总结

　　一旦学会观察一种特定的模式，你就可以开始在任何目光所及之处识别出它来。举例来说，如果所有生物体的进化都是断断续续的——长期的稳定会被短暂的爆炸性改变所打断，这通常被称作“间断平衡”——人类玩的游戏也是如此，这又有什么好奇怪的呢？比如篮球迷们可能会把朱利叶斯·欧文（Julius Irving）在1980年美国男子职业篮球联赛（NBA）总决赛中的反身上篮当作篮球这一运动进化过程中的决定性时刻。冰球球迷们则可能会认为，证明竞技运动最伟大的举动是当你没有接触冰球时的行为，韦恩·格列茨基（Wayne Gretsky）将冰球变成了一项真正的团队运动。

　　认真学习围棋的学生们也可以举出类似的例子，即一名围棋手的复盘。他们这么做是在学习历史经验。著名的有“一子解双征”，这是中国唐代一名围棋大师击败当时来访的日本王子的招式；或1846年的“赤耳之局”，其中冒险的一步棋改变了未来几代人对弈的方式。这些“妙手”（表现出令人惊讶有洞见的棋招，这使得它们获得了某种传奇般的地位）或许数十年之久都难得一见。如此一来，在2016年3月初的一场万众瞩目的比赛中出现了两步或被看成是“妙手”的棋招，这着实不同寻常。

　　人们在提到围棋时总同时提起国际象棋，但两者除了都是两人坐在桌子两端面对面进行的一场战略游戏之外，围棋相比于国际象棋规则更加简单，它只有两个规则，同时也更加复杂，从数量级来说，围棋可能的步数甚至超过宇宙中的原子数量。高水平的围棋棋手将很小体积的黑白子落在由横向和纵向各19条线构成的棋盘上，而初学者可能会选择更为简单的横纵各9条线或13条线的棋盘。无论棋盘大小，最终目标都是占领尽可能多的领地，并吃掉对手尽可能多的棋子。

　　德国国际象棋大师里夏德·泰希曼（Richard Teichmann）曾说过：“国际象棋99%都是战术。”要想获得胜利就要能看出每一步的长久影响。然而，地球上没有任何人能够在面对一张空白围棋棋盘时算出所有361步的所有可能后果。围棋天才似乎都拥有神秘的模式识别技能，并能依靠自己的直觉。在功能性磁共振成像的研究中，围棋选手们掌管视觉意识和全局意识的大脑右半球要比左半球的活动更强。事实上，由于有着无限可能，与国际象棋相比，一幅围棋棋盘更像是画家的空白画布。大约在《旧约》写就的同一时期，发明围棋的中国人一定是这么认为的。围棋与作画、书法、琴艺一同被认为是每一名君子应该掌握的“四艺”。

　　直到最近，围棋的这些特点——接近于无限的可能性、更多依靠直觉而非逻辑，使得编程一台电脑让其能够下围棋成了数学领域一个“艰难的问题”，这其实是“不可能”的委婉说法。这个问题也无法用与解决国际象棋表面上相似问题的方法加以解决。IBM的一个计算机科学家团队花了12年时间研制出了深蓝（Deep Blue），这台电脑拥有击败国际象棋大师的能力。深蓝于1997年取得了成功，它在6局对弈中战胜了加里·卡斯帕罗夫（Garry Kasparov）。深蓝拥有每秒钟分析2亿个棋位的能力，它依靠的是“暴力”（brute force）算法，能够评估每一步棋未来20步的每一个可能后果。

　　每秒钟计算2亿个棋位，这听起来像是一个很庞大的数字，但深蓝却无法挑战能力适中的围棋八段棋手。那360颗黑白棋子所蕴含的可能性之多会令人头晕目眩。全新的游戏理论和数学领域被创造出来，以使我们微弱的大脑甚至能够思考这些问题。对于深蓝这样的使用暴力算法的机器智能，下围棋将需要比我们所处宇宙的1 000兆年预期寿命更长的运算处理时间。

