現代的人工智能可以找出對應的模式，然后對對象進行分類，做出決策并評估結果。它可以使用反饋循環(huán)學習和適應新情況。格物斯坦認為：整個周期在大型組織中可能需要數年時間，但由人工智能驅動的設計合理的流程可以在幾天內完成。它可以自我重新編碼，推演變化，并驗證它是否實際上是朝著你想要的方向移動，所有這些都是以超出人類能力的準確性和速度進行的。這相當強大。但也相當具有威脅性。

人工智能系統(tǒng)擁有的數據越多，其能力提高的速度就越快。然而，對于擁有較少數據的部分企業(yè)和組織而言，如何滿足人工智能對數據的需求則是一個難題。但是，這并不意味著此類企業(yè)和組織無法使用人工智能。2020年，更多人工智能系統(tǒng)會依賴集學習能力和邏輯性于一身的“神經符號”技術。神經符號技術是突破自然語言處理技術的關鍵，它能夠結合常識性推理和各領域的專業(yè)知識來幫助計算機更好地理解人類語言和對話。此類突破將幫助企業(yè)部署對話能力更強的自動化客戶關懷工具和技術支持工具，同時還將大大減少訓練人工智能所需的數據量。

人們對人工智能可能會帶來的挑戰(zhàn)仍知之甚少，嚴肅的公共討論還十分缺乏。社會公眾對人工智能的想象在很大程度上仍被科幻小說和影視作品所主導，而對于人工智能在未來可能產生的影響，更是缺乏認知和關切。在政策層面，對于人工智能的關注很大程度上仍集中于技術和經濟層面，缺乏整體性的思考和討論。盡管有少數哲學和社科領域的學者開始關注人工智能帶來的倫理問題和社會挑戰(zhàn)，但這些討論并未進入公共政策視界，而且討論的重點也多集中在超級人工智能這樣仍相對遙遠的議題上。

目標是要能夠被執(zhí)行人所接受的，通過努力可以完成的。在上級安排工作任務時，要自己先做一些衡量，看看達成目標的標準是否可以實現。如果有一點困難，那沒關系，努力一下應該可以；如果有一定的困難度，得問問上級，能不能、會不會給予一定的資源支持，如果會，那可以接受；如果困難度太高，應學會說不。畢竟，目標，應該是共同制定的。

綜上所述，目標是要能夠被執(zhí)行人所接受的，通過努力可以完成的。在上級安排工作任務時，要自己先做一些衡量，看看達成目標的標準是否可以實現。如果有一點困難，那沒關系，努力一下應該可以；如果有一定的困難度，得問問上級，能不能、會不會給予一定的資源支持，如果會，那可以接受；如果困難度太高，應學會說不。畢竟，目標，應該是共同制定的。
? ? ? 責任編輯:tzh