人类工作者提供决策建议，最终由人类完成决策。

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做出“决策”。机器自动化的决策方式最近几年发展迅速，并在某些领域，如保险销售与股票交易方面取得很不错的成绩。但这些领域都有一些共同的特点，比如确定的交易规则或算法，所以人类只需要提前写好算法，然后监控算法执行就可以了。

阶段3：情景感知和学习

目前复杂的认知技术能在某种程度实现对于复杂情景的实时感知。随着人类社会对于互联网、物联网的依赖性增强，数据也在源源不断地产生，海量数据的实时处理要求变得非常急迫，企业需要从这些数据中发现客户的潜在需求，比如大量互联网公司，不仅包括电商，甚至很多内容网站，也会根据用户的浏览习惯来形成推荐机制，为了更精确地推荐内容，还需要包括用户位置、时间以及用户其他行为记录作为辅助信息。

目前认知计算的一个特点就是其拥有学习的能力。这种学习过程绝大多数是利用对实时数据、用户反馈的持续分析。这种可学习的系统对于类似股票交易的决策非常有帮助，能够不断提升决策的准确度。

阶段4：自我意识

截止到现在，2016年年末，拥有自我意识的机器有且仅存在于科幻小说中。如果计算机具有自我意识，计算机需要像人类或超越人类智能水准，才能够应对纷繁复杂的现实生活环境。即便是最乐观的专家也认为，出现能够具有自我意识的机器，至少还需要30到40年。