人工智能技術的進步有望迎來自動化和創新的新時代。但是，機器智能的進步和向自動化的邁進會取代人類的智能嗎?

麥肯錫(McKinsey)最近的一項調查顯示，一半的企業已經采用AI技術簡化了至少一項功能，而Gartner預計，到2025年，將有90%的企業采用自動化架構。

隨著越來越多的組織轉向使用AI增強型自動化來提高生產力并提高繁瑣而耗時的任務的效率，但人類專業人員的作用不會消失。日益復雜的AI并沒有使人類變得無關緊要，實際上使人類-他們的見識，他們的經驗，他們的道德和道德判斷-變得更加重要。

要理解原因，在艾倫·圖靈(Alan Turing)開拓性工作的背景下考慮AI和人類智能會有所幫助。

許多人認為圖靈是計算機科學之父，他是第一個定義智能測試(稱為圖靈測試)的科學家。該測試非常簡單：讓調查人員與兩個代理(一個機器，另一人)聊天，并查看調查者是否可以確定哪個代理是機器。如果他或她不知道，則表明機器已達到人類智能水平。

人工智能的潛力-機器將能夠自主學習并執行人類可以完成的任何任務-提出了未來的機器可以通過圖靈測試而騰飛的可能性。但是圍繞通用AI的討論也揭示了為什么它離即將到來的前景還很遙遠-這是因為我們人類甚至無法就我們之間的關鍵道德和道德問題達成共識。

而且由于道德和道德問題是許多領域(法律、醫療保健、教育、社會經濟政策等等)的核心，因此完全可以幻想算法和機器可以解決人類所面臨的復雜而充滿挑戰的挑戰延續了數千年。您能想象一個數學模型決定一個孩子與家人分離嗎?

由于在可預見的未來，人類的識別將在實踐上和道德上必不可少，因此很明顯，人工智能一般是遙不可及的前景，而科幻電影則是最好的選擇。剩下的就是NAI(narrow AI，窄人工智能)。

人工智能對我們的工作，我們的社會凝聚力乃至我們未來的安全構成了嚴重威脅，而NAI則是機會而不是威脅。今天，各行各業的企業都在追尋這種機會，即使消除了人類完成某些任務的需要，NAI的成功也始終取決于與人類智能的有效整合。

NAI涉及使用數據和標簽的機器教學。由于機器不是自主的，因此人類可以為機器提供理解問題所需的數據，并將他們自己的集體智慧和經驗嵌入到系統中。 AI將模仿人類標簽，理想情況下是完美的模仿。

在每個大型AI運算的背后，都有成千上萬的人在進行數據標記，并不斷為機器提供正確與錯誤的示例。

這些人是AI司法系統中的法官，將真正的情報應用于非結構化數據：每個組織擁有的文件、文檔、圖像、視頻、音頻和許多其他數據資產。

目前，非結構化數據已占所有數字數據的90%，這對于AI至關重要。實施AI的組織越多，他們越傾向于使用數據注釋工具來簡化非結構化數據的管理流程，預計這些工具的市場在2021年至2027年之間的年增長率將達到16%。

盡管注釋工具可以幫助加速和自動化該過程，但AI不能像黑盒子一樣運作;仍然需要人類同行來確保算法做出準確而可靠的預測。

考慮自動駕駛汽車將用來理解和安全導航其環境的技術。人類專家對于訓練這些系統至關重要，以確保在部署后車輛能夠準確識別沿途的交通標志和障礙物。雖然這看起來像是可以在前端完成的任務，然后再讓自動化完成其余工作，但自動駕駛汽車技術的進一步發展將需要持續不斷地投入各種因素，例如氣候、交通模式、基礎設施質量和更多。這些數據點中的一些可以自動集成，但是所有這些都需要專業人員來驗證準確性并進行質量保證。

底線何在? 現在是進行AI對話的時候了，它的辯論已經超越了日益陳舊的辯論和錯誤的二分法，使人類無法與機器對抗。認識到人類和AI將在未來幾十年里相互合作，現在是企業進行戰略性思考以優化新的混合工作流程并最大程度地利用其數據的時候了。 按照這些思路重新調整AI話語將有助于我們所有人更清晰、更理性地思考該技術在未來幾年中將帶來的機遇和挑戰。