隐藏的行为

    ——塑造未来的7种无形力量

    [美]托马斯·科洛波洛斯 [希]乔治·阿基利亚斯 著

    闫丛丛 李谨羽 译

    中信出版集团目录

    序言

    第一章 行为何以成为新的全球货币

    剃须刀片

    我们何以成了“刀片”

    行为技术的诞生

    第二章 预言机器：为何不能沿用老办法解决新问题

    你的数字自我

    文化再现

    钟与云

    可拆解的钟类问题

    无解的云类问题

    第三章 大胆曝光：人们如何爱上公开隐私

    可接受的未来

    窥探的眼睛

    我什么也没做错

    谁在监视谁

    第四章 将来完成时：与车对话

    未来触手可及

    驶入公路

    电梯司机

    智能行为

    通往自主之路6分钟的恐慌

    未来的基石

    信任的基石

    广泛分布式的未来

    第五章 摩擦和工业时代的终结：行为如何重塑企业

    数字生态圈

    数字变革

    摩擦的终结

    被过去所挟持

    模糊的商业界限

    掌握生态圈的触点

    围墙花园

    助力经济发展的生态圈燃料

    第六章 超个性化：为百亿人打造未来

    我的可乐

    数字化的作用

    你并非自己所想的那样

    个性化代言人

    机器人

    犯错的狗

    第七章 忠诚品牌：大众化营销的终结

    扭转品牌危机

    驾驶行为

    有个性的汽车

    第八章 数字窘境：保卫未来

    虚拟货币关联

    你是否知道自己是谁

    机器人规则新武器竞赛

    没有终点线

    致谢致吉奥塔(Giota)：一生的对话

    以此纪念安德烈亚斯(Andreas)，你的善良、睿智和对文字的热爱，给了我无限的惊喜。序言

    生而为人，注定做不到世事洞明，每当面临重大的变革，我们

    往往只看到注定会被颠覆的已知领域。面对茫茫的未知领域，我们

    却因害怕失去而心生畏惧，看不到同时还有收获喜悦和满足的可能

    ，更不会因此感到欢欣鼓舞，只因我们尚未亲身经历。 [1]

    ——玛丽亚·波波娃(Maria Popova)

    当今世界正面临历史上最深刻的变革：从工业社会过渡到一个对新

    型知识资本和行为有深刻认识的社会，这里所说的行为既包含人类自身

    的行为，也包含人类所创造的智能机器的行为。

    本书的写作前提很简单：原有的经济、商业和社会发展的工业模式

    ，其基础是机械有序的世界观。没有个体，只有千篇一律的市场。在其

    快速发展的背后，是与多种复杂因素和法律监管之间的巨大摩擦，并且

    因为大肆掠夺自然资源，给生态系统造成了严重的影响。

    19—20世纪的工业时代，人们制造了大量用于批量生产的工具，旨

    在为大众市场开发并提供易于复制的商品和服务，这种方法十分奏效。

    自19世纪初以来，世界人口从10亿增长至70亿，全球人均GDP(国内生

    产总值)从1 669美元增长至超过10 000美元 [2] ，美国人均GDP从2 4

    00美元增长至超过60 000美元。 [3]

    凭借千篇一律的大规模生产，交通、住房、消费、商业、医疗、教

    育等社会事业均以空前的速度发展。

    但工业时代的机械化模式已逼近极限，臃肿、低效，数百亿人的需求难以满足。随着新体系和不确定因素不断涌现，我们需要改变僵硬的

    、机械的“解决”问题的方式，转换思路，以应对那些不断变化且根本

    “无法解释”的行为。

    我们并非要将传统的工业模式全部摒弃。在未来，自动化、生产、供应链、分销和运输领域的进步仍将逐步提高生产力，只是人们不能再

    指望两个世纪以来的增量和同样的问题解决途径能够再延续200年，否

    则等待人们的将会是经济、生态和社会的全盘崩溃。

    这一变革的核心正是本书的中心思想，主要包括两大颠覆性理念。

    其一为新技术，诸如人工智能(AI)和自动化设备等，能详尽解析所有

    事物的行为，这是人类无法做到的；其二为针对工业时代一些最基本框

    架的全新思维模式：人们如何解决问题，如何运输、出行，如何保护知

    识产权、不动产权、数字产权，以及如何创造符合人类需求和价值、高

    度定制化的产品和忠诚品牌。

    人们普遍认为现有的诸多商业原则是工业社会摩擦的必然产物，我

    们的目的就是挑战这些原则。在这个过程中，我们试图消除对新技术和

    变革的畏惧，但与此同时恰好也增加了这种畏惧。

    其实，许多即将到来的变革都有一个独特之处，这也正是本书的论

    点：它们都是无形的。想要看见这些无形的变化，了解行为背后真正的

    驱动力量，就必须抽丝剥茧，透过层层的理解和猜测去探寻。

    两个世纪以来，人们见证了诸多伟大的科技进步：飞机、汽车、流

    水线和自动化生产、医学诊断与疗法等，但在未来的200年里，引发变

    革的最深刻、最有创新意义的技术和机制，将是你我都无法看见的。它

    们将深藏于各类设备之中，而那些设备看起来将与我们今天的设备别无

    二致。

    人们仍将使用轿车、卡车、公共汽车、飞机、轮船和火车等交通工

    具，使用电脑处理大部分业务和流程，通过网店、实体商店和小杂货铺

    买卖商品和服务，在楼房和公寓内居住，在写字楼里上班。货币仍将维系全球贸易发展。公司依旧要向其所有者和投资者发行股票。工厂还会

    继续生产货物、提升生产力、优化全球供应链等。然而，对未知世界的

    茫然仍将极大地左右我们的决策。

    这似乎不是我们应许过的那个未来，对吗？没有飞行汽车带我们在

    城市上空穿梭，没有机器人管家为我们收拾打理，更没有空间传送器让

    我们瞬间转移到另一个大陆或星球。

    几乎各种版本的未来世界都把重点放在了“表象”上，就像“杰森

    式”(Jetsonian)的私人飞行器、机器人宠物和用人，还有悬浮在云

    层上耀眼的城市。 [4] 毕竟，人类是视觉动物，形象就是卖点。

    不过，我们不妨停下来思考一下过去60年来发明和科技进步的轨迹

    ：越来越多的创新都是不可见的——电力、无线电、晶体管、软件、无

    线通信、新的化学制品、基因组学等。然而，这些创新都对我们的生活

    产生了深刻影响，只是即便手握晶体管，也很少有人知道那是什么。如

    果你正在阅读本书的电子版，你其实是捧着数百万的晶体管。

    越来越多无形的创新正在改变我们的世界。有的改变是基于人工智

    能或机器学习的创新，或是像自动驾驶汽车(Autonomous Vehicles，A

    Vs)一样，通过监测环境，做出调整，制定海量微小的决策。有的则来

    自对人类、自然界以及人造体系的行为的观察和剖析。但不管是哪种形

    式的创新，多数时候人们对视线之外的事情一无所知。改变未必是我们

    看得见的部分，也可以是带给人们体验的无形力量。

    那么，为什么要揭示这些隐藏的力量？难道仅知道它们的确有用还

    不够？毕竟，真正了解或在意晶体管如何工作的人很少，在大多数人看

    来，它只要能工作就行。之所以需要揭示这些隐藏的力量，是因为我们

    所面对的，不再是单纯根据人们的指示工作、对人类无知无觉的机械化

    设备。我们要讨论的技术，已经能够对我们有所认识，并且能创造它们

    自己的世界。它们能自行做出对社会、商业和生活产生深刻影响的决定。它们会学习、演化，甚至威胁人们最神圣不可侵犯的地带——隐私，披露人们最私密的思想和行为。简言之，它们会给世界带来前所未有的

    、颠覆性的改变。

    研究这些技术的挑战在于，人们往往高估其风险而低估其价值。例

    如，根据美国汽车协会(American Automobile Association)的数据

    ，78%的人对自动驾驶汽车心怀恐惧。但同时，有59%的人希望自己购买

    的下一辆车具备自动驾驶的性能。这一矛盾恰恰说明，人们对自动驾驶

    汽车的风险和价值知之甚少。

    此外，皮尤研究中心(Pew Research Center)近期做了一项研究

    ，对461位成人的多种行为进行跟踪调研，调查对象包括他们的购物优

    惠卡、医疗记录、视频观看记录、社交媒体及车辆保险等，结果表明，关注隐私和不关注隐私的人数几乎各占一半。 [5] 在每一例调研中，受访者都会被告知，如果他们提供自己的行为数据，就可以获得一定的

    折扣、产品及服务推荐等。也就是说，对半数的人来说，这足以让他们

    放弃些许隐私。

    很显然，人类正处在十字路口，主要原因在于对人工智能的价值和

    风险缺乏全面认识。因此，无论是个人、员工、客户、企业家还是领导

    者，都需要进一步认识这些隐藏的力量，了解它们究竟将如何塑造未来

    、塑造人类。

    生活中处处都有揭示隐藏的力量(见图0.1)的情景，我们仅选取

    其中几个最能说明当前的挑战和机遇的例子。这些情景会带来翻天覆地

    的变化，进而为未知的将来指引方向。图0.1 隐藏的力量

    图0.1说明：我们所讨论的揭示隐藏的力量，是指解析人们自身、他人、机械设备、物体以及相关机构的数字行为的能力。每个个体都能有一个与其他数字对象互动的

    数字自我(digital-self)或数字孪生体(digital twin，其数字行为的合集)。

    人们可能看不到或无法理解这些对象之间复杂的互动，它们与人们传统观念中有形

    世界的运作方式存在极大的差异，但计算程序和人工智能很容易理解这些行为，并

    据此对将来的行为做出预测。我们相信在未来100年内，创新的巨大价值将源自对本

    书所述的隐藏的力量的解析和应用。

    行为商业工业时代是一个去个性化的时代，个体的意义只存在于人口统计数

    据、一代人、消费者群体，以及尼尔森收视率调查(Nielsen rating)

    中。但如今，市场不再是人口粗略统计数据下的条目。美国普通小镇上

    的普通家庭，平均每家有2.5个孩子，这样的描述只是为了掩饰一个事

    实：我们其实不能理解个体的行为和需求。

    到此为止吧。

    人们已经开始将颠覆性的新技术用于收集和了解那些未曾认识到的

    行为，这赋予了人们超乎想象的洞察力，让人们借助社交媒体、移动设

    备、穿戴设备、内置传感器等组成的全新的数字生态圈，重新认识自己

    的生活，而这些都在为向个体提供持久、超个性化的产品和体验创造可

    能。

    人工智能

    不仅仅是人类的行为可以被收集和分析，很快，每个人、每种数码

    产品都会有一个数字自我——一个可以和其他数字实体交流、互动、协

    作的数字孪生个体。自动驾驶汽车、智能设备及智能机器将会展现出它

    们独特的行为模式，它们将会通过学习和进化，更好地了解人们原本看

    不到的复杂世界是如何运行的。

    但是，我们害怕人工智能。特斯拉的CEO(首席执行官)埃隆·马

    斯克(Elon Musk)曾将研究发展人工智能比作“打开了潘多拉魔盒”。本书将尝试消除人工智能带来的恐惧。我们的目标是证明：我们需要

    人工智能，它是人类不可或缺的合作伙伴，如果没有人工智能，人类所

    要面临的风险将远远超过它可能带来的任何潜在的威胁。

    自动化设备毫无疑问，自动化设备的演进是我们要重点探讨的一个领域，其中

    最著名的就是自动驾驶汽车。运输工具是工业时代最伟大的产物，它的

    出现实现了人、货及原材料的快速转移，它对商业、城市化和自动化发

    展的贡献是任何工具都无法比拟的。但同时，它也是碳排放的元凶，是

    威胁生命安全的第一杀手，对车主本人来说，汽车算是其资本使用效率

    最低的一种选择。 [6]

    与此同时，人们已经对汽车的外观和价值的衡量标准达成了共识，从满足驾驶汽车的需求，到根据“乘客座位朝前”的配置来界定(和限

    定)腿部的空间，再到高性能跑车带给人风驰电掣的驾驶体验，人们对

    汽车的评价始终基于一个先入为主的观念——我们应该要什么。

    自动驾驶汽车最大的影响在于，它将重新定义我们对汽车、汽车的

    用途及表现的认识，为100亿人重构一个高效、安全、环保、可持续的

    运输环境，届时很多人可能就不会再有“汽车该是什么样”这种固化的

    认知模式了。

    数字生态圈

    工业时代造就的生产工具效率极低。商业宛如一艘远洋巨轮的锅炉

    房里相互啮合的齿轮，毫无美感可言。它需要不断地进行人为干涉，还

    制造出了错综复杂的程序、规范、中间商、经理人等各种形式的摩擦力

    ，而人们也已经理所当然地把这些摩擦力看作工业社会运作必不可少的

    一部分。想掉转这些大船的行驶方向以探索新的市场、满足新的需求，就如同试图让在黑暗中全速前进的泰坦尼克号掉转方向避开冰山一样，其反应和行动都太过迟缓。当大型产业中的各企业在面临不可避免的冲

    击而苦苦支撑时，总会登上高高的瞭望台，凝望未来，发出这样的感慨

    ：“为什么它还不转向？”

    更糟的是，我们开创了各种行业来创造就业，正因这些摩擦力导致

    逐渐在公司层面发生转变。

    们对每一个消费者的忠诚度的方法，诸如品牌忠诚度这样的概念会

    ·随着企业争相寻觅能够通过对用户行为模式的了解来证明它

    应的疗法。

    ·超个性化的医疗服务将可以根据人们的个人基因组，匹配相

    善我们的健康情况。

    ·人工智能的内置装置将可以预测我们的需求，预测疾病，改

    有的安全和机动性的驾乘体验。

    ·自动驾驶汽车将会大大降低运输的生态影响，创造出前所未

    ，有时饱受非议——有时甚至难以察觉。比如说：

    好的一面是，所有这些都不是突变，而是会逐步发生——有时大张旗鼓 远非我们现在所能预见的，而它们所带来的益处也一样难以预见。不过

    所有这些转变(以及后面会讨论的其他改变)都将会是颠覆性的，的需求。

    的机会：消除这种摩擦，创造一个新的数字生态圈，专注于每一个个体

    乏对消费者个体的深入了解，以及糟糕的消费者体验，创造了一个巨大

    商业伙伴网络的整合日益复杂、过多的管制、不能快速地适应、缺

    到20年(2017年统计)。 [7]

    标准普尔500指数的平均上榜时间已经从20世纪50年代的60年减少至不

    际上，瑞信(Credit Suisse)最近发布的一项报告指出：一家公司在？除非你的公司成立不到10年，否则它很有可能不再是现在的样子。实

    ，不妨想一想：如果可以重新设计你的公司，它还会是今天这个样子吗 工业时代的模式已不再适合当今的数字技术或市场，若你对此存疑 生的“热”才得以生存。

    中间商等的存在不是为了减少摩擦力，恰恰相反，它们正是依靠摩擦产

    的低效，某些人才不至于失业——金融机构、政府监管机构、代理商、9]

    那么，就把这作为前奏，一起来揭开未来的面纱吧。

    过我们什么提示，那就是它的发展总比我们想象的快!

    在的新技术，而是我们对新技术带来的新行为的接受能力。如果历史给

    决定这些想法何时才能进入我们的主流世界、商界和生活的不是潜

    的终点？

    ，当然，问题是何时我们才能实现所有的构想？何时我们才能抵达旅途

    出它所有的脉络。最重要的是，书中的描述在现实生活中已经顺利开展 没有云中的城市)，但这个故事会有很多条线索，我们要尽己所能描绘

    行道。我们会尽量不要太过天马行空(没有空间传送器或飞行汽车，也

    这一过程当然不免蜿蜒曲折，但未来从来都不是一条畅通无阻的直

    都将得以重塑。

    这就是我们将会推动的那种转变：通往未来的旅途中，商业和社会

    [？同样，听起来似乎荒诞不经，但这就是过去70年实际发生的情况。 来的70年，电脑设备的数量会以9个数量级的速度增长，你会做何感想 产出反而提高了2 000%。 [8] 这还不够震撼是吗？如果我们宣布，未

    实情况——从1900年占国家整体就业的38%下降到了今天的2%，而农业

    减少95%，你会做何反应？但这是美国的务农人员在过去100年经历的真

    能力。如果我们告诉你，100年后，知识经济领域的工作人员占比将会

    这些听起来令你难以置信吗？那你当真低估了我们重塑未来世界的

    为快速响应、适应度高、以客户为中心的生态圈体验。

    ·新的数字生态圈将消除摩擦，把工业时代僵化的商业模式变

    决的难题。

    行为模式，人工智能将开始解决我们这个时代存在已久、最亟待解

    ·通过发现我们周围复杂的自然系统和人造系统中那些隐藏的[1] Maria Popova, “The Vampire Problem: A Brilliant Thought Experiment Illustrating the Parado

    x of Transformative Experience,” Brain Pickings, accessed October 2, 2017,https:www.brainpickings.

    org20170913transformativeexperience-vampire-problem?utm_source=Brain+Pickingsutm_campa

    ign=8345b247c8-EMAIL CAMPAIGN 2017 09 15utm_medium=emailutm_term=0_179ffa2629-8

    345b247c8234634073mc_cid=8345b247c8mc_eid=a59a59f2a9.

