AI下棋已经无敌了，却还会把乌龟错认成步枪，如今的人工智能已经能做什么？还不能做什么？
每天都面对人工智能的各类新闻，人工智能又能干什么？现在已经干了什么？
一、人工智能能干什么事？
（1）语音识别：
语音识别要达到完美，还有一大段距离，但数百万人正在使用它，例如Siri、Alexa和Google Assistant。你正在看的这篇文章，是先向计算机口述，然后以足够的正确程度转成文字，速度比打字要快。
（2）图像识别：
机器视觉的识别，是机器人走向高端的必经之路，如果机器人能够看到的就立刻明白是什么，那么机器人的处理能力将会有非常强大的提升。并且机器人的自动学习的能力会大幅度增强。
一个名为ImageNet的大型数据库，拥有数百万张常见、模糊，或是十分诡异的图片，辨识图像的最佳系统，辨识那个数据库里图片的错误率，从2010年的高于30％，降为2016年的4％左右
（3）认知和解决问题：
机器已经在扑克牌和围棋方面，击败最优秀的人类高手，专家本来预测至少还要再十年才会达到这样的成就。Google的DeepMind团队使用机器学习系统，改善数据中心的冷却效率达15％以上，即使人类专家之前已经将它们优化了。网络安全公司深度本能（Deep Instinct）使用智能代理（intelligent agent），侦测恶意软件。
（4）现在我们能看到多的知名的人工智能。
阿里巴巴的人工智能平面设计：鲁班AI。百度的自动驾驶技术：APOLLO。
微软的智能语音设备：微软小冰，siri（苹果）
面部识别（目前很多媒体归类为人工智能）：包括人脸识别。像苹果的faceid 就属于弱人工智能。
（5）专项性解决人类工作的智能处理系统。
比如说下棋，下棋计算过程很复杂，但目标很简单，就是赢了对方，但是人类碰到的事不是那么简单。还有开车、开飞机、开船等等，甚至根据设计制造产品，甚至成体系地设计产品，只有规定的目标就行。在全面自动化的情况下，无人的工厂内，激励机制自然也就消失了。
另一方面，当做与人有关的工作的时候，它可以是非常好的助理，它可以是非常好的助教、助理研究院员、金融分析师、医生助理、律师助理、军事参谋。为什么都是助理？因为它没有办法代替人。
最近在美国做了个实验，让机器人去经济学做助教，在不见面的前提下，一个学期过去之后，学生分不出来哪个是真人哪个是机器。但是它必须是助教不能是教授，因为有大量的重要地信息这个机器它没有办法知道。
二、那么，人工智能和机器学习不能做什么事？
我们有时会听到有人说：“人工智能永远不会擅长评估情绪化、诡计多端、狡猾、前后不一的人类：它太过一板一眼、不带人性色彩，没办法做那种事。”我们不同意这种说法。像Affectiva的机器学习系统，在根据音调或脸部表情，以察觉人的情绪状态方面，表现已达到或超越人类的水平。其他系统能推断，即使是世界上最佳的扑克牌好手，什么时候在虚张声势，而能在极复杂的一对一无限注德州扑克（Heads-up No-Limit Texas Hold'em）竞赛上击败他们。正确看出一个人的情绪，是细致微妙的工作，但不是魔法。它需要感知和认知，这正是机器学习目前很强的领域，而且持续变得更强。
若要讨论人工智能的极限，一个很好的起始点，就是毕加索（Pablo Picasso）对计算机的观察：“但它们一无用处。只能给你答案。”从机器学习最近的胜利来看，它们绝对不是一无用处，但毕加索的观察仍带来深入的见解。计算机是回答问题的装置，不是用来提出问题。这表示我们仍然会很需要某些人，他们能够看出接下来要处理什么问题或机会，或是要探索什么新领域，像是创业家、创新者、科学家、创造者等等。
虽然人工智能的这些风险都很严重，但合适的比较标准并不是以“完美”为标准，而是可能得到的最佳替代方案。同样地，消极地评估某个人的心理状态或士气，和积极地设法改变它，这两者有很大的不同。机器学习系统变得相当擅长前者，但在后者仍远远落后我们。人类是强烈的社会性物种；最擅长运用社会性驱力（social drive）如同情、自豪、团结、羞耻等，以说服、激励和鼓舞人的是其他人类，不是机器。2014年，TED大会和XPrize基金会宣布设立一个奖项，颁给“在这座讲台发表引人入胜的演说，赢得听众起立鼓掌的第一个人工智能”。我们怀疑这个奖很快就会颁出。
我们认为，在这个超级强大机器学习的新时代中，人类智慧最大和最重要的机会，在于两个领域的交会处：分析接下来要处理什么问题，以及说服许多人去处理那些问题，提出解决方案。这是领导力的合适定义，而这在第二次机器时代，变得远比从前重要。
人类和机器之间目前的分工情况，正在非常快速地崩解。坚持原来见解的公司会发现：相较于愿意且能够将机器学习应用在所有合适地方的对手，以及能分析如何有效整合它的能力与人类能力的公司，坚持原来见解的公司日益落居竞争劣势。
由于技术进步，商业世界已经开始经历地壳变动般的根本改变。和蒸汽动力与电力的情况一样，区分赢家和输家的因素，不在于能不能取得新技术，甚至不在于是否能聘用到最佳的技术人员。相反地，赢家将会是态度够开放的创新者，他们的眼光能够超越现状，设想出非常不同的方法；他们也够聪明，能够运用那些方法。机器学习留给我们最大的成果之一，可能是创造新一代的企业领导人。
我们认为，人工智能，尤其是机器学习，是我们这个时代最重要的通用技术。这些创新对企业和经济的冲击，将不只反映在它们的直接贡献上，也反映在它们能够促成和启发互补性的创新。
机器学习带来很多能力，像是更好的视觉系统、语音识别、智能问题解决等等，有了这些能力，就可能出现新的产品和流程。
有些专家更进一步。丰田研究所（Toyota Institute）现任领导人吉尔．普拉特（Gil Pratt），把目前这一波的人工智能技术，比喻成五亿年前的寒武纪大爆发，那时孕育出不计其数的生命形式。那时候和现在一样，一个关键新能力是视觉。当动物首次得到这种能力，便能远比从前更有效探索环境；这催化了物种的数量大幅增加，包括猎物和掠食者，而且，被填满的生态栖位（ecological niche）范围也大大增加。今天的情况也类似，我们预期会见到各种新产品、服务、流程和组织形式，同时也会有大量的灭绝。在出乎意料的成功之外，必然也会有一些可怕的失败。
虽然很难确切预测哪些公司将主导新的环境，但有个通则很清楚：最灵活和顺应力最强的公司与高阶主管，会繁荣发展。在由人工智能赋予能力的领域里，能迅速察觉和响应机会的组织，将会掌握优势。所以，成功的策略是愿意做实验，以及快速学习。如果经理人不在机器学习的领域加强实验，就没有善尽职责。接下来十年，人工智能不会取代经理人，但使用人工智能的经理人，会取代那些不使用人工智能的经理人。