　　2006年，一位名叫雷米·库隆（Rémi Coulom）的法国计算机科学家发表了一篇论文，暗示将发起新一轮的冲击。在20世纪50年代，研究人员已经开发出一种搜索算法为核爆炸的效果建模，它是以蒙特卡洛大赌场命名的。因无法探索每种可能的结果，蒙特卡洛搜索了全体的一个统计学样本。这种算法本身并不能运用在围棋上面，但库隆进一步改善了这种算法，使得这种软件能够识别出一些棋步应该获得比其他棋步更多的关注。其中一些是能够带来更多可能性的节点。库隆对他的蒙特卡洛树搜索算法进行编程，以确定采用哪种顺序下出的棋步获胜概率最大，然后再关注在这一特别节点引发的结果。这使得该软件能够学习成功的游戏模式，而人类棋手通过无数小时的下棋将这些模式潜意识地内化于心。

　　在接下来的几年内，库隆编写的程序“疯狂的石头”（Crazy Stone）开始在其他软件产品中取得压倒性胜利令人印象深刻。2013年，它打败了一名世界优秀专业棋手，但这只是在对方让4子的前提下——这是一名专业棋手对弈能力出众的业余棋手时让子的做法。事实上，围棋界和机器学习界当时的共识是，人工智能达到无须让子便可与人类最强棋手一战的阶段尚需多年的时间。一台机器无法复制能够赋予最高水平对弈以活力的、即兴的、有创造力的天赋才能。

　　这是科学期刊《自然》（Nature）2016年1月刊发一篇轰动性文章之前的事情。这篇文章称，谷歌的人工智能项目——深度思维（DeepMind）已经加入到这场竞赛中来。深度思维开发的程序被称作是“阿尔法狗”，它首先从围棋过往比赛的浩瀚棋谱中学习，而后又通过创新形式的增强学习，不断自我对弈，直至变得越来越强大。这篇文章披露，2015年11月，谷歌组织了一场欧洲围棋冠军樊麾与“阿尔法狗”的5盘对弈。最终比分是多少呢？机器得分5，人类得分0。这是机器学习领域的分水岭时刻，一台计算机首次在没有让子的情况下击败一名职业围棋选手。这篇文章援引了雷米·库隆的话，他原本认为机器真正精通这种游戏还需要10年的时间。另外一名人工智能研究者——乔纳森·谢弗（JonathanSchaeffer）表示，深蓝1989年已经能够经常战胜国际象棋大师，但它仍然又花了8年时间才变得足够强大到能够击败加里·卡斯帕罗夫。

　　“阿尔法狗”也即将迎来它的“卡斯帕罗夫时刻”。《自然》杂志披露，2016年3月，它将与李世石（Lee Sedol）对弈，后者是公认的在围棋界目前最伟大的大师。谢弗对《自然新闻》（Nature News）说：“无意冒犯“阿尔法狗”团队，但我会下注给人类。把“阿尔法狗”看作是少年天才。突然之间，它很快便已经学会很好地下围棋了。但它并没有太多经验。我们从国际象棋和跳棋中可以发现，经验很重要。”

　　并非所有人都对机器无情地入侵人类生活的方方面面欢呼雀跃。在《自然》杂志发表上述文章的那一天，马克·扎克伯格发布了一条帖文宣称，Facebook（脸谱网）也有自己的人工智能，能够在围棋比赛中击败人类。“你为什么就不能放过这一古老的游戏，让它不受任何虚拟玩家的干涉呢？我们真的所有一切都需要人工智能吗？”到2016年6月，这条帖子已经收到了超过85 000条表情反馈和4 000条评论。

　　〇 〇 〇

　　围棋欧洲冠军樊麾是在两名观众的面前完成与“阿尔法狗”的5局对弈的：一名裁判和一名来自《自然》杂志的编辑。李世石是在首尔四季酒店内，面对来自全球各地的电视镜头开始第一局对弈的，它们来观看我们拯救自身存在缺陷、不可预料的人性的最后、最大的希望。李世石下出了一系列冒险、非传统的棋步，他或许希望这些棋步会让一台阅读过大量棋谱的机器猝不及防。但“阿尔法狗”并没有眨眼，逐步掌控了棋局直至最终获胜，抵挡了李世石的进攻行为。其他专业棋手说，情况很快明朗，“阿尔法狗”在伦敦击败樊麾后几个月时间里，已经成了一名技艺更加高超的棋手。