    [2] Bairoch, Paul. Economics and World History: Myths and Paradoxes . ) Chicago: University of

    Chicago Press, 1999). 转换为2016年美元。

    [3] Bairoch, Economics ... 转换为2016年美元。

    [4] 我们将之命名为“杰森式”，借此向20世纪60年代面向未来的动画片系列中的《杰森一家

    》致敬。

    [5] Lee Rainie and Maeve Duggan, “Privacy and Information Sharing,” Pew Research Center , Ja

    nuary 14, 2016, http:www.pewinternet.orgfiles201601PI_2016.01.14_Privacy-and-Info-Sharing_FI

    NAL.pdf.

    [6] 在第四章中，汽车在整个人类可能的主要致死原因中位居榜首。

    [7] Michael Sheetz, “Technology Killing off Corporate America:Average Life Span of Companies

    Under 20 Years,” CNBC , August 24, 2017, https:www.cnbc.com20170824technology-killingoff-c

    orporations-average-lifespan-of-company-under-20-years.html.

    [8] J.M. Alston et al.,Persistence Pays: U.S. Agricultural Productivity Growth and the Benefits fro

    m Public RD Spending (New York,: Springer-Verlag, 2010), http:www.springer.comusbook97814

    41906571.

    [9] Dan Keldsen and Tom Koulopoulos, Gen Z Effect: The Six Forces Shaping the Future of Busin

    ess (Brookline, Massachusetts: Taylor and Francis, 2014).第一章

    行为何以成为新的全球货币

    “人已成为其工具之工具。”

    ——亨利·戴维·梭罗(Henry David Thoreau)感器、电子设备、你开的车，甚至当你的目光扫过杂货店货架时眼球的

    不妨想想，你每天浏览的网站、使用的智能手机及应用、家中的传

    为作为货币换取其服务。

    实谷歌通过邮箱获得这些人的数据几乎没有任何成本，是你拿自己的行

    是我最隐私的想法和通信记录，给你看”的人，可能连6%都不到。但其

    中，会把自己过去一年来邮箱的使用情况告诉街边的陌生人，说“这些

    的美国人都有Gmail(谷歌的免费邮箱服务)账号，不过在这60%的人

    息，有时甚至有意为之，不过多数时候还是在不知不觉中放弃的。60%

    明确的好处而暴露自己的交易。然而，人们依然心甘情愿地放弃那些信

    从表面上看，这似乎是一桩非常不划算的交易，一桩为了某些尚不

    化且一贯坦诚的你。

    活方式，充分地体现了你最真实的一面：一个脱离了肉体、丝毫不情绪

    其所有者，也没有接触的途径。但在诸多方面，它基于你每时每刻的生

    合集。你无法给数字自我下定义，至少无法有意为之，因为你尚且不是

    突然间，每个人都有了一个数字自我，它是人们个性化行为的数字

    习惯中找出隐藏的深层次规律。

    科技基石，算法工具能够从人们浏览网页、购物、健身、饮食及驾驶等

    在这个过程中，行为逐渐成为算法驱动下的新型资本、商业模式和

    放弃自己的个性和最私密的时刻，这犹如一场看不见的交易。

    网络连接、轻松消费和超个性化体验的产品、服务和应用，人们正逐渐

    要搞懂你，而且是要推测你的行为。为了能享受全天候提供知识信息、的行为记录像商品一样被买入，最后被卖给出价最高者，其目的不仅是

    储在巨型仓库中并进行分析，这些巨型仓库俨然已成为数字金矿。人们

    人们在数字世界和实体世界中的行为，正以空前的速度被记录、存

    为21世纪最有价值、最令人垂涎的商品——来解析人们的行为。

    鉴于此，本书开篇第一章将探讨企业如何利用“你”——即将迅速成

    理解行为是21世纪的制胜法宝。运动，从以上种种细节中，每天能捕捉到超过250条关于你的生活和行

    为的数据。 [1]

    截至2020年，地球上平均每人每秒将产生约1.7兆字节(Megabyte

    ，MB)的新信息。 [2]

    令人惊讶的是，当今世界上90%的信息都是在

    过去短短两年的时间内产生的。这些信息的来源无处不在：用于收集购

    物行为的传感器、上传到社交媒体网站的信息、数字图片和影像、购物

    交易、手机定位信息及GPS(全球定位系统)信息等。

    2010年，德国政治家马尔特·施皮茨(Malte Spitz)想了解德国电信

    公司(Deutsche Telekom)对其手机使用情况的掌握程度，于是提出上

    诉，要求后者提供其个人手机使用记录。为了大胆揭示信息的详尽程度

    ，施皮茨向《时代在线》(Zeit Online )提供了六个月的历史记录，后

    者根据施皮茨的通话、短信、社交网络及网页浏览等信息，绘制了其在

    此期间的详细出行地图。 [3]

    施皮茨的信息包含超过30万个数据点，相

    当于平均每天有约2 000个数据点，而且这仅来自他个人的手机及公开

    的历史浏览记录信息。

    这些数据究竟有多大价值？预估结果相去甚远，每个人的信息价格

    是1~12美元不等。 [4]

    这听起来似乎不算什么，无非相当于一个小份比

    萨的价钱，甚至在纽约，估计只够买一块比萨。这就像那个由来已久的

    游戏：根据身体的化学元素构成来估计人的价值，结果约为4.5美元。 [

    5]

    恐怕多数人都不会接受，这样一个数字怎么能代表具有意识和生产力

    的人类的准确价值呢？对数字自我而言也是同样的道理。

    虽然获得一个人的数字自我的数据或许仅需12美元，但就获得这些

    数据的公司而言，其价值至少是这个价格的20倍，具体取决于这些公司

    自身的价值。

    有一个更为直观的衡量方法就是，将各大社交媒体公司的市值分摊

    到每个用户身上。如图1.1所示，单位用户带来的平均市值不低于100美

    元。一两百美元看似不多，但获得的“你”的信息将会不断增值，目前还

    没人能计算出结果。

    图1.1 数字自我的价值

    图1.1说明：目前行为商业尚在起步阶段，要弄清楚数字行为的价值非常困难。不过

    大致可以根据主要的社交媒体公司的市值，以及每个公司拥有的用户数量来衡量。

    如图所示，结果从50~200美元不等。同时，你的数字自我包含的信息，要比这些社

    交媒体平台掌握的信息多得多。不过这个数值可以当作一个最低参考值。

    被捕捉行为和掌握数字自我的范围并不仅限于人类。在我们设想的

    未来，自动驾驶汽车、智能设备和具备学习能力的机器，都将拥有数字

    自我(我们也称其为“数字孪生体”)。有了人工智能的支持，汽车将能

    够进行决策并采取行动，从而形成其自身的行为记录。

    如今，每辆新车每小时能产生4太字节(Terabyte，TB。1TB约为10

    00GB或100万MB)的数据。 [6]

    本书第四章将介绍，将来这些车会成

    为自己的主人，并自行完成维护、投保、购买和销售等行为。这虽然很

    难理解，但所有必需的构成元素以及本书所述的一切技术都已准备就绪。

    只要观察一下牙牙学语的孩子与科技的互动就会明白，行为已逐渐

    成为人们互动中一个普遍期待的环节。我们都见过还穿着纸尿裤的幼儿

    翻书的情景，他们会因为平板电脑或智能手机没有回应自己的行为而感

    到疑惑、沮丧。在他们眼中，世界应该像人类一样表现出行为和智慧，而杂志就像是一台有瑕疵的iPad(苹果平板电脑)，如果它没有及时响

    应，那一定是坏了。

    不过先别想得太远，我们不妨岔开话题，问问自己，我们为什么会

    变成产品？

    剃须刀片

    1895年，金·吉列(King Gillette)萌生了一个非常聪明的想法：把

    他那昂贵、笨重、需要高昂维修费的直刃剃须刀，替换为价格实惠得多

    并且方便普通人使用的工具。他想到用一次性剃须刀片，然而这个想法

    并未很快获得成功。直到后来他拿下了为美国陆军提供剃须刀和刀片的

    合同，事情才开始有所好转。士兵回家的时候一定会带上吉列剃须刀和

    不少刀片。

    关于金·吉列成功的故事，还有不同的版本。其中一个版本是这样

    的：吉列最初免费赠送剃须刀片，希望借此销售更多的剃须刀(剃须手

    柄)。很快吉列意识到应该反过来才对，一旦人们买了吉列剃须刀，他

    的刀片不就成了不可或缺的商品了吗？这就是“放弃剃须刀，刀片才是

    摇钱树”的“剃须刀与刀片”营销模式(razors-and-blades model)，接受过

    大学基础商业课程或营销课程的人对这一模式应该都不陌生。

    还有另一个版本则给出了更贴近实际，也更为复杂的解释。为使其剃须刀和刀片在竞争中长期保持优势地位，吉列申请了专利，希望用户

    产生非比寻常的品牌忠诚度，认为只有吉列的刀片才能搭配它的剃须刀

    使用，从而让吉列能够以优势品牌进行价格定位，并在未来的100年成

    为市场领跑者。

    不论吉列究竟采用了何种策略，诸多公司及行业都采用了“剃须刀

    与刀片”的标准商业模式。其中不乏人们熟知的索尼公司的Walkman(

    个人随身音乐播放器)与盒式磁带、PlayStation(家用电视游戏机)与

    游戏卡带、喷墨式打印机与墨盒、iPhone(苹果智能手机)与手机应用

    程序等。

    2016年，苹果公司iPhone的总销售额约为2 000亿美元，而应用商店

    里应用程序的销售额竟达到了近300亿美元。 [7]

    就苹果公司的情况而

    言，“剃须刀”(iPhone)的整体销售额更高，但可以看出“刀片”(应用

    程序和服务)的实际利润正在逐步逼近，最终很可能会成为苹果公司最

    大的利润来源，因为这部分收入主要来自第三方应用程序开发商，苹果

    公司无须任何花费就能获得30%的版税收入。

    到20世纪90年代末，当互联网首次进入主流社会时，“剃须刀与刀

    片”模式发生了非同寻常的变化。如果把互联网看作“剃须刀”，那么其

    潜力之一就是让软件应用程序发挥“刀片”的作用，并且实现远远大于实

    体刀片的规模。

    互联网的目的是成为人人都能免费使用的平台，至少拥有硬件设备

    的人都能使用。这有别于“剃须刀与刀片”模式的根基——所有权经济学

    (ownership economics)，因为没有哪家公司能够独享其带来的福利，不过这一点很快就会改变。

    我们何以成了“刀片”20世纪90年代出现了一种新型软件。随着互联网应用的普及，与互

    联网相关的需求不断增长，各种免费应用程序层出不穷，能够满足人们

    的各类需求，从购书到出售二手鞋，一类被称为互联网公司(dot-com)的群体很快宣布对这一新领域的所有权。互联网公司的理念广泛传播

    ，甚至威胁到了众多中间商(包括实体店、汽车经销商、出版商、影音

    租借店等)或功能类似中间商的其他行业参与者的生存。

    在炒作与投机中诞生的互联网泡沫最终于2000年破裂，股市市值瞬

    间蒸发了近5万亿美元。显然，互联网现象具备所有投机泡沫的特点，但这并非导致其失败的唯一原因。即便没有投机性投资活动，互联网模

    式依然存在缺陷。真正摧毁互联网公司的是所谓的“赚眼球”(capturing

    eyeballs)现象。互联网公司的潜在价值取决于登录其网站的人数，而

    问题在于，利用“眼球”变现并非易事。一方面是因为通过互联网进行购

    销活动的电子商务仍处在发展初期，摩擦在所难免；另一方面，也是更

    主要的原因，“眼球”的实际价值尚不明确。互联网公司曾试图放弃“剃

    须刀”，但没弄清楚“刀片”是什么。

    不过，在互联网泡沫中也有为数不多顺势成功发展的公司，如亚马

    逊、谷歌、脸书等。这类公司在业务的长期价值方面都有一个共同特点

    ，即它们能够改变创造价值的方式。

    这些公司并未企图通过赢得大量客户的“眼球”，以及那些根据个人

    需求使用应用程序的人来赚取利润，而是把客户变成了产品。这种观点

    很有创意，也很简单。人成了“刀片”!对用户的行为了解越多，就越能

    更好地定位广告、产品，提升其他产品和服务的销售，有时甚至连用户

    自己都不知道这正是他们想要的。

    这说明人们对市场的看法有了翻天覆地的变化。200年来，人们一

    直在玩猜谜游戏，企图通过开展团体深度访谈、进行粗略人口统计、掌

    握季节趋势等可见指标预测大众需求，从而帮助我们认识、分析广阔的

    市场，以期破解隐藏的市场驱动力。

    如今，我们即将进入一个全新的时代，产品、服务、娱乐，甚至政治选举都能根据个人偏好来设定。这是我们第七章将要讨论的超个性化

    ，即通过某个人的线上及线下行为，剖析连他自己都无法理解的个人特

    征。但不要把它与个性化混为一谈，个性化是指对普通营销活动的提升

    ，或在产品上增加个人姓名等细微的变化。

    但从根本上看，这些变化并未催生全新的模式。20世纪媒体帝国的

    诞生，源于向广告商销售获取各类消费群体市场的渠道。20世纪初期，世界上最富有的人既不是石油大亨也不是钢铁巨头，而是威廉·赫斯特

    (William Hearst)。他利用遍及美国各大城市的30份报纸，在鼎盛时期

    建立了世界上最大的广告帝国。

    大众媒体采用的人口统计学基础是群体而非个体。尼尔森电视收视

    率能告诉你，年龄在30~50岁、家庭年收入为5万 ~ 6万美元、开皮卡车

    的男性中，有多少人在观看超级碗(Super Bowl)比赛，但它无法告诉

    你“我”是否在观看，以及“我”为什么会看超级碗。

    现代社会，大众媒体采用的人口统计方法逐渐被大数据(Big Data)取代。但大数据并不了解你，它只是把你放入一个具有相似行为的数

    据库中。有了大数据，杂货店能够获悉年龄在20~30岁的男性，在周六

    下午经过杂货店时经常会购买啤酒和尿布，但大数据无法告诉你在这些

    男性中，哪些人一边观看ESPN(娱乐与体育节目电视网)的足球比赛

    ，一边通过谷歌搜索抚慰哭闹新生儿的方法。

    通过本书我们会明白，从了解市场到了解个人的转变是最深刻的变

    化之一，它将决定未来的价值是如何创造的。因此，一场获取地球上每

    个人信息的竞赛已经开始。

    然而，有一个很重要的问题是，你的数字自我(再次说明，指定义

    你行为的数字合集)是完全不成体系的信息，没有所有者来赋予其意义。

    众多的应用程序、平台、设备及地点都想最大限度地捕捉你的信息

    ，而你的数字行为就分散在这样一个巨大的生态圈中。亚马逊知道你通过其平台购买的商品；谷歌知道你使用其搜索引擎搜索了哪些信息；通

    用汽车公司知道你如何使用OnStar(安吉星)系统驾驶汽车；塔吉特(

    Target)公司知道你在哪个商品过道或区域花的时间最长、消费最多；

    只要你通过Travelocity(在线旅游服务公司)订票，它就知道你的旅行

    目的地和选择的交通工具；如果你使用iPhone，苹果公司就会知道你的

    步行距离和睡眠质量；脸书根据你发布的内容就能知道你养的宠物、喜

    欢的食物以及你的心情；如果你用过Roomba(扫地机器人)吸尘器，i

    Robot(机器人制造商)就会知道你会如何布置家具。你成千上万的不

    经意之举，那些你以为只有自己可见的行为，突然间被诸多你根本没有

    听说过的公司追踪和交易。

    突然之间，包括亚马逊、Netflix(网飞)、Spotify(声田)在内的

    网络公司开始根据你的购买或搜索记录为你推荐商品。这个功能有时确

    实很实用，但大多数时候都令人哭笑不得。例如，谁会在日食发生的两

    个星期之后再买一副观看日食的眼镜？

    接下来出现了新的变化。各种基于人们的电子邮件对话、谷歌搜索

    记录及网页浏览习惯的广告，开始出现在人们使用的浏览器上。然而奇

    怪的是，出现在某网页上的广告跟网页的内容几乎没有必然的联系。如

    果你曾在家得宝(Home Depot)网站上搜索挡风门的价格，你可能会在

    宠物网站上看到有关挡风门的广告。起初这一切看似巧合，但接连出现

    就显得老套而诡异，而且还会愈演愈烈。

    2008—2009年，脸书等公司开始追踪其用户在其他网站上的行为。

    换句话说，即便你不登录脸书网站，它也能追踪到你的行为。这就是脸

    书早期推出的“灯塔”(Beacon)项目，但该项目最终遭到集体诉讼，脸

    书不得不终止它，并且CEO马克·扎克伯格(Mark Zuckerberg)为此发

    表了公开道歉。 [8]

    开发这项功能，我们犯了许多错误，在解决问题时还犯了更多

    错误。我们推出的这项功能表现很差，我为此道歉……我们没能迅速采取行动，花了太多时间来决定正确的解决方式。虽然最终问题

    得到了解决，但我并不满意，因为我们本应该做得更好。

    但另一个项目没有终止。当时脸书正在开发Connect(连接)服务

    ，开发完成后很快就发布了。Connect是一个单点登录的应用程序平台

    ，第三方可借助这一平台让其用户使用脸书凭证登录。Connect获得了

    成功，主要是因为它为不喜欢记忆各种用户名和密码的人提供了另一种

    登录途径，那就是用脸书凭证登录。然而，用户在享受这些便利的同时

    ，通过Connect也分享了自己在众多应用程序上的行为数据。

    这样做的远不止脸书一家。Quantcast(数字广告公司)、Acxiom

    (安客城)、Corelogic(房地产数据分析公司)、Datalogix(广告分析

    公司)、eBureau(科技创业公司)、ID Analytics(身份和信用数据分

    析公司)、Intelius(信息商业公司)、PeekYou(社会化找人服务搜索

    引擎)、Rapleaf(网络追踪公司)和Recorded Future(威胁情报公司)

