许多智力任务都是设计来由人类执行的

我们当前的生活和社会中所做的大部分智力工作都是以人类完成的为前提构建的。这一点也是阻止机器简单地取代传统上由人类完成的智力工作的一个因素。

让我给你举一个简单的例子。旨在提高白领生产力，“RPA^*1”的任务的 IT 工具的期望很高。在日本，IT工具被视为实现所谓“工作方式改革”的关键。通过学习熟练工人的例子并在程序中指定工作流程，机器人可以自动执行智能任务，而不会像人类那样感到疲倦或犯错误。

但是，RPA 工具无法顺利执行所有智力任务。虽然他们擅长在计算机上完成数据录入、查找/提取等工作，但他们不擅长根据一定的规则进行计算、分配、检查/判断等工作，因此必须使用其他IT工具。此外，尽管 RPA 工具可以执行收集、聚合和转换分散在网络中的数据等任务，但使用其他 IT 工具效率要高得多。

许多人可能认为，即使他们使用 RPA 只自动化他们擅长的任务，也足以提高生产力。然而，办公室中实际完成的工作通常是 RPA 擅长的任务、使用其他 IT 工具更有效的任务以及只能由人类完成的任务的详细组合（图 2）。这是因为办公室中的许多工作流程都是设计为由人类执行的。它是一个只有不具有突出的处理能力，但具有高度通用的智力能力，能够处理多种任务的人才能完成的工作过程。为此，即使简单地将RPA引入到现有的办公工作中，也很难让日常进行的整个日常工作变得更加高效。这一点不仅适用于RPA，也适用于所有IT工具。

而且，在人类经常根据IT工具获得的处理结果做出决策的作业中，IT工具的引入甚至可能导致整个作业的处理效率的下降。这是因为人与机器之间交换信息会产生相应的工作负载。如果所有的工作都由人类来完成，工作就可以在人的头脑中完成，因此可能比涉及机器的效率要高得多。

[图2]在涉及各种详细流程的操作中，使用机器进行简单的自动化实际上可能会导致效率低下
创建者：伊藤元明

人类和机器，让各自的智能更加紧密地结合在一起

增强智能作为提高各种现有智力任务生产力的手段而引起了人们的关注。基于人类极其丰富的智力能力，我们将根据需要利用机器的力量来加强和扩展智力能力。换句话说，其想法是轻松地将专家通过学习、培训和现场实践所获得的知识、经验和技能改造为机器。

迄今为止，提高机器智力的技术发展往往集中在执行人类执行的特定任务上，例如实现更安全的自动驾驶或如何更好地下围棋。然而，正如上面提到的例子，仅仅提高机器擅长的任务的生产率并不能提高世界上执行的许多智力任务的生产效率。为了提高工作的整体生产力，人类和机器在各自擅长的流程中分担角色，并使每个流程顺利地协同工作非常重要。该领域正在开发许多新技术。

人类和机器智能的融合分三个阶段

通过更紧密地连接人类和机器的智力来实现增强智能的技术发展正在以下三个阶段取得进展（图 3）。

[图3]人类与机器的智力联系更加紧密的技术发展趋势
创建者：伊藤元明

第一阶段是技术的发展，允许人类和机器通过人类使用的语言进行协作。目的是促进人与机器之间的“顺畅对话”。这已作为智能手机和计算机内置的个人助理投入实际使用，例如苹果的 Siri、微软的 Cortana 和 IBM 的 Watson。通过使用语音识别等技术，当人类向机器提出问题时，它可以从互联网或数据库中的可用知识中快速找到正确答案。

这些个人助理已经超越了仅仅搜索人类提出的问题的答案，而是以回答问题内容的形式处理信息，并用符合提问者意图的表达方式进行回应。然而，为了从个人助理那里提取知识，提出问题的人需要想出一个问题来得出答案，然后停止他们正在做的事情并询问机器。此外，由于人类和机器依赖语言进行合作，翻译成语言时仍然存在效率低下和发生误解的可能性。人与机器之间的距离仍然很远，这正在成为一个问题。

第二阶段是我们开发技术，让机器了解人类所做的智力工作和周围环境的状态，并主动收集和处理人类需要的信息的阶段。其目的是建立一种技术，使机器能够“理解”人类的意图和意图，并“读取周围环境的气氛”。在国会直播中，有时会看到站在部长身后的官僚们在部长不知所措之前轻轻地递出一份备忘录。理想的情况是在人与机器之间建立类似的关系。通过这样做，人类将能够通过补充他们缺失的知识、经验和技能来采取行动，而不会中断他们的智力工作。

实现这一目标需要技术，让机器能够根据人类的口语、肢体语言、面部表情、目光甚至周围环境的状态准确推断人类提出的问题。使用深度学习的高级推理在这里至关重要。还需要一种能够在不中断人类工作的情况下随意呈现必要信息的技术。有必要利用增强现实 (AR) 等技术，将附加信息叠加到显示为图像的对象上。特别是，人们需要表现出待客之道所特有的考虑，仅提供必要的信息，以避免因提供太多信息而变得太爱管闲事。