　　在击败李世石一局之后，深度思维团队已经完成了掌握这门一直被认为是人类思考过程真实写照的游戏。突然之间，在整个系列赛中获胜的希望近在咫尺了。

　　在第二局比赛中，李世石表现出刚建立起的对阿尔法狗的尊重，他下棋很谨慎、毫无漏洞。这并非为了要让最终观看这场系列赛的2.8亿名观众惊叹佩服，但在与李世石水平相当的人看来，李世石下出的棋招几乎无懈可击，他的身上也散发出了一股平静却坚定不移的信心。随着比赛进入中盘，“阿尔法狗”做出了不同寻常的举动：它下令让代它落子的人将一颗黑子落在了棋盘右侧的空盘中。这在其他情况下或许说得通，但在当时的棋盘上，“阿尔法狗”似乎在放弃棋盘下部的较量。这历史性的一手棋是人类不可能下出来的，根据阿尔法狗的计算，人类下这一步的概率是万分之一。这一手棋在观战者中间立即造成了震动和困惑。李世石脸色变得苍白，起身离席15分钟才返回。

　　英语解说员也沉默了下来，直至其中一位带有很大保留地说：“这是十分出人意料的一步棋。”

　　与《连线》杂志撰稿人凯德·梅茨（Cade Metz）一同观看比赛的樊麾一开始也与其他人一样感到困惑不解。他告诉梅茨：“这是‘非人类’的一步棋。我从没见过任何人下过这样的一步棋。”正如梅茨后来所说，围棋2 500年的知识集合和认知不会让任何人在系列赛中的第二局下出黑棋第37手，除了樊麾。自从前一年的秋天败给“阿尔法狗”之后，樊麾就花费大量时间帮助谷歌深度思维团队为与李世石的对弈进行训练，这一体验使得他能够理解阿尔法狗的这步棋与它要采取的战略之间的关联。他说：“漂亮。”他又数次重复了这个词语。这已经不仅仅是“手筋”——一步能够让对手卸下提防的妙招。这是兼具美感和战略才华的杰作，或许甚至可以说是妙手。李世石继续下出了几无破绽的围棋棋招，但这并不足以对抗深度思维软件所展示出的令人惊叹的创造性，即便是在第37手之后也是如此。当天结束，头条新闻并不是阿尔法狗赢得第二场比赛，而是它的这一手展示出了如此深刻的人类特性——即兴创作、创造性，甚至是某种优雅和魅力。我们由此得知，这部机器拥有灵魂。

　　〇 〇 〇

　　在人机大战决出胜负几周后，谷歌深度思维背后的人工智能研究员之一——杰米斯·哈萨比斯（Demis Hassabis）在麻省理工学院发表了一次演讲，谈到了这场比赛以及他的团队是如何开发“阿尔法狗”的。这场演讲在麻省理工学院最大的讲堂之一举行，现场座无虚席，许多没座儿的学生都站在墙边聆听哈萨比斯讲述他们在机器学习领域的做法，这使得他所在的团队向那些曾预言计算机需要10年时间才能击败李世石这样的大师的专家们证明，他们错了。

　　关键是将深度学习——一种模式识别，类似于人类大脑（或谷歌）在看过多幅图像之后能够识别出一只猫或一辆消防车——与“学习”聪明地结合在一起，它由此可以从统计数据上猜测出可能会发生什么，或者在围棋比赛中，考虑到过往所有比赛，一名人类棋手可能会在特定的棋势内下出哪一步。这便是一名围棋棋手最基本的模式：从他学习到的历史棋谱的模式中猜测下一步如何走。然后，他们再添加上一种强化学习，让计算机尝试新的东西。就像大脑通过得到多巴胺的奖励进行学习一样，当它做出成功的举动后，便会强化“这是正确的”的神经通路。强化学习可以让一台计算机做出尝试，奖励成功的实验，并由此强化这些战略。“阿尔法狗”也是从最基本版起步的，而后又创造出稍有不同的版本，数百万次地尝试不同的战略，并得出能够获胜的战略，直至其能够击败更好的自己，并逐渐变得更加强大。之后，在与人类专业棋手对抗之后，它还会继续学习，会让人类和自己都变得更加强大。