    等大众熟知的数据经纪公司，大多已经开始利用线上及线下渠道收集大

    量个人数据，它们已经开始利用cookies(储存在用户本地终端上的数据)将这些数据关联到每个人。美国联邦贸易委员会(FTC)的一项调查

    表明，高达220个关于你的数据点通过这些公司关联到你个人。这些数

    据涵盖了你的住址、位置等基本信息，还包括你的社会安全号码(SSN)、驾照号码、使用社交媒体的习惯，以及你正在服用的非处方药。 [9

    ]

    是不是感到毛骨悚然？想想看，收集这些数据是多么容易。基于本

    书的一项调查，目前全球有34亿人使用智能手机，其中80%的人不论是

    白天还是夜晚，始终把智能手机放在距离自己不到三步的范围内。汽车

    、住房甚至连睡觉的床都配备了传感器。突然间人们所有的行为在不知

    不觉中就变得一览无余。不论你是否喜欢，这就是新常态：人们的隐身

    斗篷已不复存在。市场营销的目标不再是剖析细分市场，而是剖析你。

    人们隐藏的行为用于为拥有这些数据的公司创造利益，这一切仿佛“奥威尔式”(Orwellian) [10]

    的不祥之兆，并非只有你一人感觉如此。当我们刚开始写作本书时，一位同事建议用“黑暗数字”(Dark Digital)作为书名，意指光鲜的外表下暗藏邪恶，公司正逐渐变成“老大哥”，而我们应该揭露(或者更准确地说是曝光)这一切。人们对隐私暴露的

    影响绝不陌生，讨论这个问题以及如何才能更好地保护数字自我将花费

    大量时间。但本书关注的重点不仅在于人们的行为如何被用于对付人类

    自身，还在于这些数据将如何为人们的生活、商业和社会创造重要价值。

    我们知道，人工智能的出现给人们隐藏的行为带来了严重威胁。但

    其实随着历史进程的推进，人们的行为本就在逐渐变得透明。其原因并

    非某个实体暗中为自己谋私利，而是更大的透明度能惠及整个社会。

    行为技术的诞生

    GPS是迄今为止最早投入使用同时也是使用最广泛的行为追踪技术。该系统自1978年起一直为美国军队所用，如今它能借助24颗卫星准确

    定位装有GPS的物体。发明该系统的是美国海军研究物理学家罗杰·伊斯

    顿(Roger Easton)，他发明的“卫星导航系统和被动测距技术”于1974

    年1月29日获得美国专利，专利号为3 789 409。伊斯顿对基于地面定位

    系统的研究始于1943年。 [11]

    然而直到1983年，苏联空军击落意外飞入苏联领空的韩国007号航

    班客机，美国总统罗纳德·里根(Ronald Reagan)才下令对私营部门开

    放GPS。尽管军队曾限制私人获取GPS的某些数据，但到2000年时，比

    尔·克林顿(Bill Clinton)总统对私营部门开放了GPS的全部数据。

    GPS给人们带来的益处是多方面且显而易见的：提高了安全性，提

    升了急救工作人员的效率和速度，同时增强了追踪人员和财产的能力。但有些益处经常出人意料。例如，在汽车回收率较高的地区，汽车经销

    商通常会在销售的车辆上安装GPS追踪设备，本意是在车主无法按期还

    款时追踪车辆的位置，但这些设备恰巧还能用于破获劫车案和绑架案。

    在一件媒体广泛报道的劫车案中，丹尼·孟(Danny Meng)的奔驰

    汽车遭到劫持，劫匪是2013年4月制造波士顿马拉松恐怖袭击并杀害校

    警肖恩·科利尔(Sean Collier)的沙尼耶夫(Tsarnaev)兄弟，丹尼向警

    察提供了其支持GPS的车辆登录信息，警方据此追踪到了劫匪的位置并

    将其逮捕。

    GPS已经广泛运用于诸多安全设备和追踪设备中。2015年8月，得

    克萨斯州罗利特镇的一起绑架案成了头条新闻，一名患有亚斯伯格症候

    群(Asperger’s Syndrome)的15岁女孩遭到绑架，而她的母亲用女孩装

    有GPS的可穿戴设备定位到了她的位置。母亲通过女孩的可穿戴设备中

    的内置话筒，听到了袭击发生时女孩与绑匪搏斗的声音。这是首个私人

    使用GPS的案例，就像20世纪80年代的科幻片一样新奇。 [12]

    当今规模最大的GPS应用技术，可能要数美国联邦航空管理局(FA

    A)的“下一代”(NextGen)空管项目。该项目计划于2020年给所有商

    用飞机配备机载GPS和全数字化通信设备，以取代地面雷达系统。 [13]

    这个项目对航空安全和油耗有着不可估量的影响。美国各大航空公司每

    年所需油耗超过170亿加仑 [14]

    ，总成本接近250亿美元。 [15]

    “下一代”空管项目预计每年能降低12%的油耗和排放量，相当于220万辆汽车每

    年的油耗和排放量。

    从便利的角度看，GPS带来的收益及其不可或缺性都是不可否认的

    ，类似的例子成千上万，无一不证明了GPS具备更大的社会价值和经济

    价值。因此，这也是当今人们愿意用隐私交换透明度和价值的一个绝佳

    范例。然而，提升透明度和失去隐私不可避免地伴随着一定的风险。人

    们虽然可以使用各种科技手段和法律手段来保护自己，但偏偏无法消除

    这种风险。实际上，随着本书所讨论的科技和行为记录手段的进步，这

    种风险还将显著提高，而且是人们无法及时察觉的。不过与此同时，价值也将大幅提升。维持科技进步的公式很简单，用一个简单的问题就能

    说清楚：新的价值是否远大于新的风险？

    既然最终能够获得价值，为什么人们还会一直惧怕科技呢？更何况

    事实不断证明，人们非常擅长运用新技术创造积极的影响。这种恐惧主

    要有两个方面的原因。

    (1)人们用100%的标准来衡量新技术的准确性和可靠性，然而当

    前的情况距离这个目标还非常遥远。

    人们用达到完美作为衡量新技术效率的标准，却不考虑它所带来的

    实际收益，以及在没有该技术的情况下本就存在的实际风险。例如，本

    书还将深入讨论自动驾驶汽车，关于自动驾驶汽车的各种争论主要在于

    ，自动驾驶汽车做出的决定可能会造成伤亡。要完全杜绝这样的事故是

    不可能的。不过有一点可以肯定，自动驾驶汽车的安全驾驶概率整体上

    高于人类驾驶员。从保险的角度出发，人类驾驶员操控汽车比人工智能

    驾驶汽车的代价要高得多，因此自动驾驶汽车很可能会因为其经济影响

    迎来引爆点。

    (2)人们用新技术已知的风险来判定未知的收益。

    预见新技术(人们感受到与实际存在)的风险，要比预测它未来的

    收益容易得多。例如1997年，当通用汽车公司首次推出安吉星系统的时

    候，没人相信它能用于预防劫车事件。虽然安吉星并未公布其成功阻止

    偷车或劫车案例的数量，但根据2007—2008年该技术的使用情况估计，其成功阻止了5%~10%的类似事件，即保护了2 500~5 000辆汽车(其中

    不包括使用基本GPS定位的车辆)。其实，安吉星的设计初衷是满足早

    期对遥控解锁的需求，而这一技术的受欢迎程度对通用汽车公司来说也

    是意外之喜。

    由于人们用完美的标准来衡量新技术，看到的未知风险要多于未知

    收益，所以在亲自体验之前很难估计新技术的积极影响。

    显然，使用GPS会让人们失去部分隐私，但GPS对个人以及对整个社会的价值远远弥补了这方面的不足，这一点很难反驳。并不是说隐私

    无足轻重，而是需要更多谨慎的新手段来保护隐私，对此我们也会在本

    书中展开讨论。因为进步总是来自那些能创造积极影响的新技术。

    本书的目的并非阻止科技进步，因为它就像海啸一样，你只能眼睁

    睁地看着它发生却无力阻止。其实人们最该担忧的并非科技，而是全球

    人口——2050年即将达到98亿。与此同时，世界上发展中国家的人口正

    在以每周100万人的速度向经济发达地区转移。过去20年就有10亿人加

    入了这一队伍，预计未来20年还将增加20亿人。人们需要面对的问题是

    ：“如何保障这些人的衣食住行，给予他们关爱和支持，同时为逐步壮

    大的全球经济提供发展动力？”

    不过可以确定的是：仅通过提升当前的技术不足以支持未来的发展。一方面是因为当前的规模化生产、农业及交通的发展无法大幅提升，人们必需的服务同样无法实现大规模升级。根据世界经济论坛的数据，以当下社会培养医生并授予职业资格的速度，需要再花300年的时间才

    能弥合世界上医疗领域的供求缺口。

    如果仍以工业时代的速度增长，来自全球大规模基础设施的压力最

    终将瓦解制造业、教育业和农业；而如果仍然按照现有商业模式推动行

    业发展，将无法遏制其瓦解之势。如果还想扩大当前的工业模式，增长

    的局限性很快将把各行各业和各个国家压垮。仅从人口的角度看，随着

    世界人口年龄金字塔结构逐渐向老龄化过渡，原本十分紧张的社会福利

    系统将承受更为巨大的压力。目前25~29岁的人口数量是65~69岁人口数

    量的两倍，两者在总人口中所占比例分别为7.9%和3.1%。到2050年，这

    个比例将分别变为6.8%和5.2%；到2100年将变为6.1%和5.2%。换句话

    说，存在了5 000年之久的人口年龄金字塔结构正在土崩瓦解，取而代

    之的是每个年龄段的人口数量趋于相同的摩天大楼结构。 [16]

    因而支

    撑这一新型社会发展的意义深远。

    事实上，我们需要加速剖析人类、机器以及生态圈中隐藏的微妙行

    为，更重要的是理解这些(数字和实体)行为之间的关系，它们正以超乎想象的速度发展。只有做到加速认知，再依靠人工智能等技术来发现

    隐藏行为的规律，人们才能更加明确未来的挑战和解决方案的复杂性。

    因此，我们所说的揭秘隐藏的行为，是指所有事物的行为：人类、汽车、设备、企业、供应链、生态系统，这一切都将通过传感器连接至

    云端，传感器还会捕捉其背景及行为的细微差别。在如此海量的数据中

    ，藏着人们用肉眼无法看到的线索，找到这些线索，深入细致地剖析世

    界及人类自身的行为，我们才能以全新的方式预测未来。

    虽然听起来极富戏剧性，但这并非单一思维模式的简单转变，而是

    要换一种新的看待问题的方式。人们正走向我们眼中的多重思维世界，在这个世界中，我们需要用不同的方式来看待和解决各种挑战。当然，人们不能就此摒弃过去200年在工业化进程中学到的东西，而是要利用

    我们掌握的知识，以不威胁地球和人类生存的方式，持续改进现有的工

    业模式，从而满足上百亿受过良好教育、参与经济发展且具备生产力的

    人的发展需求。

    描绘这一切变化导致的世界末日的情景是轻而易举的，可能还会让

    人们感到恐惧，并为好莱坞提供一个精彩的剧本素材。但那只是一孔之

    见。

    2017年，美国太空探索技术公司(SpaceX)和特斯拉的创始人埃隆

    ·马斯克曾在麻省理工学院的一次演讲中谈到对人工智能具有的毁灭性

    潜能的担忧，他说：“研究人工智能犹如打开了潘多拉魔盒。”俄罗斯总

    统普京也曾预言，全球第一个掌握人工智能技术的领导人将是“世界的

    领导人”。

    其实我们不难设想出各种场景，例如我们在前文讨论过的，连通性

    和透明度将大幅提升人们生活的价值，并创造出更多的附加值，人们很

    难想象如果没有这些价值该如何生存。

    在本书第八章我们将讨论如何保护人们免受人工智能威胁的话题。

    然而，为了更全面地讨论人工智能，在这里我们要先快速地插入一个话题。

    正如前文所述，每一次重大的科技进步都伴随着风险，并且风险要

    比其能带来的收益明显得多。例如，人们都深知核武器强大的杀伤力，空中蘑菇云的样子至今还烙印在人们的心中。但与此同时，核技术也在

    诸多方面造福了人类，如烟雾探测器、食品保鲜、能源、医疗、水脱盐

    处理、太空探索等。那些威胁人类生存的技术也在推动人类文明的进步。

    由于人工智能存在超越人类智慧的潜能(或威胁，观点因人而异)

    ，人们对其感到恐惧也情有可原。不过，本书要提出另一种观点。在工

    业化模式的转型过程中，要想应对各种各样的挑战，必须推动人工智能

    技术的进步。随着对这些挑战以及人工智能影响力的讨论越来越深入，我们将具体分析其背后的成因。不过在此之前，我们将从更宏大的角度

    展开讨论。

    与地球的寿命相比，人的一生极其短暂，因此人们渐渐接受了一种

    观点，即人类受到了某种保护或者具备免疫能力，不会遭遇灭顶之灾。

    然而，地球的历史会让我们看到相反的一面。

    大约7万年(如果把地球40亿年的寿命看作24小时，这只是其中不

    到两毫秒的时间)前，人口数量下降到了几千人。 [17]

    而据称15万年

    前，全球人口仅剩600人。 [18]

    在120万年前，地球上也出现过类似的

    人口数量骤减的情况。 [19]

    显然，人类克服了一定的艰难险阻才走到

    了今天。但这并不意味着我们已经战胜了流行病、小行星撞地球、地质

    灾害等自然风险，或气候变化、核武器等人为造成的风险，这种想法太

    过愚蠢。

    因此，我们深信研究人工智能非常有必要，这样才能了解自然，以

    及人类越加复杂而相互关联的行为，仅凭人类自身的力量无法弄明白这

    些问题。

    我们坚信人工智能将带给人们数不清的收益，这些收益将远远超过人们现在所害怕的影响。这些收益不单来自对我们个体行为的理解，还

    有对一个高度互联的世界更为复杂的行为的剖析。例如，人工智能将在

    下列领域推动人类进步：了解导致气候变化的因素，以及减缓甚至逆转

    气候变化的方法；研发预防流行病的疫苗；让上百亿人从发展中国家进

    入社会经济发达国家，并保障他们的衣食住行。人工智能还可能赋予人

    类成为星际物种的能力，为人们的长远生存未雨绸缪——著名物理学家

    史蒂芬·霍金(Stephen Hawking)曾预言，人类必须在100年内完成该计

    划才能生存。

    其实，多数人并不会因担忧流行病或小行星撞地球的风险而彻夜难

    眠。因此，我们的想象可以更“接地气”一些。

    在研究星际生存这个问题之前，我们眼前还有更多亟待解决且同样

    重要的问题，如我们如何生活、经营企业、发展经济等。揭示隐藏的行

    为并使之为己所用，要从基础问题考虑，即从人们的生活、工作和娱乐

    开始考虑。

    而要实现上述目标并利用现有且还在大量产生的数据财富，需要人

    们在思维方式上做出极大的改变，要用新的眼光来看待身边的问题和挑

    战，从而更好地预测自身行为的结果。

    预测未来一直是最受青睐的消磨时光的方式，只是人们似乎从来都

    不擅长此事。但这一点正在改变，一方面是因为现在有技术和数据的支

    持，另一方面是由于人们开始用新的思维方式来思考解决问题的途径。

    这正是本书接下来要讨论的话题。

    [1] Keldsen and Koulopoulos, The Gen Z Effec ...).

    [2] John Gantz and David Reinsel, “The Digital Universe Study In 2020: Big Data, Bigger Digital

    Shadows, and Biggest Growth in the Far East—United States, ” International Data Corporation(IDC), F

    ebruary 2013, https:www.emc.comcollateralanalystreportsidc-digital-universe-united-states.pdf.

    [3] Germany, ZEIT ONLINE GmbH Hamburg. “Http:opendata.zeit.dewidgetsdataretention.” Z

    EIT ONLINE. Accessed October 08,2017, http:www.zeit.dedatenschutzmalte-spitz-data-retention.

    [4] Emily Steel et al., “How Much is Your Personal Data Worth?”Financial Times , June 12, 2013, http:ig.ft.comhow-much-isyour-personal-data-worthaxzz2z2agBB6R; Facebook 24 billion yearly

    revenues 2 billion users = 12user.

    [5] Mayo clinic librarian.

    [6] Patrick Nelson, “Just One Autonomous Car Will Use 4,000 Gb Of DataDay,” Network World

    , December 7, 2016, http:www.networkworld.comarticle3147892internetone-autonomous-carwill-u

    se-4000-gb-of-dataday.html.

    [7] Larry Dignan, “Apple’s App Store 2016 Revenue Tops 28 Billion Mark, Developers Net 20

    billion,” ZDNet , January 5, 2017, http:www.zdnet.comarticleapples-app-store-2016-revenue-tops-28

    billion-mark-developers-net-20-billion.

    [8] Erick Schonfeld, “Zuckerberg Saves Face, Apologizes For Beacon,” Tech Crunch , December

    5, 2007, https:techcrunch.com20071205zuckerberg-saves-face-apologies-for-beacon.

