人工智能对人类劳动力带来了不小的困扰，这一状况会随着人工智能性能的增长而继续下去。不可避免地，“人工智能很快将能胜任对公司经理而言耗时繁多的工作，并会做得更好，它的开销也会更少”。可是，一旦涉及到更加复杂、更富有创造性的活动——比如发明创造——无论人工智能是否比人类更能胜任，这一争论仍会持续下去。
不容置疑地，近年来人工智能所取得的发展是卓绝的。举例来说，IBM公司的人工智能程序Waston能在多个领域工作，在癌症研究和纳税申报领域它正发挥着作用。AlphaGo，一个被设计用来完成围棋这项古老的棋类游戏的计算机程序，以4胜1负的成绩，打败了身列当今国际棋坛最佳棋手的李世石。AlphaGo之胜的突破在于围棋的游戏难度远高于国际象棋。在2016年3月的大胜之后，AlphaGo并没有停止它的脚步，这个谷歌公司名下的程序在互联网上连胜了60名棋手，这条消息对全世界的顶尖棋手们来说无疑是晴空霹雳，也让他们陷入了失控。“人类千年的实战演练进化，计算机却告诉我们，人类全都是错的，”中国围棋职业选手如是说：“我甚至觉得没有人真正了解围棋的真谛。”
纵然有了这些进步，人工智能仍有诸多不足。举例而言，尽管AlphaGo的落子依靠深度学习来提升胜率，但负责它的程序员们却不知系统如何做出每一步的决定。他们只能在层层嵌套的网络中一个又一个数字化的“原子”的值之中去仔细找寻原因，但大量的信息分散在纷繁复杂的网络中，要去总结出AlphaGo每步落子的动机是不可能的。
但至少有一件事是可以做出总结的，作为各领域的专家，各公司的高管们绝不会因为谁毫无缘由地做出了一个有创造性也有风险、事后却证明是众多选择中唯一正确的决定而去相信他——无论做出选择的是人还是电脑程序。Will Knight在他那篇富有争议性的文章《人工智能内心的阴暗秘密》中对人工智能的这一缺陷进行了多方面的探索。
为了做出更进一步的解释，我和我的同事Lee Spector完成了一项关于计算机创造力极限的数学证明，它已被刊载在期刊AIEDAM上。我们发现即使是目前世界上运行速度最高的计算机也不能探索出某个事物的所有特征，就算是拿它研究1950年代的某些问题，结果还是不理想。为求革新而做的假设具有晦涩的特点，即针对某个问题所提出的具有革新性的解决方案都基于该问题所具有的至少一个全新的或是被普遍忽视的特点，就这一点而言，人工智能或许永远无法胜任首席创意官的职位。每一个富有革新性的解决方案都至少建立在对事物的大致了解之上，从这一点来看，您会发现人工智能可能永远无法胜任首席革新官的工作。
此外，我们对万事万物的缺乏了解的空白，计算机也无法总是去帮我们来填补。在售出产品之前，手机壳制造商们会将许多手机装好壳之后摔在硬质测试台上，他们所依赖的可不仅仅是计算机模拟数据。我们对事物的缺乏了解的空白需要我们依靠实际的、依靠经验为依据的研究来填补。
鉴于计算机的这些缺陷，我和我的论文共同作者提出了一个解决方案：这是一种新的人机界面（HCI），它将允许人类和计算机的协同合作来弥补双方的缺点。例如，计算机可以防止人类在目标设计、做出假定和类比时出现认知偏差，而人类可以在创造性这一点上弥补计算机的缺陷。为了使其顺利工作，它的接口需要友好的人机交互。
因此，我们不用顾虑电脑是否会超过人类，相反，我们应该专注于去设计一个允许人类和计算机轻松协作的系统，以便彼此可以优劣互补、取长补短。长此以往，人类将能和计算机这个强大的伙伴共同应对一路上的挑战——在某些方面，这些愿景正在成为现实。在输掉了和AlphaGo的前三场比赛后，李世石通过对计算机出人预料的落子的观察，走出了一个极富创造性的一步并赢得了那场比赛。
我们会见证越来越多的此类事件的发生。只要我们还在开发和更新程序，人类和计算机将会不断面临挑战，这会让彼此在挑战中都变得更富有革新意识。此外，为人类和计算机设计更为适当的交互来协同处理问题，将会释放出单靠哪一方都无法无法实现的革新能力。
Tony McCaffrey是Innovation Accelerator的首席技术官。