　　哈萨比斯在演讲中展示出了一项又一项的突破，而身处讲堂内的研究人员此前都曾认为这些突破或许是不可能的。现场的兴奋感显而易见。他还展示了“阿尔法狗”和李世石其他对局的图片和视频。正如大家所看到的那样，第37手并不是系列赛中最后的戏剧性时刻。在第二局对弈之后，李世石也做了功课，根据蒙特卡洛树搜索算法的已知弱点制定了战略。李世石开局便制造“劫争”，即一方提掉另一方的子，迫使其反击或放弃主动权。像李世石这般水平的棋手采取如此进攻性的开局，大多数对手都会被击溃。然而，“阿尔法狗”似乎毫不费力地化解了每一次完美的攻击。一位评论员惊讶地说，观众是不是在见证围棋下法的“第三次革命”。在第176手之后，李世石投子认负，他输掉了整个比赛，也输掉了比赛的100万美元奖金。在比赛之后举行的新闻发布会上，李世石看上去似乎是肩膀承载着代表整个人类物种的压力，他向全球观众致歉。他说，人类必须应对心理博弈，同时又要应对棋盘上的比赛。他不无悲伤地说：“我无法克服压力。”

　　不足为奇的是，第四局比赛在严峻的背景下开战。已经如此轻而易举地将处于创造性巅峰的李世石击败，“阿尔法狗”似乎注定会在最后两盘中横扫获胜。第四局比赛的前半段没有显示出任何不同于此猜测的迹象。然而，李世石做出了出人意料、重大的举动，他在中腹祭出了“挖”的妙招。全球数百万人突然明白，“阿尔法狗”对这一招束手无策，完全不知道如何应对。它下出了几招笨棋之后认输。评论员称，李世石下出了大师级的妙招——可能是他独有的妙手。

　　最终，阿尔法狗获得了5局比赛中的4局胜利。人们或许认为，一台计算机击败了围棋历史上的传奇冠军可能会减少人类对围棋的兴趣，或者让围棋变得不再那么有趣。事实上，在线观看比赛视频的人数超过观看超级碗比赛的人数。围棋棋盘的销量也大幅增长，一名来自麻省理工学院围棋俱乐部的学生宣布，该俱乐部的规模扩大了一倍。哈萨比斯在麻省理工学院演讲时表示，与“阿尔法狗”的互动重燃起李世石对于围棋的兴奋感。

　　很明显，“阿尔法狗”并未让围棋变得不再有趣，反而为这项运动、围棋选手和学者界注入了一股创造力和能量。机器与围棋界——他们授予“阿尔法狗”荣誉九段（围棋棋手的最高段位）——的积极反应和有力关系使得伊藤穰一进一步坚定了信念：未来不一定会出现类似于终结者的智能，由它们来决定人类是不好的存在，必须消灭。未来社会将是人类和机器合作，相互启迪，让集体智能不断扩大。

　　未来学家、经常进行巡回演讲的雷·库兹韦尔（Ray Kurzweil）在他2005年著作《奇点临近》（The Singularity Is Near）中普及了指数式改变的概念。库兹韦尔预测，到2029年，计算机将拥有同人类一样的阅读能力，奇点——机器变得比人更聪明的时刻，将于2045年到来。根据奇点理论，到那时，我们将会亲眼见证“智能爆炸”，机器将能够快速设计出更加智能的机器，出现类似于2013年的电影《她》（Her）中所描绘的场景。

　　机器学习领域的绝大多数专家都相信，人工智能总有一天将会进化到奇点，尽管大多数人与其说身穿男士内衣到诺贝尔奖委员会演讲，也不会像库兹韦尔这样给出如此详细的日期。从技术上说，奇点是函数具有无穷值的那个点，如黑洞中央的时空。在技术上的奇点之后会发生什么？库兹韦尔认为，我们会进入极乐超人类主义阶段，人类和机器之间的界限将难以区分，畅游在地球上的超级智能将解决人类面临的所有问题。贝宝创始人之一、特斯拉汽车（Tesla Motors）发明人埃隆·马斯克（Elon Musk）等人则认为，机器肯定会把人类视作感染地球的转移性癌症，进而将现代人类消灭。

　　我们则支持另外一种更加宽泛的观点：人工智能可能是好的，也可能是坏的。或许与未来世纪可能发生的威胁或好的成果相比，它根本不重要。北极圈一种被称作正反馈的气候过程正在加速北极冰面的融化——如果它的速度比预报得快，我们或许将面临一场让我们回到黑暗时代的全球灾难。或许一群虚无主义黑客一下子彻底摧毁全球金融市场，引发大恐慌以及广泛的冲突。或许还会出现类似于14世纪的黑死病的大规模全球流行病。