    [9] 全部数据汇总参阅本书结尾部分。

    [10] Orwellian的词源是英国小说家乔治·奥威尔(George Orwell)，该小说家因撰写政治讽

    刺小说而著名。“奥威尔式”可释义为“受严格统治而失去人性的社会”。——编者注

    [11] U.S. Naval Research Laboratory, “Father of GPS and Pioneer of Satellite Telemetry and Timi

    ng Inducted into National Inventors Hall of Fame,” March 31, 2010, https:www.nrl.navy.milmedian

    ews-releases2010father-of-gps-and-pioneer-of-satellitetelemetry-and-timing-inducted-into-national-in

    ventors-hall-offame.

    [12] Julie Fancher, “Rowlett Mom Used GPS to Find Girl Who Was Sexually Assaulted,” Dallas

    News , August 20, 2015, https:www. dallasnews.comnewscrime20150820rowlett-mom-used-gpst

    o-find-girl-who-was-sexually-assaulted.

    [13] US Department of Transportation, Federal Aviation Administration,“Next GEN,” accessed O

    ctober 2, 2017, https:www.faa.govnextgen.

    [14] 1美制加仑≈ 3.8升。

    [15] US Department of Transportation, Bureau of Transportation Statistics, “Airline Fuel Cost and

    Consumption (U.S. Carriers -Scheduled) January 2000–July 2017,” accessed October 2, 2017,https:w

    ww.transtats.bts.govfuel.asp?pn=1.

    [16] Keldsen and Koulopoulos, The Gen Z Effec ...

    [17] Geological Society, “Super-Eruptions: Global Effects and Future Threats,” accessed October

    2, 2017, http:pages.mtu.edu~ramanVBigIdeasSupereruptions_filesSuper-eruptionsGeolSocLon.pdf

    .

    [18] Steve Mirsky, “When Humans Almost Died Out; Earthy Exoplanets; And Scientific America

    n’s 165th Birthday,” (podcast),August 12, 2010, https:www.scientificamerican.compodcastepisode

    when-humans-almost-died-out-earthy-10-08-12.[19] Debra Black, “Were Early Humans Close to Extinction?” The Star , January 27, 2010, https:

    www.thestar.combusinesstech_news20100127were_early_humans_close_to_extinction.html.第二章

    预言机器：为何不能沿用老办法解决新

    问题

    “意识的作用在于给予众生未来的‘知识’。”

    ——弗兰克·奈特(Frank Knight)，20世纪早期经济学家，芝加哥学派创始人1993年，ATT(美国电话电报公司)拍了一个广为流传的大众传

    媒广告“你的未来”，这是一个由电视和印刷广告构成的系列商业广告，旨在描绘遥远的未来。广告画面有车载GPS、触摸屏、平板电脑、电子

    病历、电子书籍、网络会议、点播视频，并伴随着演员汤姆·赛立克(T

    om Selleck)充满磁性的声音：“你有没有试过不带地图，走遍美国？这

    是属于你的未来，而谁能带给你这样的未来？ATT。”这是一个非常有

    远见的广告。实际上，今天当我们再回过头来看这个广告时，会感觉A

    TT似乎拥有一个可以透视未来的水晶球。

    尽管ATT几乎分毫不差地预见了未来的技术，但它未能把其中任

    何一项带入人们的生活。ATT虽然特别擅长预测这些技术最终的用武

    之地，但在预测未来方面的表现却差得一塌糊涂，尤其不懂得把握时机

    并让未来为己所用。这怎么可能呢？能够预测技术的未来，不就等同于

    能够预测未来吗？其实不然，因为其中有一项是难以预测的：行为方式

    并非一成不变。

    我们选择ATT这个例子并没有特殊的原因，仅仅是因为它能够精

    准地描绘出技术的未来。通过ATT的例子可以看出，预测技术的未来

    轻而易举。然而要等上20年，才会有实际的行为支持这些技术的广泛应

    用。

    人们很容易就把这种割裂归咎于技术，认为当时的技术发展水平还

    不够成熟。但如果ATT或其他公司曾尝试把类似“你的未来”广告中的

    技术推向市场，那些技术就会和苹果公司的牛顿掌上电脑(Newton PD

    A)经历同样的命运，这款电脑堪称世界上第一款掌上电脑，无巧不成

    书，它同样诞生于1993年，但最终难逃夭折的厄运。

    问题在于，虽然技术是实实在在可见的，也是确定无疑且可预测的

    ，但在行为的背后隐藏了太多神秘且多变的影响因素。你可以预测技术

    的进步，因为变量是已知的。实际上，过去50多年的技术发展轨迹并没

    有那么难以预测，因为它们几乎完全遵循摩尔定律(Moore’s Law)，无论在哪个时期，摩尔定律对功率、存储能力以及计算成本等的预测都准确得惊人。 [1]

    如一些科学家所称，倘若某天摩尔定律突然到了物理极限，人类无

    法再在硅片上集成更多的纳米级晶体管，无法在U盘上存储更多的指令

    ，世界将会变成什么样？计算机的发展会不会进入停滞期？我们，也可

    以说人类文明，面对日益复杂的社会、经济和生态问题，是否会走向自

    身能力的极限？其中哪一项与你的行为有关？我们如何收集并利用这些

    行为？

    本书的写作初衷是，我们相信，无论计算机硬件的发展速度如何，人类在利用计算机应对当今及未来挑战的过程中，想要实现下一次量子

    跃迁，关键在于开发计算机认识和揭示行为的能力。但直到现在，人们

    还未获得足够的数据来认识行为，即便有了数据，在技术层面我们也尚

    未达到认识行为的水平。

    正在逐渐显露的隐藏力量并非技术，而是自然系统和人造系统极度

    复杂的行为，正是这些行为构成了人类世界。我们对人类、设备及系统

    的各种行为的了解越深，就越能预测这些行为未来将如何演变和表现。

    你的数字自我

    这些行为的数字形态即我们所称的数字自我(对设备而言，则是一

    个数字孪生体)，代表了人或物的数据点集合，可以从这些数据点中总

    结出人或物当前的行为模式，还能预测未来的行为。但我们要重申，如

    开篇所述：这并不是众所周知的大数据。大数据是利用与庞大的系统、市场、工厂或经济体的行为相关的海量数据集合，而我们所探讨的其实

    更接近马丁·林斯特龙(Martin Lindstr?m)所称的“小数据”(Small Data)。看似微不足道的行为观察，包含了非常具体的属性，指向尚未

    满足的客户需求。那些开创性的构思或彻底转变品牌的全新方式，其基础都是小数据。 [2]

    林斯特龙指出了正确的方向，而我们还想更深入地探索，看看数据

    如何做到超个性化：不仅发现尚未满足的需求，还能发现未知的需求。

    在我们看来，数字自我具备与自身展开智能协作与对话的能力，这

    与单纯把数据当作分析和推测行为的工具不同，它变成了人们商业活动

    和生活中积极的合作伙伴。这些数据的价值在于它们能够帮助人们认识

    行为，并基于这种认识规划未来，而当今所谓的数据分析(大数据或小

    数据)仅开发了这种价值的10%都不到。

    正如冰山露在水面上的往往只是尖尖一角，接下来，我们不妨用经

    典的冰山理论来做个类比。为了便于理解，我们假设眼前是成千上万座

    紧密相连的冰山，假设你是船长，你的船恰好位于这一片冰山群的中心。为了增加一点风险因素，我们假设船正在全速前进，但此时引擎发生

    了故障，冰山群也正在向你步步逼近。倘若你对水位线以下的世界一无

    所知，就不可能安全驶离冰山区。地球上所有有关水面以上的冰山一角

    仅占冰山总体积的10%的数据，对于你认识冰山其余的90%毫无帮助，在这种情况下，揭示出隐藏部分的数据并非可选项，而是生死攸关的必

    选项。

    因此，你的数字自我才如此重要，它揭示了你另外90%的信息，只

    有这样你才能知道自己要去往何处、采取什么行动，以及要做怎样的决

    定。不过，这也同样适用于设备、物体和自然现象，它们要么依赖于数

    字技术(智能手机或供应链)，要么需要通过传感器建立数字连接(天

    气情况或你的生理机能)。

    人们很难把物体和系统想象成拥有行为的数字自我，因为我们不太

    习惯这么做。不错，这听起来非常像黑暗科幻小说中的情节——人类被控制欲极

    强的霸王所统治，但小说中的情节与我们探讨的未来大相径庭。我们的

    观点是，原有的事物运作模式已无法预测现有力量对未来的作用，我们

    正处在新旧交替的、里程碑式的时刻，这也是不可多得的历史性时刻。

    文化再现

    我们以前也曾面临同样的境遇，人类遇到的问题超出了自身的能力

    范围。过去，面对日益复杂的问题，人们只需稍微调整一下解决方式就

    能够战胜挑战，并在此基础上更好地预测未来的发展，这样的先例不胜

    枚举。我们称之为“文化再现”(a cultural deja vu)，因为这与那些获得

    新知的时刻有诸多相似之处，我们曾经历过很多次。但不知为何人类似

    乎集体失忆，总也认识不到曾经的经历带来的改变是何等深刻。

    16世纪出现了一场思想革命，但直到几百年后这场革命及其拥护者

    才得到认可。哥白尼引入了他的太阳系日心说模型，与之相对的是托勒

    密的地心说模型，哥白尼绝非第一个提出太阳系的中心是太阳而非地球

    的人，但印刷术的发明使他的作品得到了广泛的传播。然而200年来，人们对日心说争论不休，许多人愿意相信日心说和地心说可以共存，只

    是两者描绘的是两个极端，以此维持过去的模式。最终日心说更胜一筹

    ，因为它能精确地预测行星未来的位置，这是地心说模型做不到的。

    20世纪初，当牛顿物理学发展到极限的时候，又出现了一次类似的

    科学革命——爱因斯坦的相对论开始登场。爱因斯坦并未遭遇如哥白尼

    那样大的阻力，而事实上他的宇宙运行模型思想更为激进，他提出了无

    数奇怪的量子亚原子现象(quantum subatomic phenomena)、时间膨胀

    (time dilation)效应，甚至还有黑洞理论。爱因斯坦的物理模型同样获

    得了认可，因为它让人们能更好地解释和预测物理世界的行为。1937年，艾奥瓦州立大学一位名不见经传的物理学教授约翰·文森

    特·阿塔纳索夫(John Vincent Atanasoff)发明了第一台数字计算机，再

    一次将文明推向下一个知识轨道。 [3]

    这些早期的计算机[比如Eniac(

    电子数字积分计算机)和Univac(通用自动计算机)]的建立基础都是

    阿塔纳索夫的数字建筑模型，建造它们最初的目的就是预测未来，例如

    预测一场选举的结果或一颗弹道导弹的轨迹。

    每一次这样的突破，都会颠覆人类思考和看待世界运行的方式，使

    人们更加清楚地认识到这些原本看不见的力量所操纵的行为，并看到更

    远的未来。可以这么说，它们就是曾经的预言机器。

    也许你会想：“没错，但它们跟我有什么关系？”你想过没有，如果

    不是哥白尼、爱因斯坦和阿塔纳索夫，我们就不可能开发出GPS这样广

    泛应用的技术。行星的运行、时间膨胀、数字技术对卫星的运行都有至

    关重要的作用。因此说到GPS，你不仅要感谢罗杰·伊斯顿和罗纳尔德·

    里根，还要感谢哥白尼、爱因斯坦以及阿塔纳索夫。

    实际上，如果不是因为对世界运行背后的隐藏力量有了认识上的突

    破，ATT的广告片“你的未来”中展示的任何一项技术都不可能开发成

    功。

    最重要的是，这些重大突破让我们认识到事情的起因，从而更加确

    信自己对其行为的理解和认识，这样我们才能够更准确地预测未来。可

    以说，对未来的清晰认识是所有重大技术变革背后的驱动力。人们渴望

    可预测性，我们的社会、经济、政府和商业的繁荣都有赖于此，我们离

    那个目标越近，世界就会越可靠、越充满确定性，人类才能越发繁荣。

    奇怪的是，取得这样的进步，往往是因为人类已有的模式、概念和

    工具已无法理解复杂的世界，以往一直认可和习惯的方式在建设未来的

    过程中也显得力不从心。

    同样，我们相信工业时代的模式即将终结，虽然此前这种模式一直

    十分奏效。面对未来可能出现的挑战，要想实现下一次量子跃迁，人类需要一个截然不同的框架。在这个新的框架里，我们对个人、商业、组

    织、社会体制、政府，甚至生态系统运行的理解都将有很大不同。只有

    这样，我们才能更好地预测这些行为将如何塑造未来。

    那么，在今天这种背景下，要做到这一点，人们要突破的诸如牛顿

    或爱因斯坦式难题的障碍是什么呢？ [4]

    我们认为，根本在于，要从解

    决工程系统的问题转向解决新兴系统带来的问题。人们的数字自我、揭

    示隐藏力量的能力、行为商业，以及本书中涉及的所有话题均代表了新

    兴系统。因此我们首先必须探讨一下这些新兴系统是如何运作的，它们

    与工程系统为何差别那么大？

    别被“新兴系统”这个短语的字面意思吓到了，虽然它看似跟相对论

    一样难懂，但其实一点也不难以理解。不过其影响却丝毫不输相对论。

    钟与云

    近一个世纪以来，物理学家教会我们，如果把时钟扔到墙上砸碎，再把所有的碎片都捡起来，就能通过还原工程的方法弄清楚时钟的工作

    原理。因为时钟的工程学原理就是这样，是一个智能化的，遵循已知的

    、清晰易懂的机械和物理原理而设计的。这招对工程系统确实很管用，但对很多非工程系统可能就完全行不通了，如生态系统(自然系统或人

    造系统)、经济体系、市场体系、气候系统等，这些系统都在隐藏力量

    的驱动下表现出了很多行为。我们把这样的系统称为新兴系统，它们瞬

    息万变，难以预测。即便能预测它们在某一种特定情形下的运作方式，也不意味着你能理解它们未来会如何表现。 [5]

    工程系统遵从能够被人们理解的、可见的规则；而新兴系统的表现

    取决于潜在的力量，这些力量经常是未知的、不可见的。换言之，工程

    系统是可预测的、概率性的；而新兴系统则是不可预测的、不确定的。50年前，卡尔·波普尔——20世纪最著名的哲学家之一，把所有复

    杂的问题归为钟类(工程类)和云类(新兴类)两种，他用这样的类比

    ，简明扼要地揭示出工程系统和新兴系统之间的差异。

    尽管波普尔的这个想法很简单，却可以帮助我们重新认识当下的挑

    战。

    可拆解的钟类问题

    跟摔坏的时钟一样，电脑的硬件、软件构成十分复杂，但还是可以

    拆解成不同的部件，通过重新组装和调试来理解其工作原理。这就是传

    统程序员一天到晚在做的事情。

    波普尔注意到在钟类体系中，各个部分及其相互间的互动行为是“

    有规律、有秩序且完全可以预测的”，这就是所谓简化论思维最典型的

    例子，也是解决即便最复杂的钟类问题的理想方法。从伟大的吉萨金字

    塔群到迪拜哈利法塔，这就是数千年来人们解决问题、寻找答案的方式。

    1966年，卡尔·波普尔的书《钟与云》(Of Clocks and Clouds )出

    版，而恰巧在几年后就出现了一个针对解决复杂钟类问题的最为经典的

    案例：两名宇航员驾驶阿波罗11号登上月球，之后又安全返回地球。要

    成功完成这种不可能完成的任务，需要解决的难题之多，多到让人无法

    想象。

    然而这个复杂系统被拆解成了单个的构件，由40多万名工程师和技

    术人员设计、制造每一个类似时钟的独立的部件，这些独立的部件又被

    组装成更复杂的子系统，最终每一个子系统成功实现彼此关联，整合成

    一个完整的系统，把人类带上了月球。直至今日，登月计划仍是一个关于雄心壮志、坚持和天才的精彩故

    事，但这个故事还有鲜为人知的一面，只是大家觉得理所当然罢了。登

    月返航的目的并非仅为建造能够脱离地心引力进入外太空的伟大交通工

    具，而且是为了创造出高度可预测的模型，为这些交通工具规划准确的

    行驶路线。阿波罗11号的飞行员驾驶的太空飞船行驶速度是3 400千米

    小时，这样才能与以3 700千米小时的速度运行的月球相遇。设想

    一下，两个物体相距25万英里 [6]

    ，以四倍于0.38口径子弹的速度飞行

    ，最终胜利会师。

    尽管现在看起来，这好像不算什么。但在当时，能够精确地预测位

    置、速度、加速度和其中的无数变量，以及许许多多的飞行动作，可以

    说是非常了不起的成就，尤其是凭借一台仅有64KB内存、运行速度为0.

