The tasks that have proved most vex

The tasks that have proved most vexing to automate are those demanding flexibility, judgment, and common sense—skills that we understand only tacitly. I referred to this constraint above as Polanyi’s paradox. In the past decade, computerization and robotics have progressed into spheres of human activity that were considered off limits only a few years earlier—driving vehicles, parsing legal documents, even performing agricultural field labor. Is Polanyi’s paradox soon to be at least mostly overcome, in the sense that the vast majority of tasks will soon be automated?
My reading of the evidence suggests otherwise. Indeed, Polanyi’s paradox helps to explain what has not yet been accomplished, and further illuminates the paths by which more will ultimately be accomplished. Specifically, I see two distinct paths that engineering and computer science can seek to traverse to automate tasks for which we “do not know the rules”: environmental control and machine learning. The first path circumvents Polanyi’s paradox by regularizing the environment, so that comparatively inflexible machines can function semi-autonomously. The second approach inverts Polanyi’s paradox: rather than teach machines rules that we do not understand, engineers develop machines that attempt to infer tacit rules from context, abundant data, and applied statistics.

結果 (繁體中文) 1:

已經證明自動化最令人頭痛的任務是那些苛刻的靈活性、 判斷和常識 — — 我們理解只能默許的技能。我提到以上此約束作為波蘭尼的悖論。在過去十年裡，電腦化和機器人能進入關閉的限制僅在幾年前被認為人類活動的領域 — — 駕駛車輛，解析甚至表演農業田間勞動的法律檔。很快就是波蘭尼的悖論至少大多時候克服，在絕大多數的任務很快就將實現自動化的感覺嗎?我對證據的解讀有很大的暗示。事實上，波蘭尼的悖論有助於解釋什麼尚未完成，並進一步闡明瞭，更多將最終完成的路徑。具體來說，我看到兩個不同的路徑，工程和電腦科學可以尋求遍歷來自動執行的任務，我們"不知道規則": 環境控制和機器學習。第一個路徑規避波蘭尼的悖論通過規範的環境，以便比較死板的機器可以半自主運行。第二種方法反轉波蘭尼的悖論: 教機器規則，我們不了解，工程師們開發了試圖推斷潛規則從上下文、 豐富的資料和應用的統計的機器。

結果 (繁體中文) 2:

已證明最令人頭痛的自動化任務是那些要求苛刻的靈活性，判斷力和常識技能，我們只能理解心照不宣。我提到這個約束上面波蘭尼的悖論。在過去的十年中，電腦和機器人技術已經發展到，只有幾年前駕車被認為是禁區的車輛，分析法律文件，即使在執行農業領域勞動領域的活動。是波蘭尼的矛盾很快就被至少大部分克服，在某種意義上說，任務的絕大部分將很快全自動的嗎？
我的證據閱讀表明並非如此。的確，波蘭尼的悖論有助於解釋什麼尚未完成的，並進一步照射由多將最終完成的路徑。具體來說，我看到兩個截然不同的路徑的工程和計算機科學可以尋求遍歷自動化任務，我們“不知道規則”：環境控制和機器學習。第一條路徑繞過波蘭尼的矛盾由正規化環境，讓相對不靈活的機器可以起到半自主。第二種方法反轉波蘭尼的悖論：而不是教我們不了解機器的規則，工程師開發試圖推斷的背景下，豐富的數據心照不宣的規則機和應用統計。

結果 (繁體中文) 3:

已經證明了最棘手的自動化任務要求的靈活性、判斷和常識的技能，我們明白只有默許。我 上面提到的約束博蘭尼悖論。在過去的十年中，電子電腦和機器人科技已經發展成為人類活動的領域，這一領域被認為是在幾年前的駕駛汽車的限制下進行的，解析法律文書，甚至進行農業領域勞動。博蘭尼的悖論很快就會被克服，在這個意義上，絕大多數的任務很快就會被自動化嗎？我的閱讀的證據表明，否則。事實上，博蘭尼的悖論有助於解釋尚未完成的事情，並進一步闡明的路徑，最終將完成。具體而言，我看到了一個不同的路徑，工程和計算機科學可以尋求遍歷自動化任務，我們“不知道的規則”：環境控制和機器學習。第一條路徑繞過博蘭尼悖論化環境，所以，相對呆板的機器可以自動地發揮作用。第二種方法將博蘭尼悖論：而不是教機器的規則，我們不懂，工程師開發的機器，試圖從上下文推斷隱性規則，豐富的數據，應用統計。