　　大灭绝事件并不像看上去那样不可能。毕竟此前曾经发生过。据估计，大约7 000年前的火山爆发将全球人类人口数量减少至一座小城镇那样多。尽管如此，我们支持一种不那么悲观的观点：与1896年的“动画图片”的观众们可能将预计到《公民凯恩》的出现相比，我们并不能更多地理解新技术最终的用途将带来什么影响。本书的重点并不在于用可怕的未来景象恐吓你。这种想法就像设想开普勒-62e行星有生命迹象一样有用。

　　由于人工智能被用作从Siri到特斯拉汽车等所有一切事物的标签，我们认为这一问题解决类的人工智能是“狭义的”或“专业化的”人工智能，以区别于通用人工智能（AGI，artificial general intelligence）。人工智能专家本·格策尔（Ben Goertzel）提出，通用人工智能将是可以申请大学院校，被批准入学并获得学位的一台机器。

　　专业化的人工智能与通用人工智能之间存在许多差别，但二者均非编程而来的。它们可以被“训练”，或者说它们会“学习”。专业化的人工智能是被工程师们仔细训练过，他们调整数据和算法并不断测试，直至其能够完成特定的事情。这些人工智能是没有创造力的，它们被严格地管理，它们的应用范围很狭窄。

　　在我们达到通用人工智能之前，仍需要在机器学习和其他领域实现数十项进步，但“阿尔法狗”已经实现了其中几项进步。它看上去具有创造性，能够通过统计学系统得出某种数理逻辑。这一成就的重要性怎么说都不为过，许多人不相信，你可以从深度学习中实现符号推理。

　　然而，尽管“阿尔法狗”很聪明，也很有创造力，但它只能在围棋上击败你，而不是国际跳棋。它的全部表达和想象只是有着横竖各19条线的方格以及黑白子。在“阿尔法狗”对去夜店或参加竞选感兴趣之前，仍然需要实现很多的技术突破。事实上，我们或许永远也不会拥有能去夜店或参加竞选的机器。然而，或许不需要太长时间，“阿尔法狗”便可以决定假释、设定保释金额、开飞机或教我们的孩子。

　　随着人工智能的不断进步，机器或许将成为我们的身体、家庭或交通工具、市场、法院系统、创新工程和政治不可或缺的一部分。我们作为社会整体已经比作为个体更加智慧了。我们已经是集体智慧的一部分。随着机器不断融入我们的网络和社会，它们将成为我们自身智慧的延伸，带领我们进入到更加广阔的智慧中去。

　　一些奇点主义者（Worst. Cult. Name. Ever.——有史以来最糟糕的名字）认为，不会需要太长时间，人工智能就会变得足够优秀，乃至让许多人类失业。这或许是对的，尤其是从短期来看。然而，其他人则认为，生产力的增长将使得我们创造出一种普惠的基本收入，为因机器而失业的人们提供支持和保障。与此同时，也有很多人担心，我们的工作给了我们尊严、社会地位和体系，与仅仅提供收入相比，我们需要更加关心如何自我娱乐以及通过学术或创新努力创造出什么。

　　我们还必须自我发问，人类和机器如何共同合作，我们如何确保人们会感觉生活在他们身边的人工智能拥有与他们相同的价值观，并反映出他们的道德，即便它们在不断进化。一种前景被看好的做法是如媒体实验室可扩展合作研究小组负责人伊亚德·拉万所说的“众机回圈”（society in the loop）式的机器学习，即通过社会规范来训练和控制人工智能，这或许将产生一种人类和机器协同进化的体系。

　　今年，美国国防部为人工智能编制了36亿美元的预算。然而，学术界和产业界的人工智能研究人员都呼吁，机器以及制造这些机器的人能够与公众开放地展开讨论。问题是，是否存在开放社会打造通用人工智能的努力与更加秘密的、由军方控制的打造人工智能的努力之间的竞争？随着私人公司变得越来越有竞争力并逐渐接近“答案”，人工智能领域开放研究的黄金时代是否正在走向终结？