    043MHz的电脑——如今iPhone 6手机的内存是那台电脑的1.2亿倍，运

    行速度则是32 600倍。 [7]

    就是用这样一台不起眼的，或许还比不上一台微波炉配置的电脑，以及无数的计算尺，人类解决了世界上最复杂的钟类问题。

    人们沿用同样的方法，使用配置逐渐提高的电脑，不断尝试和解决

    了各种问题，就这样一直走到了今天。但这个老办法对云类问题却束手

    无策，因为这是完全不一样的问题。

    无解的云类问题

    利用简化论思维处理钟类问题的“拆解法”屡试不爽。虽然你也可以

    照搬这个方法来拆解云类问题，但是最终得到的只是单个水分子，对你

    理解“云”这样的新兴系统展现出的幻化万千的行为毫无帮助。

    就物理学的云来说，水分子相互牵制，往往是瞬息万变，但总是合力为之，这样的描述不算离谱。飘浮在我们头顶上的云是由彼此分离、临时结合的组成部分构成，它们彼此间若即若离，任何坐飞机穿过轻柔

    的积云的人都可以证明，云间填充的气流既快又不可预测，它们的最终

    形态积雨云是自然界中最强大、最具破坏力的一种力量，可以形成大暴

    雨。

    小小的水滴本身几乎没有任何破坏力，但当它们结合起来时可以形

    成自然界中最可怕的现象，尤其是在快速聚合的时候。

    这些看似微小、不起眼的粒子用出人意料的方式聚合在一起，造成

    了新兴系统典型的不确定性。我们能看见系统的各个部分，却不能理解

    整个系统的行为。新兴系统还有更深层的、隐藏的行为。 [8]

    想要理解新兴系统不能单凭认识每个独立的部件来实现，只能把它

    们当作整体来研究。要了解一片单独的云，需要了解其他云的表现方式。不仅如此，还要认识到无数同样复杂的交互影响，如温度、大气压、风、阳光，甚至它们形成的地区等。此外，还有一些影响云的变量是我

    们无法彻底了解的，云的行为在本质上就是不规则的、无序的、高度不

    可预测的。

    另外，你有没有注意到，我们在描述云的时候，认为它是有行为的？对一片显然没有智力可言的云来说，这似乎是一种很奇怪的属性，但

    我们在描述这种没有生物大脑的物体、系统和事物时，倾向于认为它们

    也拥有特定的行为方式。

    我们通常会用“行为”这个词来描述事情是如何发生的，哪怕我们还

    未了解其成因。我们对云的行为的认识要比对它们为何有这样的行为的

    认识深刻得多。如果能真正了解云，就像对钟那样了如指掌，人们就无

    须对比各种天气预报了，因为所有天气预报都会提供同样精确的预测，结果确定无疑。

    新兴系统的出现没有确定无疑一说，随之而来的是未知的以及不可

    知的变量，让我们措手不及。换言之，新兴系统行为背后的原则只有经历过才能理解(不过我们会在第四章中看到，面对新兴系统还有另一种

    选择，可以应对固有的高度不确定性)。人们经常在看到新兴系统的已

    知规则子集时就妄下结论，误以为整个系统都是工程性的。一个简单的

    例子就是对比各种棋牌游戏：井字游戏、国际跳棋、国际象棋以及围棋

    (见图2.1)。

    井字游戏是一个十分简单的钟类问题，只需几个半导体就可以布好

    一个基本的回路，不用电脑就能创造出一个自动化的对手，其水平不亚

    于任何一个人类对手。我们中年长的那一位在16岁时玩过井字游戏，那

    时候个人电脑尚未诞生，规则很清晰，只有有限的几步。实际上，只有

    255 168种可能的游戏变化。

    国际跳棋可能更复杂一些，总共有5×1020 种可能的变化——因此让

    这样一个钟类游戏显得十分有趣——但归根结底还是一个钟类游戏，因

    为它的步数也是有限的，每一步都遵循某种简单的电脑编程规则集。 [9

    ]

    国际象棋既有趣又变化万千。从数学的角度来说，其可以算出的变

    化多达10120 种，比宇宙中已知的原子数量还要多。换言之，这种游戏

    的变化可以说是无穷的，因为我们的电脑内存无法容纳所有的变化(至

    少从我们目前掌握的技术来看无法做到)。突然我们有了一个仅依靠机

    械的方法无法彻底解决的问题，但最终它还是变成了一个新兴问题，因

    为我们无法用公式推算出所有可能的结果。

    这种时候你可能会想：“等一下，目前有一台电脑已经战胜了最优

    秀的人类玩家。”是的，1997年，IBM(国际商业机器公司)的深蓝(D

    eep Blue)——一台分析国际象棋的超级电脑——打败了世界顶级象棋

    玩家加里·卡斯帕罗夫(Garry Kasparov)，但即使在深蓝的创造者(IB

    M的工作人员)看来，深蓝解决的还是钟类问题，它只是比普通的电脑

    快了很多。卡斯帕罗夫每秒可以推算三步棋，而深蓝每秒可以算两亿步

    ，这是一个典型的利用远超过人类的暴力算法(brute force)完胜人类

    对手的例子。这就是我们所说的，通过机械化的方法可以部分解决新兴问题。然而，此时电脑超越人类对手的程度还是微不足道，深蓝虽然赢

    了，但只是险胜，仅以3比2战胜了卡斯帕罗夫(六场比赛中有一场是平

    局)，这说明人类本身具备独特的能力，能够在无须暴力算法的情况下

    解决新兴问题。这就是我们所说的直觉，我们认为这是人类独有的特质。

    自1937年阿塔纳索夫发明第一台数字计算机以来，计算机的发展重

    点就变为提高速度、带宽和存储能力。其发展理念是，只要你拥有足够

    多的算法，就能用暴力算法解决问题。但如果涉及新兴系统，问题就无

    法解决了，因为范围太大了。

    以围棋为例，虽然乍看上去是一个非常简单的游戏，只有黑白两种

    棋子，但人们都认为围棋是所有棋牌游戏中最复杂、难度最大的，一定

    程度上需要人类特有的直觉和创造力。围棋不是一个有解的游戏，要在

    19×19的方形棋盘上呈现所有可能的游戏变化近乎不可能。保守估计，围棋的变化数量可以达到10170 (在可观测的宇宙中，只有1080 个原子)。 [10]

    还有人估计，这个数量可能高达10800 (假设每一步棋都合理

    ，而非随意出棋)。 [11]

    如果后者成立的话，那么游戏的变化数量可

    以达到10100 ，即10的古戈尔次方(googolplex)。所以，你可以说围棋

    相较于同类有规则的棋牌游戏，堪称最接近新兴系统的棋牌游戏。但在

    2016年3月15日，全世界最好的围棋选手李世石(LeeSodol)却以四局

    三负的成绩，败给了谷歌DeepMind(深度思考)推出的人工智能围棋

    手AlphaGo(阿尔法围棋)。图2.1 四种棋牌游戏可能的合理步数

    图2.1说明：从简单的井字游戏到围棋，可能的步数(以10为底数)有了显著的增加。由于插图采用了对数标尺，所以没有切实体现出这种变化的实际量级。例如，如

    果严格按照比例尺来画这张图表，假设国际跳棋的柱高为1毫米，那么围棋的高度就

    是1034 千米，远远超出了可视化宇宙的界限。

    所以，到底是什么让AlphaGo在处理新兴问题方面能够领先深蓝这

    么多？

    首先，AlphaGo拥有强大的计算能力：1 920个标准处理器和280个

    加强版处理器，我们称之为GPU(图形处理器)。这是专为要求极高的

    游戏任务定制的。但AlphaGo真正的实力并不在于每秒千百万条指令或

    几兆的内存，而是它能够通过众所周知的深度学习(Deep Learning)形

    成某种直觉。简单来说就是，深度学习可以从千百万种围棋游戏中归纳

    出各种规律，并在此基础上决定走哪一步最好。 [12]

    在AlphaGo的例子中，开发人员在这台人工智能设备中输入了千百

    万种可能的围棋着数，包括所有他们在网上能找到的两人对弈的棋局。为了进一步强化这种深度学习，AlphaGo自己跟自己下棋——一遍又一

    遍，下了千百万遍。

    如果对人工智能的工作原理有一定的了解，就会更容易理解后面的

    论述。

    在AlphaGo身上其实有两套独立的算法，共同决定下一步棋该如何

    走。第一种是“策略网络”(policy network)，它的作用是基于之前经历

    过的所有对弈，根据具体情况推断出走哪步棋最好。AlphaGo随后转向

    第二种算法，称为“估值网络”(value network)，计算出每一步棋可能

    的成功概率。这两种算法共同构成了一套动态变化的规则，让AlphaGo

    能遵循这个规则下棋。

    我们做个类比，假设你正在做一个艰难的决定，你要做的第一件事

    可能就是先想出最好的一些选项，一旦你有了这些选项，下一步很可能

    就是找到最有可能成功的那个选项。在你面对新兴系统时，这种从经验

    中学习的能力是必备的，因为它让挑战和挑战者(或物)之间能够开展

    对话。

    最后，记住这一点，AlphaGo不是由程序员训练出来的，而是它自

    己训练自己。对此，我们将在后续章节继续讨论。在探讨人工智能如何

    改变我们对计算的看法时，这是最重要也是人们了解得最少的一个方面。但就目前来看，可以说就连探索AlphaGo或任何其他人工智能工作原

    理的人，或许都未必理解它们做出某个决定或做出某种行为的原因。

    人工智能不同于那些由人来编程的计算机，它可以一边给自己编程

    ，一边学习——完全不同于人类的学习方式。没有人会正儿八经地教你

    走路，即使他们真的这么做了，估计你也听不懂他们在说什么，因为我

    们大多数人都是先学会走路后学会说话。我们会在第四章讨论自动驾驶

    汽车时继续探讨这些话题，但现在我们暂且接受这样一个现实：通过任

    何预先设定的规则是无法完全理解或预测新兴系统的。

    新兴也不是一个仅限于物理或机械装置的概念，它同样也是经济学的重要组成部分。1914年，经济学家、芝加哥经济学派创始人弗兰克·

    奈特在其康奈尔大学博士论文中提到了固有不确定性的作用，他的著作

    《风险、不确定性和利润》(Risk Uncertainty and Profi , )也是基于这

    篇论文展开的。

    奈特的经济学研究方法不算正统，但他的前提非常简单：不确定性

    是对未来缺乏了解的表现。奈特构建了一个复杂的矩阵，来描述生活中

    多种多样的不确定性，他甚至还进一步声明“意识的作用在于给予众生

    未来的‘知识’”。

    奈特式的经济学认为即使有再多的信息，也无法增加对某一事件的

    确定性。这可能是奈特工作成果中最反直觉的部分。

    毕竟，如果某新兴系统的不确定性是因为对未来缺少了解，那么在

    拥有了一定的信息之后，这种情形不应该有所改善吗？在奈特描述的情

    境中，这种了解只能通过亲身经历获得，而不能提前获取。实际上，对

    这些情形了解的信息越多，越容易导致决策延迟、错失良机。结合实际

    思考一下，面对不确定性时，你的第一反应往往是先缓缓，厘清整个事

    件，然而在这种情况下，恰恰需要你马上行动起来，随机应变，这就是

    人们所说的“不确定性原理”(Uncertainty Principle)，随着不确定性的

    增加，反应的时间会越来越少。 [13]

    我们身边到处都是这种新兴系统带来的不确定性——天气、股票市

    场、经济体系、市场体系、政治运动、生物圈、交通情况、人类行为、某些疾病——这一切都带有一定的不确定性，人们不可能完全理解。

    计算机配置再高，连通性再好，也不能解决云类问题所带来的挑战

    ，只能在问题的表面取得初步进展，但在使用暴力算法获得进展方面，人们正在接近极限。

    这就是物理的极限。不仅摩尔定律有上限，而且如果我们继续以当

    前的加速度存储数据，很快就会碰到一些相当可笑的场景。预计世界数

    据中心(所有云数据的存储地)每年消耗的能源比英国全年消耗的能源高出25%，其碳足迹堪比整个航天工业。仅就日本而言，如果该国的数

    据中心继续保持现有的增长速度，到2030年就会耗尽整个国家的能源输

    出。 [14]

    然而，更让人吃惊的是另一个现实：如果我们继续以现在的轨迹发

    展，马上就会面临空间不足以存储所有数据的窘境。到2020年，预计世

    界每年会产生44泽字节(Zettabytes，44后面有21个零)的数据 [15]

    ，到2025年，这个数据将陡增至180泽字节。这意味着我们的数据年产出

    量每两年就会翻一番，而且还将继续加速。按照这种速度，到2220年，哪怕是把太阳系中每一个原子都用来存储数据，我们也会突破极限。

    我们实在不能再继续这样用有限的解题规则，把所有问题都当作工

    程系统的问题来解决了。这并非要摒弃以前用于解决钟类问题的方式，因为钟类问题不会消失，我们还会看到比以往更多的类似问题。但这确

    实意味着，人类需要认识到技术问题之间的差异，钟类问题的解决依靠

    的是线性、简化论推理的方法，而新兴问题则需要依靠行为学来解决。

    关于新兴系统的这些讨论，听起来可能有些愚蠢，甚至让人费解，但它直接指出了人类为何需要借助人工智能开拓未来。人类正处在文明

    的分水岭，要么选择工业时代的建造工具继续得过且过；要么添置一套

    新的工具，以便在面对未来的挑战时更加得心应手。这些新的工具既可

    以帮助我们运作商业，也有助于重塑我们的社会。

    本书中所探讨的话题——自动驾驶汽车的发展、无摩擦力数字生态

    圈的出现、超个性化以及忠诚品牌的价值——都源于人们解决问题方式

    上的根本转变，从单纯地应对水面上显而易见的部分问题，到探索隐藏

    于水下的更复杂、更有趣的部分。要揭示我们每个人独有的个体行为，隐藏的那部分才是最有意思的。真正的大幕正是从这里拉开的。

    [1] “50 Years of Moore’s Law,” Intel, accessed October 2, 2017,https:www.intel.comcontentw

    wwusensilicon-innovationsmoores-law-technology.html.

    [2] Martin Lindstr?m, Small Data: The Tiny Clues That Uncover Huge Trends (New York: Picador, 2017).

    [3] “John Vincent Atanasoff: The Father of the Computer,” (obituary),accessed October 2, 2017, h

    ttp:www.columbia.edu~td2177JVAtanasoffJVAtanasoff.html.

    [4] 此处用牛顿爱因斯坦，旨在说明尽管爱因斯坦的物理学理论在理解事情的起因上有了

    巨大的飞跃，却并未否定牛顿对事物发展的解释，两者可以共存，而且事实如此。

    [5] 在aspiregroup.com上，与吉姆·海斯一起就托普勒以及他对钟与云的类比进行了深入探讨。

    [6] 1英里≈1.61公里。

    [7] Tibi Puiu, “Your Smartphone Is Millions of Times More Powerful Than All of NASA’s Combi

    ned Computing in 1969,” ZME Science ,September 10, 2017, http:www.zmescience.comresearchtec

    hnologysmartphone-power-compared-to-apollo-432.

    [8] 改编自托马斯·科洛波洛斯，《云上冲浪》(Cloud Surfin )(布鲁克林：Bibliomotion出

    版公司，2012年)。

    [9] “500 Billion Billion Moves Later, Computers Solve Checkers,” Chess News , accessed October

    2, 2017, http:en.chessbase.compost500-billion-billion-moves-later-computerssolve-checkers.

    [10] “Showdown,” The Economist , March 12, 2016, https:www.economist.comnewsscience-an

    d-technology21694540-win-orlose-best-five-battle-contest-another-milestone.

    [11] Matthieu Walraet, “A Googolplex of Go Games,” January 9, 2016,http:matthieuw.github.io

    go-games-numberGoGamesNumber.pdf.

    [12] AlphaGo和其他深度学习系统一样，并非通过与人类对手玩游戏来锻炼自己，其对手是

    诸多其他电脑，而且在大多数情况下是自己跟自己对弈。

    [13] Koulopoulos, Cloud Surfin .

    [14] Tom Bawden, “Global Warming: Data Centres to Consume Three Times as Much Energy in

    Next Decade, Experts Warn,” The Independent , January 23, 2016, http:www.independent.co.ukenvir

    onmentglobal-warming-data-centres-to-consume-threetimes-as-much-energy-in-next-decade-experts-

    warn-a6830086.html.

