艾琳·佩珀伯格（Irene Pepperberg）：哈佛大学心理学系研究助理兼讲师；著有《亚历克斯与我》（Alex&Me）
尽管机器很擅长计算，但并不擅长实际的思考。机器拥有无尽的“勇气”和“毅力”，可以毫不费力地得出一个复杂数学问题的答案，能够在陌生的城市里帮你指引交通情况，这一切都依赖于人类安装在它们身上的算法和程序。但是，机器缺什么呢？
机器缺乏想象力（至少在现在看来是这样的，而且我也不认为所谓的奇点会改变这一情况）。它们不会自主设计一个杀手级应用软件。它们并不打算去探索银河系，除非我们给它一个指令，但那是另一回事了。机器无疑在解决计算问题和量子力学方面要比普通人更胜一筹，但它们缺乏发现这些架构的最初需求的想象力；机器能够在国际象棋上打败人类，但是它们无法设计出能够永远超越人类的思维游戏；机器能够发现人脑可能会忽略的统计规律，但是它们缺乏把不同数据集连接起来形成一个新领域的跳跃性思维。
我不太关心那些计算机器。我会自己处理浏览器上的麻烦事儿，然后把其他枯燥的体力劳动交给诸如智能冰箱等智能机器，基于跟踪RFID标签，智能冰箱会识别每天进出冰箱的物品，然后在我回家的路上通过短信提醒我要买点儿奶油回去（很快就会出现这样的提示系统）。我更愿意处理文档中需要认知能力才能识别的特殊术语，然后把排版这种机械化的工作交给计算机。这些例子表明，一台机器虽然看起来像是在思考但并不意味着它们真的会思考，至少，不会像人类那样去思考。
我想起了早期的一项研究，内容是训练类人猿使用“语言”，而这次，我们要训练具有可塑性的芯片来回答一系列问题。那套研究系统在一群大学生身上重复实验，与预期一样，他们完成得很出色。但是，当被问及他们是否了解自己的训练目的时，他们以为自己正在解决某个有趣的难题，丝毫不知道自己正在学习一门语言。实验引发了更多的争论以及进一步的研究，后面几种非人类受试最终都明白了它们所学习的各种符号的相关意义。通过这套原始的方法，我们也了解了很多关于类人猿的智能情况。但是这项实验的意义是，那些最初看起来非常复杂的语言系统，只要经过足够多的努力，就能变成一系列简单的关联配对。
因此，我所关心的并非是会思考的机器，而是一个骄傲自大的社会，人们为了能够摆脱体力上的苦役而放弃原本更加可贵的洞见。人类需要充分利用自己的认知能力，同时把粗鄙的无脑劳动交给机器，从而获得更多自由，并感恩这种自由，用这种自由去挑战更多需要富有洞察力和远见的跳跃性思维才能解决的紧迫难题。