　　这些事件将在未来几十年内逐一展开，或许会比本书中讨论的其他事物更能够影响整个世界。无论发生什么，奇点主义者们在一件事情上是正确的：以指数速度发展的并不仅仅是技术，改变自身也在以指数速度发生。改变是技术带来的产物，同样也是其他发展带来的产物。在过去25年间，我们已经从一个由简单体系占据统治地位的世界进入到被复杂体系所困扰和阻碍的世界。

　　在序言部分，我们已经解释了这一转变的背后因素。它们分别是复杂性、不对称以及不确定不可预见性。我们将会总结我们的目标，它的雄心不啻提供一份21世纪的用户说明书：打造建立在弹性、灵活性和教育失败基础之上的机构。

　　〇 〇 〇

　　我们初次见面打算写这本书是在2012年春天的一个大风之日。那是周日的下午，麻省理工学院媒体实验室外的街道空无一人。之前一年的秋天，伊藤穰一被任命为媒体实验室的主任，媒体实验室有着传奇般的地位，是驱动信息科技的诸多技术创新的起点。伊藤穰一从他临时居住的波士顿南区的公寓骑车过来（他最后在剑桥市购买了一栋房屋，但他在同一地停留的时间不超过两三天）。我们的出版经纪人约翰·布罗克曼（John Brockman）建议我们见一面。我们略显尴尬地握了握手，然后就上楼去了媒体实验室诸多玻璃会议室中的一间，看看我们是否想要共同写一本书。

　　当天结束，一些主题已经出现。我们都对这个世界充满好奇心，我们也都不是通过常规路径进入到学术界，这意味着我们没有会折磨学者一生的学科式狭窄视野。伊藤穰一在读大学时辍学，并作为一名企业家和博客作者建立了他的知识信用。杰夫在哈佛大学的研究员职位使其获得美国东北大学终身教职之前，他长期为《连线》杂志撰文。

　　我们两人过去几年一直在同大量决策者对话，从财富500强公司的经理到联邦调查局特工，再到外国领导人。我们的个人经历也使得我们担心，大型机构是否有能力安然度过人类历史的决定性时刻，即我们自己的历史时刻。我们也都相信，未来会发生远超普通高管能理解的激进、动荡变革，这进一步加剧了我们的担忧。

　　在我们见面的第一天，我们也都表达了对于未来主义领域的怀疑。人类对于预测未来事件有着可怕的记录，预言的喧嚣在未来只会变得更加猛烈。

　　或许最重要的是，我们发现，我们实际上都“关心”世界。通常来说，为新观点而绞尽脑汁的书似乎都在外科式的超然态度与可疑的激情演讲之间摇摆。我们想要写出一些新的东西，能够将严谨的治学与更加个人化的工作热情结合起来。

　　我们在第一天谈论的观念成了本书中的架构原则，这些原则在具体方法中也十分重要。人们的生活处于生死存亡的关头，整个产业处于危险之中。关注拥有巨大经济和社会价值组织不知不觉地就卷入历史的圆锯中解体，这与其说是我们晚餐聚会的聊天内容，还不如说更像四级火警。

　　我们并不是要向你兜售一种组织工作日或运动养生的方式，我们也肯定不是要让你相信我们的未来观，因为我们自身也没有这些，除了我们坚信未来将与我们现在居住的世界完全不同。我们的确要表达一个观点：创新并不是学习如何利用社交媒体产生潜在客户。根据全球网络化来修正企业也不仅仅要为管理团队购买昂贵的电话会议设备。相反，我们认为，这需要一种更加深刻、更加基础的变革：一种全新的思考模式——一种堪比四足动物学习用两只后腿站立的认知革命。