    [15] Research and Analysis by IDC, “The Digital Universe of Opportunities: Rich Data and the In

    creasing Value of the Internet of Things,” EMC Digital Universe, April 2014,
    eadershipdigital-universe2014iviewexecutivesummary.htm>第三章

    大胆曝光：人们如何爱上公开隐私

    “假如你把秘密告诉了风，就别怪风把它告诉整片森林。”

    ——哈利勒·纪伯伦(Kahlil Gibran)讨论捕捉和预测行为自然绕不开道德和隐私的问题。上文提到，本

    书无意描绘人们谈论未来时常会想象的世界末日，但也不应该完全无视

    那些想象的场景，那未免太过幼稚。说到颠覆性变革，很容易只从支持

    者的角度出发，讨论它能带来的好处，而无视那些质疑改变和进步的声

    音，但这就犹如画一条清晰的分界线，把未来与过去彻底分离开来。

    事实上，时间已经证明，只有符合人们“个人利益”的改变才受欢迎。人们使用智能手机绝不是为了保障苹果和三星的合理利润，而是为了

    满足我们自身对通信、生产、效率以及娱乐等方面的需求。换句话说，人人都能坐享科技成功带来的好处。新技术的创造和提供者与其使用者

    所获得的经济利益是否常常存在不平衡？当然是。但这种不平衡是双向

    的，未来并不会偏袒任何一方。

    例如，为了建立如今已家喻户晓的互联网，众多公司曾进行了巨额

    投资，但其中有些沦为了这一浪潮中的牺牲品。据估计，2001年互联网

    泡沫破灭时，近5 000家公司关门、破产或以极低的市值被收购。

    直到17年后，人们才开始认识到互联网公司的前景。因此，首批加

    入互联网浪潮的公司，并非全都从中获利，只有极少数的公司坚持下来

    了，能赢利至今的更是屈指可数。

    虽然通过现有的及将来的技术，透明度能够大幅提升，但是也会给

    人们的隐私造成极大威胁，其威胁程度甚于任何事物，同时我们要知道

    ，透明度也能创造价值。

    可接受的未来

    我们不是要无视透明度和隐私带来的挑战和恐惧(很大程度上被认

    为是合理的)，而是要直面它们，勇于迎战。只有这样才能战胜这些挑战和恐惧，创造出能被人们接受的未来。

    我们将从隐私面临的最明显的挑战入手，分析每一个挑战如何妨碍

    行为数据的收集和使用。本书后续章节还将探讨针对这些挑战的应对方

    法。

    让人们放弃隐私的途径不止一种。在本书中，我们列举了一些合法

    的途径。当然，还有无数种非法侵犯隐私的情况，但也有相应的索偿手

    段(在第四章中，我们也会探讨如何才能预防和控制非法侵犯隐私的行

    为)。本章将列举四种为了换取个人或社会利益而放弃隐私的情况。

    因法律规定而失去隐私

    在法律上，若有法院命令或有正当理由，我们可以被进行合法搜查

    与扣押，类似的法律规定可能会剥夺个人隐私。执法人员可以申请法院

    命令或搜查令，获取存储在本地或云端的私人数据。需要注意的是，虽

    然美国宪法第四修正案规定，禁止对私人住宅内的财产进行非法搜查和

    扣押，但与第三方共享的信息，或有正当理由进行犯罪调查时发现的信

    息则不受该条款的保护。例如，在执法过程中，只要有法院传票(无须

    法院法官或公正审判)就可以获得私人通话记录和水电气使用数据，甚

    至还可以获得储存在云端的电子邮件信息。因为一旦你开始与第三方分

    享此类信息，即被视为已经放弃了隐私权。

    在美国，对于存储在第三方服务器(谷歌、微软、雅虎等)上的邮

    件等隐私信息一直存在争议。目前，只需一张法院传票(无须司法监督)，执法部门或政府就能获取六个月前的邮件。仅2016年一年，谷歌就

    收到31 000次这样的要求。并且，政府无须告知邮件所有者其邮件信息

    已被审查过。

    就在本书出版之际，美国众议院全票通过相关法案，禁止在没有法

    院搜查令的情况下审查邮件，但法案最终未通过参议院投票。 [1]而针对正当理由，情况更为复杂。执法者在履行职责展开调查、阻

    止违法犯罪活动时，有权获取“一目了然”的证据或违禁品。但就数字证

    据而言，该如何定义“一目了然”呢？稍后我们将再次回到这个话题。

    因公共安全而失去隐私

    人们也会因为公共安全而失去隐私。我们早已习惯机场安检的身份

    验证、全身扫描、搜查或搜身检查。出席体育赛事或娱乐活动，以及进

    入某些公共场所时也会遇到许多类似的情况。但并非一开始就是如此。

    在绑架事件和恐怖主义出现之前，泄露隐私是不可容忍的，因为公共安

    全并未受到任何威胁，人们普遍认为享有隐私理所当然。然而这两点都

    已发生转变，法庭与这种转变有直接关系，本章后续部分将对此具体介

    绍。需要注意的是，美国宪法第四修正案适用的是政府搜查而非私人行

    为。同时，如何定义合理范围内的“失去隐私”，将取决于人们对于隐私

    的期待，以及对“因公共利益而失去隐私”的接受程度。我们暂且保留这

    个想法，后文将继续展开讨论。

    用隐私交换价值

    有时，人们会为了换取某种价值而放弃隐私。我们都会遇到这种情

    况。共享社会安全号码或身份识别信息会导致你失去隐私。为了获得驾

    照、使用信用卡或满足其他需求，人们会求职、申请信用卡或申请学校。通常，交换信息的价值显而易见。然而，在许多情况下，很多相同的

    信息也会被收集并另作他用。

    例如，许多网站会根据你回答的问题，包括健康状况、生活方式和

    习惯偏好等，推荐与你“真实年龄”相关的内容。你的“真实年龄”就是一

    个计算机算法，是基于你的生活习惯和健康状况推断出的年龄，可能与

    你的实际年龄不符。我们用一个名叫Sharecare(共享关怀)的类似网站

    做了试验。虽然刚开始这个网站收集的信息内容都比较中立，但很快就开始问

    到非处方药、医师处方、确诊健康状况以及每周性行为的次数等十分隐

    私的问题。对这些连医生都不会问的问题，人们却自愿给出答案以便估

    算出自己的“真实年龄”。

    该网站有相应的隐私政策，节选如下：

    Sharecare可使用您的健康状况信息为您提供特定的服务。Shar

    ecare可能共享个人健康数据信息以提供更好的客户体验并改善我们

    的服务质量。例如，Sharecare服务能帮助您获取来自广告商及其他

    第三方平台的信息，但基于此目的与第三方共享的个人健康状况信

    息不会用于确认个人身份。

    参加测试的共有4 200万人，共产生超过50亿个数据点。 [2]

    为获取便利而放弃隐私

    人们在日常生活中有时也可能会为了多获取一点点的便利，而泄露

    个人日常活动的线索，从而无意中暴露了个人隐私。例如，用于快速通

    过收费站的无线电频率发射器、浏览器和搜索历史、存储在云端的电子

    邮件和文件，甚至用于追踪人们购买行为的积分卡等。虽然个人每次从

    这样的交换中获益甚微，但是把这些个人交易累计起来，对受益方而言

    价值可观。

    在多数情况下，这样的交换仅仅是为了减少交易中的摩擦力。举个

    简单的例子，回想一下第一章提到的脸书Connect项目，这个平台的便

    利之处在于它能记录使用其他多个应用程序的身份识别信息，如用户名

    和密码。这样就减少了用户体验过程中整体的摩擦力。

    在上述用隐私换取价值或便利的例子中，使用具备行为追踪功能的

    应用程序时，人们因接受相关“条款和条件”而放弃了某些隐私信息。然而，这其实是一种不对等的关系。个人用户没有机会来阅读、理解并随

    时跟进智能手机里各个软件附带的“条款和条件”。挪威的一个消费者保

    护组织做了一件事——阅读普通用户智能手机里33个应用程序附带的“

    条款和条件”。且不说理解与否，仅阅读完全部内容就需要31小时49分

    钟11秒。 [3]

    时间长到足以读完托尔斯泰的《战争与和平》，余下的时

    间还能读读纳撒尼尔·霍桑的《红字》。 [4]

    以上例子体现出在大众心中，个人或社会层面能够接受的隐私曝光

    程度。或许你并不完全认同这样的观点，但这就是当今法律和社会对于

    隐私的界定准则。

    然而，如果人们能够接受隐私交换，各种情况就很难说得清了。

    窥探的眼睛

    29岁的玛塞拉·赖利(Marcella Riley)是一位年轻、有理想的喜剧

    演员，为了能够进入表演行业刚搬到洛杉矶。与当时其他尚未成名的年

    轻演员一样，她满怀梦想却囊中羞涩。于是她决定在自己付得起房租之

    前，先去朋友和熟人家当“沙发客”。 [5]

    她有一个名叫康纳(Conner)的朋友，是她在苹果门店工作时的同

    事。康纳很热情地欢迎玛塞拉去他家当沙发客，并表示她想住多久就可

    以住多久。然而好景不长。搬到康纳家一个月后，玛塞拉在沙发对面的

    书架上发现了一个非常小的电子监控摄像头。她质问康纳这是怎么回事

    ，康纳称摄像头已经装了一年了，而且根本没用过。但玛塞拉发现摄像

    头其实是在她搬进来后才买的，她自以为的私人空间其实一直处在监控

    之下。于是她去当地警察局报了案，但警方表示他们也无能为力，因为

    摄像头装在客厅，她本就不该指望在这里拥有隐私。在家里录制视频并不是非法行为，而且只要摄像头没有安装在浴室

    、卧室等公认的隐私区域，就无须告知家里的来客。(鉴于目前有11个

    州要求合法录制音频须征得双方同意，所以此处暂不讨论音频。)不过

    ，恐怕换作任何人都不会认为，玛塞拉的经历是能够接受的放弃隐私的

    情况。

    在玛塞拉的例子中，虽然康纳录制视频没有触犯法律，但确实构成

    了对她个人隐私的侵犯。这既对公共利益没有任何贡献，也没有让玛塞

    拉因放弃隐私而获得任何价值，因为她并非用录制视频来换取使用沙发

    的机会，她显然没有答应别人可以研究或观察她的行为。

    玛塞拉的经历绝不算个例。如今摄像头无处不在，法院甚至试图重

    新启用已经过时的法律来加强对隐私权的保护。然而，科技的发展早已

    超越了人们的监督范畴。人们虽然可以通过立法来约束新技术，却无法

    阻挡技术在社会生活中日益渗透的影响力。这并不是说玛塞拉的遭遇是

    合理的，谁都无法容忍这种偷偷摸摸的行为。但问题在于，如果技术发

    展到无处不在的地步，怎么才能做到强制命令或监督数据的使用呢？

    另一个例子更能说明上述问题。2017年，美国移民海关执法局(Im

    migration and Customs Enforcement)开始与技术供应商展开合作，旨在

    开发一套监控系统，从而将他们获取的碎片化的数据孤岛(silos of data)全部整合起来进行监控。用他们的话说这是：

    一个重要的审查系统，能够自动汇集并梳理当前的人工审查流

    程，同时自动确定追踪到的数据是否足以执行针对美国移民及边境

    安全和利益的总统行政命令。

    简言之，该系统会识别非法潜入美国或移民海关执法局可能会感兴

    趣的人。 [6]

    虽然针对此类政府行为，美国公民自由联盟(ACLU)曾经开展过一些应对工作，但对非法移民的特别关注本身就提供了一道后门，有了

    这道门该监控系统就不会面临太大的阻碍。同时，其中一个组成部分能

    够在之前的基础上增加一个新维度。在观察、评估的数据孤岛中，有一

    个是锁定对象使用的社交媒体。也就是说，一个人表达的观点、表达的

    方式和他的听众，在确定这个人是否有嫌疑时都会起到一定的作用。

    这也是非常有意思的地方。为了把所有信息的来源查找一遍，确定

    展开进一步调查的对象，必须首先锁定足够多的人，并收集尽可能多的

    信息。最好是收集每个人的信息。但为什么连美国公民的信息都要收集

    呢？首先是因为目前还无法识别每个人的数字身份。其次，根据公民的

    互动和交流信息，能够发现是否有非法移民，以及参与庇护或帮助非法

    移民的人，或对国家安全构成潜在威胁的人。

    支持这种全面监视和数据收集的人最常用的合理解释就是，如果你

    没做错事就没什么好担心的。请先记住这个观点。

    古尔巴克斯·查哈尔(Gurbaksh Chahal)是硅谷一位连续创业的企

    业家，因其女朋友拨打911电话报警控诉被其殴打而被警方逮捕。警察

    到了查哈尔的豪华公寓后注意到，在据称发生袭击事件的卧室天花板上

    装有监控摄像头。警察对公寓进行了搜查，在衣橱内找到了监控系统的

    硬盘录像机，于是将其没收，希望能够找到证实查哈尔罪行的录像证据。

    果不其然，录像机中的视频记录显示，查哈尔殴打了其女友上百次。然而，最终旧金山县法官布伦丹·康罗伊(Brendan Conroy)并未批准

    将那些视频记录作为呈堂证供，原因是警方违反了美国宪法第四修正案

    赋予查哈尔的权利，即在没有搜查令的情况下不得对查哈尔实施搜查和

    扣押。查哈尔最终被判袭击轻罪，他本人认罪并被判缓刑3年。 [7]

    可以从以下几个角度来分析这个案例：

    ·在未获得搜查令的情况下扣押查哈尔的录像机，违反了美国宪法第四修正案赋予查哈尔的权利，更何况录像机并不在一目了然

    的区域。

    ·你可以反驳，警方接到911报警电话才进入查哈尔的公寓，因

    此他们有正当理由对所控罪行进行取证，所以搜查录像机是合理的。

    ·你还可以说，查哈尔使用录像监控设备记录进入卧室的任何

    人(不只是闯入者)，这说明他接受录像并非私人财产，而是同时

    属于原告和他自己。

    事实上，根本不存在非黑即白的结论。在每个涉及无意采集录像，以及可能构成犯罪行为的录像等类似案例中，录像是否能合法采用，或

    者是否侵犯美国宪法第四修正案赋予被告的权利，最终由法院裁定。这

    也适用于任何形式的潜在证据，但这个问题还涉及所有权和信息披露的

    问题。

    例如，在查哈尔的案例中，如果录像储存在云端又会怎样？录像的

    所有者是查哈尔还是云端供应商？这样一来，执法者就可能这样做：虽

    然发现了卧室的摄像头和摄像机，却不扣押嫌疑人住所的任何东西。相

    反，他们可以直接去找云端服务器的所有者或数据中心获取信息，有没

    有搜查令都无关紧要。

    此外，虽然查哈尔的案例不涉及这点，但任何上传或分享给电信运

    营商或社交媒体等第三方的信息，均不再享有美国宪法第四修正案赋予

    的相应权利。

    2016年美国最高法院的一个案例涉及使用蜂窝基站位置信息(CSLI)作为证据，起诉若干个体犯下的持械抢劫罪行，法院裁定由于被告向

    服务提供商[该案例中为SprintNextel(美国移动通信公司)]提交了

    其手机位置信息，因此适用“第三方原则”，这意味着他们不再享有美国

    宪法第四修正案赋予的此类信息相应的权利。 [8]

    最高法院的判决如下

    ：长久以来，法庭一直认为个人“自愿提交给第三方的信息”不

    受美国宪法第四修正案的保护。该规则——第三方原则——对于向

    第三方“披露的信息”，也同样适用，如同本案情形一样，前提是

    “该第三方仅将其用于有限的用途且不会失信”。

    如果这不足以让你感到害怕，那就好了(或许应该说更糟了)。法

    院判决还有，“个人向另一人透露其事务的”，本人“承担……另一人向

    政府传达该信息的风险”。是否突然感觉有点儿奥威尔笔下的《1984》

    中的味道？

    如何通过各种媒介获取信息，其背后的动机是什么，信息属于谁，是私营机构还是公共部门，这一切突然都变得模棱两可。你也许能厘清

    某一个案例的头绪，但不可能通过立法来找到每个案例的解决方案。

    现在留给我们的只有一个超级复杂的问题，即该如何定义隐私。

    我什么也没做错

    现在回到“如果没做错事就不用担心”这个观点上。显然，在安装监

    视系统的时候，查哈尔万万没想到录像机竟然会对自己不利。那些倡导

    “自己没错”，也不介意朝向自己的摄像头或镜头，不介意成为政府监视

    对象的人，通常会用一套说辞来支持自己的观点：“如果放弃一点点隐

    私就能防止另一起‘9·11’事件的发生，何乐而不为呢。”但他们认识不到

    ，收集的不仅是与潜在非法犯罪活动有关的信息，而且有很多信息与非

    法活动根本就不沾边，事实上只是在尽可能多地收集毫无区分度的信息

    而已。

    第二个也是更为严重的错误是，当你声称自己什么也没做错，就意

    味着你对个人行为是否违法了如指掌。《美国法典》(United States Code)约有27 000页，涵盖所有的联邦法律，还不包括各监管机构的行政

    条例，以及各州的法律法规。 [9]

    美国最高法院大法官布雷耶(Breyer)表示：“现代联邦刑法极其复

    杂，在《美国法典》中有数千节相关规定，而实际情况有无限种可能，每一种都可能引起对潜在违法行为的调查，因此人们很难预知，自己的

    某些言辞在将来是否(对公诉人而言)会与某起调查有关。”

    最后，合法的概念并非一成不变。为了适应不断变化的常态，推进

    社会朝着更为公正的方向发展，需要不断修改或废除相关法律，而在此

    过程中从未被违反过的法律是不存在的。因此，你的行为或许因为某种

    原因已经触犯了法律，但由于在道德、伦理或社会层面，这个原因都是

    能够接受的，便有了变更该法律规定的社会驱动力，如同性结婚、医用

    大麻等。假定法律是完美的，就等于假定人是完美的。然而人无完人，法律亦如此。

    或许此刻你会感到诧异，明知道暴露人们的行为会增加隐私被侵犯

    的风险，我们为什么还要提倡提高透明度？毕竟，到目前为止，依照我

    们的描述，人类似乎要全速进入一个被全天候监视的社会。

    毫无疑问，数字自我会成为争议和分歧的焦点，还将导致对隐私的

    争论进一步升级。但如今木已成舟，时光不可能倒流。随着人们观察行

    为的能力不断提高，隐私必将成为一个更为热门的话题。不过还有另外

    一个方法，让技术改变执法这把“双刃剑”，同时保证公正这一前提。

    谁在监视谁

    亚历克斯·乌贝尔斯(Alex Wubbels)是犹他大学医院的一名护士，她刚要走出烧伤科急诊室，就遇到了警探杰夫·佩恩(Jeff Payne)，询问能否获得急诊室内某个病人的血液样本。

