有人可能觉得，计算机都进化到这种地步了，岂不是没有人类要做的工作了。其实不然，只有人类能做的工作还剩 3 项。
第 1 项，学习型机器不能设定问题。它只不过是在收到问题后，使用数据提供准确的信息和判断。人类要做的是明确需要解决的问题，执行学习型机器做出的判断。
第 2 项，学习型机器只适用于可以用数值来表示目的、有大量相关数据的问题。但即使我们身处未知的状况，也只能往前走。即使目的地模糊不明，没有过去的数据，我们也只能在迷雾中摸索前行。在这样的状况下，做出决策就是人类的工作。
第 3 项，学习型机器不对结果负责。对结果负责是人类固有的能力。这时人类要做的是考虑第 1 项、第 2 项的限制，判断是否应该使用学习型机器，如果可以使用学习型机器，就需要定义应该解决的问题，并为机器提供合适的数据。不管是否使用学习型机器，对结果负责的都是人类。责任归属于人类，也就意味着工作和技术更是以人类为中心。
今后，那些学习型机器擅长的工作，想必会迅速从人转移到机器。比如对收到问题（目标可以用数值表示的、有大量相关数据的问题）的解决方法进行思考和判断的工作。代表性的例子是软件处理程序（算法）的开发工作。目前人们仍将该工作视为高度智能型工作之一，但学习型机器运用过去的大量数据自动生成算法的时代即将来临。
在将棋软件方面，以前是人把将棋棋谱作为算法编入其中。但最近，机器学习代替了人力劳动，因此将棋软件的水平实现了飞跃发展。
在声音识别和图像识别的开发工作中，也出现了完全相同的情况。多年来，人们认真研究声音韵律和音节结构，并将其编成算法，渐渐改善了声音和图像识别率——这是数不胜数的优秀研究者们一直在做的工作，而且一直被视为高度智能型工作。但是，近几年机器通过学习数据编写的识别算法[研究这种模式识别型问题的方法被称作深度学习（Deep Learning）法]很快就超越了人类编写的算法。这导致机器开始代替人类进行算法开发工作。
一直在从事这类工作的人，应该尽快将重心转移到创设问题的工作上。继续从事这种适合机器来做的工作，风险太大。
随着学习型机器的出现，人类应做之事和不必做之事发生了巨大变化。我们理应将这种变化看作人类和机器之间新型合作关系诞生的过程。通过将合适的问题交给学习型机器，人类解决问题的能力会飞速提升。能有效利用这种方法的人或组织，与不能有效利用这种方法的人或组织将逐渐拉开差距。