　　〇 〇 〇

　　思考这些原则的方法之一是，它们是通过对两个简单而又影响深远的因素推动人类与世界相互作用方式发生重大变革的观察所得。很明显，第一个因素便是互联网的发展，它与此前任何一种通信技术均不相同，它不仅提供了多人对多人的连接，而且也提供了一人对多人的连接。英国经济学家罗纳德·科斯（Ronald Coase）提出了著名的论断，阐释了在公开市场上，公司能够比独立代理人更好地配置和管理资源。尤查·本克勒（Yochai Benkler）在“科斯的企鹅，或者Linux操作系统和企业的性质”（“Coase's Penguin, or Linux and the Nature of the Firm”）一文中表明，当合作成本下降时，就像Linux操作系统和维基百科（Wikipedia）那样，人们将把自己分配给这些项目，这将比自上而下和有组织的公司更加高效地创造资产和机构。他把这称为“共同对等生产”。这一资产负债表外的、视线以外的、不属于我们国内生产总值一部分的创造力的爆炸增长正在接管更大的世界。每一个卷入其中的人不仅是生产者，同时也是消费者，不仅是工人，同时也是经理。金钱只不过是你需要增加的众多货币之一，在这样一个需要并且奖励关注、声誉、网络、学习、创造力、意志的世界快乐地生活。突然之间，我们全都成了广播员、出版商或者即将成为的煽动家。

　　现在，大多数学术领域内的进步似乎都以“瞬间”的速度发生，许多发现都以令人眼花缭乱的速度建立在彼此之上。然而，没有什么可以比拟私人行业的进展速度。过去10年中最有价值的初创公司最初都是硅谷里类似酒吧打赌的产物。6年后，优步（Uber）的估值达到了625亿美元，超过了赫兹租车和其他所有大型汽车租赁公司的总和。然而，与大多数市场价值超过多数岛屿国家的公司相比，优步似乎只依靠很少的员工，大约只有1 000名雇员。这与沃尔玛在宾夕法尼亚州利哈伊谷的配送中心的雇员人数相当。

　　这一切都证明了互联网和摩尔定律结合在一起之后所发生的事情。它们将一些定量测度（速度、成本、规模）变成了定性事实。例如，当深圳的一些工程师能够以大规模、低成本试制一款新的产品，进行焦点小组调研并进行配送，这不是小幅度的改变。它并不代表银行的“新收入模式”，银行可能几年前为他们提供了小额商业贷款。他们还想办法绕过了令大型公司无能为力的管理规定。现在，银行和政府被整体推出了循环。这是性质上的变化，而非数量上的改变。

　　下一步会怎样？你不知道？猜猜看。其他人也不知道。没有人能够预测未来。事实上，专家和所谓的未来学家有着最糟糕的记录——表现甚至不如那个长期存在的竞争者——随机猜测游戏（Random Guess）。

　　这很好，原因在于，维系与不确定性的健康关系是贯穿这些原则的重要主题之一。在过去几年中，人类一直都被轻松击败，但这与我们即将面对的事相比算不了什么。例如，成功的机构不会与庄家对赌季度销售数字，它们知道下一次可能就将遭遇黑天鹅事件。它们或许不会下大赌注，而是会选择采取投资组合的战略，在不同的产品、市场或观点中下小额赌注。

　　如果说工业时代是关于命令–控制式的管理系统、等级制度和事实，网络时代的逻辑则反映了我们——美国人，同时也是全人类——数十年来不断重估自己在世界中的位置。我们认识到，我们无法命令或控制天气；事实上，我们在控制自己创造的复杂系统领域也鲜有成功；在保护敏感网络免遭网络袭击或利用货币政策影响市场方面同样如此。如果说本书中的各派研究人员、科学家和思想家在一件事情上或许能达成共识，那就是，我们现在学习到了足够多的知识，以至发现自己的所知依然十分有限。很难相信，1894年，后来获得诺贝尔奖的物理学家阿尔贝特·迈克耳孙（Albert Michelson）曾经说：“看上去，绝大多数最为重要的基础科学原则已经牢固地确立了。”他似乎认为，剩下的就只是一些零碎的事情。在30年的时间里，相对论将让所有此类言论成为狂妄自大的荒唐表现。

　　世界正处在根本结构性变革中。我们必须具备这样一种能力，即下意识地适应和发现因为不适应我们的旧习惯而被忽视的事情。我们正在经历整个世界发生大变革的阶段，在我们的有生之年，世界可能因为人工智能而发生天翻地覆的改变。

　　人类从根本上来说是具有适应性的。我们创造的社会更加重视我们的生产力而非我们的适应性。这些原则将有助于你做好准备，变得更加灵活，能够学习新的角色，并在它们不再管用的时候将之抛弃。当我们为追求速度放弃跑鞋选择超音速飞机时，如果社会能经受住最初的爆击，我们可能依然发现，这架飞机上的风景正是我们所一直追寻的。