    乌贝尔斯十分清楚，在没有搜查令或未获得病人许可的情况下不能

    提供血样。当时她的病人正处于无意识状态，无法表明态度，而警探佩

    恩也没有搜查令。于是她礼貌地向佩恩解释了当时的情况，但佩恩十分

    坚持。她只好找出一份医院政策的纸质资料，封面显示该资料是与警方

    合作编制而成。医院与警方联合制定的政策中写得清清楚楚，没有搜查

    令或未经病人同意不得抽取血液样本。乌贝尔斯心平气和地向佩恩阅读

    了相关政策和法律规定，还提供了纸质资料并指出有关搜查令和病人许

    可的规定，全程未流露出一丝傲慢之意。然而佩恩并不买账，他突然激

    动起来并威胁要逮捕乌贝尔斯。

    乌贝尔斯丝毫没有畏惧，她用手机拨打了上级的电话，并打开免提

    让佩恩听了电话那头的解释。在上级与佩恩确认医院政策的过程中，她

    一直为他们举着手机。随后，她跟佩恩说道：“先生，你犯了一个严重

    的错误，你不该威胁一名护士。”

    佩恩突然恼羞成怒。他猛地一把夺过乌贝尔斯的手机，另一只手抓

    住她的手臂，声称她被捕了，然后强行将她拖出急救室，把她按在急救

    室外的墙上并对其上铐。乌贝尔斯茫然不知所措，她恳求佩恩放开她。

    当时在场目睹这一切的，还有医院的警卫和另一名警察，他们跟乌贝尔

    斯一样对当时的情况感到十分震惊。

    2017年9月1日，各大报刊对该事件进行了报道，但事发当天是7月2

    6日。这多亏了许多警察局从4年前开始采用的一项技术，否则事情的真

    相可能永远都只有在场的几个人知道，警探佩恩必须随身佩戴的便携摄

    像头记录下了事件的始末。

    最先采用便携摄像头的是加利福尼亚州的里阿尔托的一个警察局。

    《纽约时报》2013年的一篇文章写道：“自2012年2月里阿尔托采用便携

    摄像头辅助执法以来，对警察的投诉较前一年降低了88%。警察暴力执

    法的现象较同期减少了60%。”但便携摄像头的使用并未受到所有人的欢迎。纽约市长迈克尔·布

    隆伯格(Michael Bloomberg)就发出了反对之声。他表示：“这会是个

    噩梦，我们不可能再安排一个摄像师跟拍，保证人们不会质疑他们不是

    故意选取某个角度，或者是否记录了完整的画面。” [10]

    显然，便携摄

    像头还有很大的改进空间，但不可否认，它提高了相关人员的安全性。

    这个事例中的不对称现象，与其他大多数情况类似，即揭示隐藏行

    为的技术，引起人们对存在严重错误的边缘案件的关注，但它的积极影

    响并不明显。

    科技前进的车轮是不会倒退的。收集人们信息数据的设备、传感器

    和软件最终将覆盖一切，那时人们将无法再对技术的使用进行监督和管

    理。

    这并不意味着我们应该停止通过立法、法律及社会途径防止滥用隐

    私的行为，但若想仅凭这些途径来解决问题也不太现实，因为这就等于

    承认，除此之外人们别无他法来保护数字自我，而提高透明度也毫无价

    值可言。本书第四章和第八章还将讨论，保障数字自我的所有权和控制

    权另有他法，我们将通过全书证明，数字自我在重视透明度的环境中价

    值颇高。

    风险远大于收益这种耸人听闻的传言，几乎存在于人类文明的每一

    次重要飞跃。公元前400年，苏格拉底就曾担心写作会摧毁口述艺术；1

    815年，厌恶技术的勒德分子(Luddites)害怕技术会导致自己失业；19

    82年，美国电影协会(Motion Picture Association)主席杰克·瓦伦蒂(Ja

    ck Valenti)曾公开表示：“盒式磁带录像机(VCR)之于美国电影制片

    人和公众，无异于波士顿杀人狂之于独自在家的女性……” [11]

    以当下

    的恐惧推测未来是再容易不过的事情。

    人们虽然非常擅长推测新技术的弊端，但在预测技术优势、预见保

    护人们免受技术阴暗面影响的创新方面，却显得异常无能。回想一下19

    93年ATT的广告“你的未来”，很多人认为广告语“你的未来”更像是威胁而非承诺。你的未来将全天候被科技捆绑!你猜结果怎样？确实如此

    ，但似乎人们乐在其中。要在新事物带来的恐惧与其潜力之间寻找平衡

    注定不易，但人们还是会不断陷入这个陷阱。

    在第四章“与车对话”这个话题中，我们将看到一个成熟、大胆、创

    新的数字及实体资产拥有方式。该方式不仅能减少对隐私的威胁，还能

    创造出拓展数字自我价值的机会，而且那只是人们目前能想到的范畴，类似的方式还有许多。

    本章已接近尾声，数字自我还有令人为之惊叹的另一面，即它发展

    和壮大的速度比人类自身更快，这一点对理解数字自我如何为个体创造

    价值十分重要。

    乍听之下，这或许很奇怪：如果那是我们自己的数字自我，它怎么

    会比现实世界中的我们发展得更快呢？在很大程度上，数字自我将以人

    类无法企及的速度和规模为我们提供服务。对此，我们将在第六章借“

    个性化代言人”的例子展开论述，此处先用一个简单的比喻说明问题。

    本书的作者之一乔治曾是一位核物理学家。在思考如何描述数字自

    我在发展过程中的进步时，他想到了爱因斯坦的时空理论。我们暂不在

    那个层面做深入探讨，不过其中的关联非常有意思，也激发了我们的好

    奇心。

    爱因斯坦在其理论基石——狭义相对论中提到，两个观察者所观测

    到的时间可能不同。原因是速度、引力等因素的变化会导致时间膨胀效

    应的产生。爱因斯坦表示：

    时间膨胀是指两个观察者之间的时间差，造成这种差异的原因

    也许是彼此相对的速度差异，或者是二者相对于重力场的位置不同……由于时空的性质，对一个观察者而言，相对于该观察者运动的

    时钟，要比观察者自己参照体系中静止的时钟走得慢。如果时钟所

    处重力场强度大于观察者所在的重力场，则该时钟要比观察者自己

    的时钟走得慢。 [12]简言之，在你的参考体系中如果我运动的速率更快，那么我的时钟

    就相对走得慢，同时你也会觉得你的时钟走得更快，至少你观察到的结

    果是这样。那么如何运用时空理论解释我们所说的数字自我呢？

    很简单，我们的数字自我要比我们自己的速度快得多。当我们静止

    不动的时候，数字自我正在以光速快速收集、关联、模仿并做出决定，而这一切都是我们无法看到的。这意味着在任何一段时间间隔内，数字

    自我都比你能做的多得多。最终便导致了你的数字自我能够在你做出行

    动之前推测出你的行为。因为它已经比你早十步到了那里。

    数字自我运作的方式十分有趣，后续章节会对此展开论述。现在请

    你想一下，那些争夺你注意力的事物何等繁杂，令人喘不过气，更不用

    提那些待办清单上的事项了。试想一下，假如你有一个对你的习惯、情

    绪、能力和诉求十分了解的私人助理，它总能先你一步知道你接下来需

    要做什么。这听起来简直不可思议，对吗？但这就是数字自我将在你生

    活中扮演的角色。

    此前我们也曾听过这样的承诺。在计算机出现之初，人们就听说机

    器、计算机、机器人将会带给我们更多的时间和自由，让我们去做自己

    想做的事，减少日常生活中的单调和乏味。今天，苹果的智能语音助手

    Siri、微软的个人智能助理Cortana、亚马逊的虚拟语音助理Alexa，以及

    谷歌的智能语音服务“谷歌即时”(Google Now)等都做出了相同的承诺

    ，只是它们与我们想象的效果还相去甚远。

    导致现实与想象存在落差的原因，在于它们目前掌握的关于你的数

    据非常有限，同时其学习能力也尚在提升。不过在第六章中我们将看到

    ，在不久的将来，这方面的进步将重新定义客户体验，最终成为那些想

    在激烈市场竞争中脱颖而出的公司的一项不可或缺的资产。

    不过在此之前，让我们先通过最能体现实体与数字行为融为一体的

    设备——自动驾驶汽车，来看一看未来会是什么样子，这将是证明人工

    智能的价值与可靠性的转折所在。[1] “H.R. 387—115th Congress: Email Privacy Act.” www.GovTrack.us. 2017. February 3, 2018

    

    [2] “RealAge,” Sharecare , accessed October 2, 2017. https:www.sharecare.comstaticrealage.

    [3] Chiara Palazzo, “Consumer Campaigners Read Terms and Conditions of Their Mobile Phone

    Apps...All 250,000 Words,” The Telegraph , May 26, 2016, http:www.telegraph.co.uk technology20

    160526consumer-campaigners-read-terms-andconditions-of-their-mobile-p.

    [4] Dianna Dilworth, “How Long Does It Take to Read Popular Books?: INFOGRAPHIC,” Galle

    y Cat , September 11, 2014,http:www.adweek.comgalleycathow-long-does-it-take-to-readpopular-bo

    oks-infographic91254.

    [5] Kashmir Hill, “Beware, Houseguests: Cheap Home Surveillance Cameras Are Everywhere No

    w,” Splinter , February 18, 2015,http:splinternews.combeware-houseguests-cheap-homesurveillance-

    cameras-ar-1793845387.

    [6] Sam Biddle and Spencer Woodman, “These Are the Technology Firms Lining Up to Build Tru

    mp’s ‘Extreme Vetting’Program,” The Intercept , August 7, 2017, https:theintercept.com20170807t

    hese-are-the-technology-firms-lining-up-to-buildtrumps-extreme-vetting-program.

    [7] Kate Conger, “Despite Looming Jail Time, Gurbaksh Chahal Is Back as Gravity4 CEO,” Tech

    Crunch , September 1, 2016, https:techcrunch.com20160901despite-looming-jail-time-gurbakshch

    ahal-is-back-as-gravity4-ceo.

    [8] United States v. Aaron Graham, Appeal 12-4659 (4th Cir. 2016),http:pdfserver.amlaw.comnl

    jGRAHAM_ca4_20160531.pdf.

    [9] Moxie Marlinspike, “Why ‘I Have Nothing to Hide’ Is the Wrong Way to Think About Surveil

    lance,” Wired , June 13, 2013, https:www.wired.com201306why-i-have-nothing-to-hide-is-thewron

    g-way-to-think-about-surveillance.

    [10] Marc Santora, “Order That Police Wear Cameras Stirs Unexpected Reactions,” New York Tim

    es , August 13, 2013. http:www.nytimes.com20130814nyregionorder-that-police-wearcameras-stir

    s-unexpected-reactions.html.

    [11] Hearings of Subcommittee on Courts, Civil Liberties, and the Administration of Justice of the

    Committee on the Judiciary, 97th Cong. (1982), http:cryptome.orghrcw-hear.htm.

    [12] Wikipedia, “Time Dilation,” accessed October 2, 2017, https:en.wikipedia.orgwikiTime_di

    lationcite_note-HSWTime-2.第四章

    将来完成时：与车对话

    “陛下，这不是造反——是革命。”

    ——1789年7月14日的晚上，巴士底狱被攻占，罗什富科-利扬库尔公爵

    (Duc DE Rochefoucald-Liancourt)

    对法国国王路易十六如是说2016年8月16日，迈克尔·纳尔逊(Michael Nelson)走进加利福尼亚

    州橘郡的一家特斯拉零售店。他是一名律师，服务的客户覆盖汽车行业

    和保险行业的各色知名人物。他一直在考虑到底是买电动汽车(Electric

    Vehicles，EVs)还是自动驾驶汽车，而且已经试驾很多次了，所以他

    偶尔会去当地的汽车经销商店，这一点也不奇怪。

    然而，迈克尔并不住在加利福尼亚州，他家在纽约，因为出差的缘

    故来到加州，他计划过几天就飞回去。他在这家店买了一辆特斯拉S型

    轿车(Model S)，刚出店门就给他年满31岁、身在纽约的儿子打电话

    ，问他想不想体验一次公路旅行。两天后，他们三个——迈克尔、他的

    儿子还有特斯拉——一起出发，准备从洛杉矶开往纽约，穿越整个美国。

    我们跟迈克尔讨论了他的首次公路旅行，请他分享了在与特斯拉一

    路向东、3 000多英里的跋涉途中的心得体会。迈克尔对自动驾驶汽车

    并不陌生，一年来他曾试驾过多辆同类型的汽车。所以他很清楚等待自

    己的是什么，但这次经历与典型的15分钟试驾大不相同，尤其是他们从

    洛杉矶出发的时间是当晚五点钟。迈克尔说：“正好撞上‘五’了，这是洛

    杉矶人常说的一句话，说的是周五的下午通常会出现的交通拥堵，汽车

    长龙首尾相接。我们坐在一辆崭新的自动驾驶汽车中，还没弄清楚怎么

    开呢，所以对我来说这绝对算罕见的情况。我当时还在研究汽车上路后

    到底要怎么使用自动紧急刹车，结果我们当晚连加州都没驶出。”

    第二天，他们开到了内华达州，迈克尔惊奇地发现，即使面对最复

    杂的路况，特斯拉也能应对自如。他们刚进入亚利桑那州时，走的全是

    蜿蜒崎岖的山路，但对自动驾驶汽车来说这似乎完全不在话下。不过拐

    了几个弯以后，他自己反倒有些担心，于是就踩了一下刹车，转为手动

    控制操作，他对我们说：“……你要慢慢建立对自动驾驶汽车的信任，相信它有能力做好分内的事。”

    当他们正以75英里的时速驶上一个陡坡时，一辆十八轮大卡车突然

    加塞到了他们前面，没想到特斯拉立即减速来适应这辆半挂车的速度——低至时速19英里。

    据迈克尔回忆，他起初对自动驾驶汽车能否准确地按照路标变道心

    存疑惑，但这辆车做出了令他满意的行为。

    如果你正乘坐一辆自动驾驶汽车，行驶在三车道高速公路的中

    间车道，你想换到左侧的车道，(只需要)按下指示灯，接下来的

    变道就交给车来完成，不用你亲自出马。你仍然手握着方向盘，但

    并没有手动变道，汽车似乎会先观察一番，然后表示，“没问题，可以安全变道”，在你反应过来前，它已经先45度转向，然后把方

    向调正。

    人们驾驶时都会有一个盲区，而针对这个盲区有一个习惯性的操作

    ：先环顾四周，打转向灯，然后轻踩油门驶入另一个车道，以免撞上某

    辆你没注意到的车。但对特斯拉来说就不存在这种情况。当汽车载着你

    准备变更车道时，如果相邻的车道上有车，它会自动停下来不再往左移

    动，你一定要慢慢培养对它的信心。 [1]

    然而最有意思的一个心得其实源于迈克尔所做的一件事，也是每位

    特斯拉车主想都不用想就会做的事。对特斯拉来说，这也许是非常了不

    起的一步，或者说是“无心插柳柳成荫”，迈克尔把这一刻称为“目瞪口

    呆”时刻。

    在开车回家的路上，他慢慢习惯了每个特斯拉车主都会有的一项体

    验：充电。在他们开车经过科罗拉多州时，迈克尔注意到一些同样型号

    的特斯拉也来到了充电站。显然，他不是唯一一个驾驶特斯拉穿越美国

    的人。他碰见了一位女士，跟他一样也是律师，她刚买了特斯拉。在他

    们交流彼此经历的过程中，迈克尔一直把他的特斯拉称为“她”，而那位

    女士却说：“‘他’的聪明令我感到十分惊讶。”迈克尔大吃一惊，他问她

    ：“当你说‘他’时，你是指埃隆·马斯克吗？”“不是，”她回答说，“我的

    车有名字的，他叫文森特(Vincent)。”特斯拉车主在进行车辆设置时，第一件事就是给它取名字。迈克尔

    本人是作家约翰·斯坦贝克(John Steinbeck)的书迷，他想到了斯坦贝

    克的《同查理一起旅行：寻找美国》(Travels with Charley: In Search of

    America )，书中描述了主人公从东往西横跨美国的旅行，迈克尔给他

    的车取名时参考了该书主人公的名字，但稍微做了一些改动，他用了这

    个名字的女性形式——查莉(Charlie)。

    给车取名时，车主假定的性别基本都与本人性别相反，这可能纯属

    巧合，但迈克尔对此很有感触，这辆特斯拉不像他别的车，“她”需要与

    车主建立信任和联系，甚至建立关系。在谈话过程中，迈克尔透露，整

    个旅行令他印象最深刻的是，与查莉逐渐建立的互信纽带。信任、行为

    和关系——对一辆汽车来说，这绝不是一般的属性，记住这个观点，我

    们会在后文继续探讨。

    未来触手可及

    最伟大的创新往往裹挟着费解与误解，这是一条亘古不变的真理。

    想想旧石器时代，当第一个圆形的车轮诞生时，人们大惑不解，妄加评

    论，“这当然比方形的车轮好，但它会一直滚下去，不知会滚到哪里去!还是方形的车轮更可靠”。

    一个很简单的事实就是，未来总是充满恐惧和不确定性，因为人们

    永远无法预测、无法完全理解它会以什么方式到来，只有当人们回望时

    ，才会在心中暗想：“我们怎么会错过它呢？”

    从第一台收音机到第一台电视机，再到第一封电子邮件，人们一直

    低估了集体的力量，我们原本有能力改变自身的行为，以适应那些看似

    来者不善的创新，并找到合理的方法把它们应用到生活中。让你的iPho

    ne远离你的床或床头柜，你能坚持多久？今天，80%的手机用户无法在一天内与手机保持3英尺 [2]

