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、几乎用不到什么智力的体力活，比如穿过一个杂乱的房间。宜家机器人就是很好的例子：经人们预先编程的两个宜家机器人用了 20 多分钟装好一把椅子，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通过计算实现。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，国际象棋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 和自动化的影响这一被大肆宣传的议题时，应该要把这一点铭记于心，尤其是当 AI 走出抽象的数据和信息世界、进入实实在在的现实世界时。上月 13 日，电动汽车公司特斯拉（Tesla）的老板马斯克（Musk）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了，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。
如今的 AI 系统在其他方面也有局限。它们是模式识别型（Pattern-recognition）引擎，经过成千上万的例子训练，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，并不像人类那样理解自己所做的事情，也不能在现场即兴发挥解决问题。例如，无人驾驶汽车的制造商一直担心它们的机器在复杂且不常见的「边界情况」（Edge cases）下会如何表现，这些情况在训练中无法预见。
要校正对 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：只要一台电脑能做点什么，这就不再算作 AI 了。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，组装家具可以解释其中的原因。
