很多年前，我和一位朋友去參觀一個果園。他的兒子是這個果園的經(jīng)理，向我們介紹了其工作。我的這位朋友和我都是工程師，開始討論如何教機(jī)器人采摘水果。

朋友的兒子停下來，驚愕地看著我們。“你們在說什么?。窟@很簡單——你看到它，然后你摘下它?！?/p>

并非那么簡單：直到幾十年后的今天，具有商業(yè)價值的水果采摘機(jī)器人才出現(xiàn)在人們的視線中。有許多日常任務(wù)看似微不足道，但卻難以對其加以描述和構(gòu)造以滿足自動化需要。人類具有常識性推理的優(yōu)勢，而常識性推理比大多數(shù)人所認(rèn)為的要深奧和抽象得多。

在我今年2月份發(fā)表的專欄文章（標(biāo)題為“Can Machine Learning Teach Us Anything?”，https://spectrum.ieee.org/robotics/artificial-intelligence/can-machine-learning-teach-us-anything）中，我寫了我們在創(chuàng)造精通國際象棋和撲克等游戲的計(jì)算機(jī)程序方面取得的成功。據(jù)這些游戲（無論是下棋還是玩撲克）本身所描述的，這些游戲非常簡單——數(shù)量不多的涉及幾個要素的不可變規(guī)則。但這里有一個悖論，因?yàn)樵谶@種簡單的背后隱藏著巨大的復(fù)雜性。盡管如此，這種復(fù)雜性是精確定義的，而這正是我們工程師所擅長的。

然而，生活是模糊的，往往是不明確的。（如果現(xiàn)實(shí)生活中的任務(wù)能被模擬成桌上游戲，那么我們就能開展業(yè)務(wù)了。）我喜歡模糊邏輯的理念，但再三思考，我確實(shí)希望我的計(jì)算機(jī)是精確的。

但也許有某種機(jī)制可以將模糊作為輸入，并將定義明確的輸出傳遞給計(jì)算單元。然后這個計(jì)算單元可以表現(xiàn)出我們用以掌握游戲的那種技術(shù)。

在現(xiàn)實(shí)生活中，我們有這樣的機(jī)制。以美式足球?yàn)槔Ｓ幸恍╆P(guān)于向前傳球之后會發(fā)生什么的規(guī)則，這些規(guī)則取決于傳出去的球是否被抓住了。但是“抓住”是一個模糊的概念。所以我們有一個將模擬的“抓住”數(shù)字化的設(shè)備。它被稱為裁判。在法律領(lǐng)域，我們在法庭上也有類似的做法，法官和陪審團(tuán)使用各種主觀標(biāo)準(zhǔn)，如“合理性”來判斷一項(xiàng)行為是否違法。如果我們不喜歡法院的數(shù)字化，我們就把它當(dāng)作一個模擬結(jié)果，然后把案子送到另一個法院去審理。

作為一名管理者，我是許多人事決策的數(shù)字仲裁——誰獲得加薪，加薪多少，多獲得晉升，誰被解雇，等等。人們總是問我用什么標(biāo)準(zhǔn)來做這些決定。你使用的算法是什么？他們想知道。事實(shí)上，我也想要一個算法。實(shí)際的決策過程中涉及很多模糊性。

除了是模糊的之外，生活中很多事情還受到運(yùn)氣的影響。最好的團(tuán)隊(duì)并不總能獲勝，最好的人并不總能獲得晉升。生活并不總是公平的，但這確實(shí)又會把碎片搖勻，所以我不確定這是一個bug還是一個功能。像大富翁這樣的許多桌上游戲都是將運(yùn)氣與技巧相結(jié)合的。也許模糊轉(zhuǎn)換器可以增加一些隨機(jī)性。

但我只是對此做下夢而已。無論我們試圖將現(xiàn)實(shí)生活中的什么任務(wù)自動化，總會有人問為什么要花這么長時間。他們會說，這很簡單。但事實(shí)并非如此。