    以上的距离，无论是白天还是晚上。根据

    美国银行的一项流动性调查，“美国大约有34(71%)的人睡觉时必须

    把手机放在身边。年轻的千禧一代(年龄在18~24岁)则最有可能在睡

    觉时把手机放在床上(34%)”。 [3]

    为了更好地理解未来，我们需要留心各种可能引发改变的行为力量

    、文化力量和心理力量，就像留心科技的演变一样。在第一章中，我们

    提出了准确认识未来的重要性，推测了未来会变得更加透明的前景。在

    本章中，我们将探讨，当人们与自动驾驶汽车的沟通能像与人类进行沟

    通一样毫无障碍时，未来会是什么样的。最后，我们还将描述商业和经

    济中的规则颠覆者，即享有自己的自动化设备这一理念。

    我们要讨论的概念看上去还十分遥远，但其实不然，所有跟我们交

    流过的人，包括在写作本书时我们采访过的人，如果他们心中都有同一

    种感觉，那一定是未来到来的速度远比人们的理解快。在人们适应未来

    的过程中，对变化速度缺乏真正的认识很可能会成为很大的障碍。潜在

    的科技进步(如人工智能)正在驱动我们接下来要探讨的这些变化，这

    些变化并未以一种线性的方式演进，这对人类而言将是一个巨大的挑战。因为人类本质上习惯于线性思考，要理解几何、指数等非线性变化，并不是人类本能的选择。人们用线性思维思考是因为我们所观察到的自

    然世界就是这样运行的。

    比如，看看下面这个简单的例子。

    假设给你一个弹力球，可以弹跳到无限高(此处暂时忽略物理法则)，然后要求你开始拍这个球，而每拍一次，球往上反弹的高度都会翻

    一番，如果第一次可以反弹到离地10英尺高，那么第10次的时候球能反

    弹到多高呢？答案是，会接近一座小山的高度，大约5 000英尺。

    这算高了，但还不算非常高，你对这个高度的猜测应该也是八九不

    离十，但再多拍三次以后是多高呢？当到第14次弹起来时，球会达到珠

    穆朗玛峰的高度，接近商用飞机的最高飞行高度。这就有点儿了不得了，但还不能就此打住，毕竟前文说过它可以达

    到无限高的高度，所以在反弹了第21、29、37、45次以后，球可以反弹

    到多高呢？这些问题的答案，似乎超出了我们对距离的理解能力。在第

    21次弹起时，球已经接近近地轨道；在第29次时，就会超过地球，到达

    月球；再多拍8次，它会飞速掠过火星；反弹到第45次时，NASA(美

    国国家航空航天局)可能会收到它发出的微弱信号，因为它经过了第一

    个“旅行者号”(Voyager)航天飞船，进入外太空约170亿英里的地方；

    而到第88次时，你可能再也见不到这个球了，因为它已经超越了太空的

    可视范围。

    这还不够震撼？你可能觉得这没什么了不起的，毕竟，在说到技术

    的发展轨迹时，人们已经习惯了大数字。恭喜，你开始运用指数型思维

    了。不过这里要澄清一下，我们并不是打算用快速翻番的数字镇住你，而是想要探讨：人类如何认识加速指数型增长(accelerated exponential g

    rowth)。

    再问你们一个问题。

    如果刚开始我们用的是一个打折的超级弹力球，每次只能反弹1英

    寸 [4]

    ，而不是10英尺(换言之，相较于全价弹力球的10英尺，这个高

    度还不到其1%)，但每次它可以弹起的高度能够翻两番(而不是原来

    的翻一番)，你认为它在多高的位置可以超过那个起步就是10英尺的球

    呢？不要去计算，大概猜一猜。它能到达珠穆朗玛峰、近地轨道、月球

    、火星或“旅行者号”的高度吗？不可思议的是，这个打折的弹力球，虽

    然一开始只能反弹一英寸高，但它只需要反弹14次，就可以达到珠穆朗

    玛峰的高度!

    实际上，如果一开始用一个每次能反弹1英里的球(弹起高度是之

    前超级弹力球的528倍，是之前能反弹1英寸的打折弹力球的6 336倍)

    ，那个弹力为1英寸的打折弹力球在经过月球以后，就可以赶上弹起高

    度为1英里的弹力球!如果你花时间算一算，就会发现的确如此，但这

    个结论太反直觉了。讲这个例子是为了揭示线性增长(弹力球从一开始的10英尺到1英

    里过程中的实际增长)和指数型增长(翻番效应)，两者在加速指数型

    增长(打折弹力球的弹起高度起点仅为1英寸，但之后的增长速度越来

    越快)面前均相形见绌。任何东西，一旦开始以加速指数型增长速度发

    展，其变化的加速度很快就能大到可以完全忽略起步低所带来的影响。

    人工智能正如打折的弹力球一样，其演化也属于加速指数型增长模

    式。可能有人会不同意，认为今天的人工智能还处于起步阶段，依然十

    分不成熟。但很快，这些不成熟都将不再是问题。如今的这条发展轨迹

    将带领我们快速奔向未来，步调比任何人想象的都快。技术的进步不再

    是做加法，而是做乘法——对人工智能来说，就是不断增长的指数乘数。

    一台简单的人工智能引擎能在一夜间学会玩转经典电脑游戏“太空

    侵略者”(Space Invaders)，而且比人类玩家玩得好。 [5]

    我们要探讨

    的很多潜力技术跟弹力球一样，已经弹跳出了人类的视野范围，正在迅

    速进入我们的日常生活，渗入企业的发展当中。虽然我们可以反驳说，这些技术目前仍处于起步阶段，尚不成熟，但从长远来看，这些都不是

    问题。这条发展轨迹将带领我们去往接下来要探讨的目的地，而其速度

    远远超过任何人的想象。

    我们相信，在本书出版后的5~10年，书中的观点，大部分将会为主

    流社会所接受。当然，未来依然会充满挑战，但也会带来诸多机遇。而

    其中最伟大、最有颠覆性的机遇之一，将出现在自动驾驶汽车领域。

    驶入公路

    在现有及将来会出现的人工智能应用中，能够体现人类快速与之建

    立起信任关系，把它当作生活中极为可靠、自然且不可分割的一部分，最典型的例子就是自动驾驶汽车，也就是我们所说的AVs。你会注意到

    我们不再称其为“无人驾驶汽车”，这是当下另一个比较流行的称呼。原

    因很简单，“无人驾驶汽车”这个标签不够准确，它们其实有驾驶员，只

    不过这个驾驶员不是人类罢了。

    汽车是现代社会的组成部分，是社会经济基础设施的必需品，它们

    的身影无处不在，与人类建立了牢固的文化纽带、个体关系和行为关联。汽车是人们身份的象征，是商业的中流砥柱。作为一个行业，汽车制

    造业的体量可以比肩世界第六大经济体，每年雇用人数多达5 000万，产出将近1亿辆车。 [6]

    这些车顺次排列开来，能环绕赤道八圈。 [7]

    对多数人而言，在日常生活中，驾驶汽车、与汽车分享自己的一切

    是唯一一件高风险的事。汽车每年会造成130万人死亡，车祸成了全球

    第十大致死原因，也是前十大原因中唯一与疾病无关的。 [8]

    然而，如

    果你转念想想这样一个现实，全球只有10亿辆汽车，70亿人均有身患前

    九种致死疾病中的任意一种的风险，可以说，对那些有车一族或与车打

    交道的人来说，汽车对他们来说是首要致死原因。 [9]

    在为本书做调研的过程中，我们接触了很多专门负责人身伤害的律

    师及保险公司。毫无疑问，自动驾驶汽车会对他们的业务产生巨大影响

    ，但他们对此的反应出人意料。马克·朗贝(Marc Lamber)是芬内莫尔·

    克雷格(Fennemore Craig)律师事务所的一位负责人身伤害的律师，该

    律师事务所在美国西南部已有130年历史。马克与我们分享了业内盛行

    的观点：

    归根结底，自动驾驶汽车会让我这样的人失业，从这个层面来

    说，它非常了不起。我是一名人身伤害律师，但这(这种替代)让

    我十分高兴。虽然我认为这不至于明年就能立马实现，但你可以看

    到，技术向前发展的速度非常快，像我这样代理车祸受害者人身伤

    害的律师，最终将面临失业或业务大幅锐减。这是未来的必然趋势

    ，而从统计学的角度看，这绝对算一件好事。全世界每年有100万人因车祸丧生。据我了解，大家普遍接受的

    数据是，至少有90%的车祸都是人为造成的，如果所有车辆均实现自

    动驾驶，10年后，几乎所有车祸都可以避免，这相当于一年挽救100

    万条人命，并避免无数的致伤车祸。

    马克的看法体现了一个人们时常碰到的问题。人们多少都有过交通

    事故的经历，于是渐渐地，每年130万的死亡人数和多达5 000万人身伤

    害事故成了现代人必须面临的风险之一，我们坦然接受这个现实。然而

    ，这其实是完全没有必要的“人类大屠杀”，我们后面会继续探讨这个问

    题。

    当自动驾驶汽车融入人们的生活后，还将影响老龄化人群。大多数

    人都遇到过非常艰难的沟通，甚至是单方面的决定，即直接从家长那里

    拿走车钥匙。当今社会，汽车可能是最伟大的独立宣言了。开车不仅意

    味着有了驾照，还意味着有了独立生活、社交和享受个人自由的通行证。但随着我们一天天变老，驾驶的风险也越来越高，美国汽车协会表示

    ：“尽管老年人驾车总里程比年轻人少，但在1英里的驾车里程内，他们

    是除青少年外撞车死亡风险最高的人群。”老龄化已经是大势所趋，而

    老年人在无法驾驶以后，至少还能再活平均7~10年。 [10]

    最后，我们不要忘了汽车对全球人口以及气候变化的影响，根据N

    ASA的研究，汽车是气候变化的最大推手，没有之一。 [11]

    基于汽车对文化、风险、气候、经济、工作、社会等方面所产生的

    巨大影响，我们认为，在衡量、理解、接受人工智能和使用人工智能设

    备的过程中，接受自动驾驶汽车是最伟大的里程碑，套用老歌中的一句

    话：“如果人工智能过了这一关，它将所向披靡……”这就是我们在书中

    着重探讨自动驾驶汽车这个例子的原因。我们相信，自动驾驶汽车将引

    领智能设备时代的到来，这些智能设备将表现出自己的行为，并能与我

    们的数字自我进行沟通。

    尽管这样的未来充满了独特的挑战，但也并非全无先例。快速回顾一下约100年前一个类似的挑战，或许能对我们的理解有所帮助。

    电梯司机

    科罗纳多岛位于圣地亚哥市南部，有世界顶级度假村美誉的科罗纳

    多酒店就坐落在这个岛上。酒店建于1888年，曾经接待过多位总统，最

    早可以追溯至威廉·塔夫脱。据说这家酒店还是《绿野仙踪》的灵感地

    之一，1904年，莱曼·弗兰克·鲍姆曾下榻该酒店。130年来，酒店已经发

    生了很大变化：很多新建筑，还增加了几百万美元的奢华公寓楼以及价

    值不菲的现代会议设施。但有一样始终没变：在这座壮丽的维多利亚风

    格主建筑的中心，安德鲁·劳恩斯伯里(Andrew Lounsbury)还在手动操

    作那部装着黄铜折叠门的老电梯，他在这里已经工作37年了。

    对那些甚至不知道电梯原本只能由“司机”控制的酒店客人来说，吸

    引他们的是新鲜感。但当他们走进需要有人操纵的电梯时，他们脸上的

    忧虑和不安显而易见，不难想象他们的内心世界：“这真的安全吗？这

    部电梯为什么不能自动运行，就像那些真正的电梯一样？”或是“如果司

    机犯了错，在你就要进来或出去时启动了电梯怎么办？”毕竟，他是人

    啊，是人就会犯错。

    有意思的是，尽管在20世纪中叶电梯司机非常普遍，但实际上在20

    世纪初就有不用司机的电梯了，但这样的电梯遇到了一个问题：没有人

    用。人们面临两个选择：楼梯和一部孤独的自动电梯，然而没有人会选

    择后者。直到20世纪中叶，无人值守电梯才迎来了转折点。

    1945年，纽约的电梯司机联盟罢工，市内几乎所有的电梯全部停运

    ，这座城市在一定程度上也停运了，愤怒的租客和房东要求立即采取应

    对措施。这次罢工是灾难性的，让整个纽约市损失了约1亿美元。突然

    间，资本开始流向自动电梯，在接下来的10年里，人们非常努力地建立了对自动电梯的信任，最终也导致成千上万的电梯司机失业。

    今天，当人们走进电梯时，很少会在意它的运行方式、安全性或者

    风险。如果你身处科罗纳多酒店，在决定要乘坐那部著名的电梯前，先

    停下来想想，要重塑人们对安全和正常的态度，需要经历多么重大的变

    革。

    自动操作的发展绝不仅仅取决于自动化技术。例如在是否采用无人

    电梯这件事上，最根本的争议与技术无关，因为自动运行电梯技术已存

    在了50年之久。其问题在于，要相信机器能跟人一样做事。一言以蔽之

    ，根本问题是关于认识。还是没办法打消顾虑吗？也许你是少数几个害

    怕乘坐电梯的人？好吧，你的害怕也不无道理。毕竟，每年有27人因自

    动电梯故障丧生。不过，你也应该了解，根据隶属于疾病控制与预防中

    心的美国国家卫生统计中心(National Center for Health Statistics)的统

    计，每年约有1 600人由于从楼梯跌落而丧生，你不用做数学题，这个

    数据意味着，你走楼梯遭遇致命意外的可能性是乘坐电梯的60倍。不幸

    的是，单凭数字仍然很难改变人们的认识。

    阿明·卡希(Amin Kashi)是在西门子旗下的明导(Mentor)公司负

    责高级驾驶辅助系统(ADAS)和自动驾驶系统的总监，他告诉我们：“

    我确信，在不久的将来，人们就会在心中暗自回想，我怎么能在上下班

    途中浪费这么多时间，怎么能忍受以往存在固有安全隐患的驾驶方式。

    到时候这些问题都会一目了然。就目前来说，人们是习惯成了自然，但

    我觉得将来人们一定会为自己的经历感到惊讶不已。”

    智能行为

    实现自动化的发展既需要人类的进步，也需要自动驾驶汽车的发展

    ，它的发展并不是递进式的，会有退步，也会有突破。我们相当于在引入一个新物种，不只与它分享所走的道路，也与它分享我们所处的世界。

    所以，我们需要给接下来要探讨的自动驾驶汽车和驱动它的人工智

    能下一个准确的定义。自动驾驶汽车最特别的地方，在于它可以利用人

    工智能从经验中学习，这与编程计算机的作用原理存在显著差异：程序

    是由人编写的，代表了计算机完成一项任务所要遵循的全套规则，这些

    规则可能很复杂，但是是有限的，是人可以理解的。换言之，当计算机

    做决定时，它是基于这些规则的，人们可以据此追溯，从而理解它做这

    个决定的原因。但很快我们就会发现，对人工智能来说不是这样。

    当计算机或任何设备可以从经验中学习时，往往马上会被归类为智

    能设备，但各种形式的人工智能构成了一套远非传统编程所能及的解决

    方案，我们需要对这些形式的人工智能做一个清晰的界定，并在此基础

    上进一步挖掘自主性的定义。

    此处不再深究人工智能的悠久历史和诸多影响，尽管那些话题会很

    有意思，但多数已有相关论著或有人正在写作相关内容。如果你想了解

    美国国家科学与技术委员会(National Science and Technology Council，简称NSTC)开发人工智能的速度，《为人工智能的未来做好准备》(P

    reparing for the Future of Artificial Intelligenc ) [12]

    是最好、最简洁的

    可用资源。如果本书内容不能满足你对于人工智能的兴趣，我们推荐你

    读一读《为人工智能的未来做好准备》这本书。本书的目的是建立一个

    基础，让你可以了解人工智能的工作原理和背后的原因。

    我们主要讨论三种人工智能：机器学习、狭义的人工智能和广义的

    人工智能。我们会把自动驾驶汽车作为探讨的背景，希望在这个过程中

    能揭开人工智能的神秘面纱，揭示某些夸大机器发展的反乌托邦观点，这些误导很容易引发人们对未来的恐惧。首先我们要介绍人工智能最基

    本的形式——机器学习。

    跟编程计算机一样，机器学习始于计算机遵循的一套基本规则，我们称之为培训规则(training rules)，同时还设有一个目标，以确定这

    些规则是否应用得当，是否达到了预期的效果。传统的编程与人工智能

    的不同之处在于，能够进行机器学习的计算机可以通过经验积累规则(

    这是它的编程过程)，在执行规则的过程中，运用统计模型决定规则组

    合在指定情形下的效果，以最好地实现目标。例如之前介绍过的AlphaG

    o，它在围棋比赛中采用了政策网络和价值网络，政策网络定义了可能

    的选择，价值网络则定义了最好的选择。

    多数人很容易想到一个简单的类比，就是学习骑自行车。回想一下

    刚开始学习骑自行车时的经历，你或许会回想起来或至少也能想象得到

    ，为了能够在自行车上坐直不失控，你需要在心里记住一大堆规则，多

    到让你感到手足无措。相信要列出实现学会骑自行车这个目标的各种规 ......