在下棋和诊断疾病上，计算机已经证明了自己强过了人类。而现在，新加坡南洋理工大学的一群人工智能的研究人员又成功教会工业机器人组装出了一把IKEA的椅子。这是艾伦扳手（Allen wrench，也叫内六角扳手）和艾伦·图灵（Alan Mathison Turing）的世界第一次联结起来。既然机器已经掌握了消磨周六下午最奇怪的方式之一，那么离AI 崛起并奴役人类在硅矿里劳作还会远吗？
这项研究也凸显出一个关于自动化局限性的深层真相。机器擅长抽象的认知型任务，这类任务对人类而言是智力的体现，比如复杂的棋类游戏或微积分学。但它们却很难做好那些非常简单、几乎用不到什么头脑的纯劳力例如叫机器穿过一个杂乱的房间。IKEA机器人就是很好的例子：经人们预先编写好程序的两个IKEA机器人用了20 多分钟才组装好一把椅子，而一个人用几分钟就拼好了。AI 研究人员把这称作「莫拉维克悖论」（Moravec's paradox），他们在几十年前就发现了这个现象。这似乎不是那种多做点研究就能解决的问题。相反，它好像是一个基本事实：身体的灵活度比下围棋更难透过计算实现。这被认为是人类进化的结果：自然选择用了几十亿年来解决操纵现实世界的问题，直到达到轻松自如的程度。相比之下，西洋只有不到两千年的历史。人们觉得下棋很难，是因为他们的大脑不是为下棋而存在的。
当我们思考AI和自动化的影响这个被大肆宣传的议题时，尤其是当AI走出抽象的数据和讯息世界进入实实在在的现实世界时，应该要把这一点铭记于心。上月13日，电动汽车公司特斯拉的老板马斯克说，困扰其公司高科技工厂的产能问题在一定程度上是因为过度依赖机器人和自动化「人类被低估了」。他在Twitter上写道：「很多工作都涉及机器人难以克服的身体活动的问题。」例如，机器可能不久就能驾驶送货车，但至少在目前，它们很可能无法走过一段楼梯，把包裹送到楼上的一间公寓。
目前AI在其他领域也有其局限性。它们是模式识别（Pattern-recognition）引擎，人类经过成千上万的范例训练，希望它们推导出的规则能继续适用于更广阔的世界，但它们只是盲目地应用这些规则，并没有办法偍人类那样理解自己所做的事情，也不能在现场视情况来解决问题。就像无人驾驶汽车的制造商一直担心这些自驾车在复杂且不常见的「边界情况」（Edge cases）下会如何表现，而这些情况在事前的训练中根本无法预见。现在要大家调整对AI 的兴奋之情是件棘手的事。研究人员抱怨说，伟大的进步很快就会被遗忘，只要一台计算机学会做点什么，大家就不再把它当成「人工智能」。但与许多高谈阔论的专家相比，这些研究人员对未来的态度往往也更谨慎。原则上，人类能做的所有事计算机没有理由做不到——而且还能做到更多，但那至少是几十年后的事了，光是看看AI机器人组装家具大概就可以了解为什么。
