第一章 數(shù)據(jù)——人類建造文明的基石。

如果把資本和機(jī)械動(dòng)能，作為大航海時(shí)代以來全球化的推動(dòng)力，那么數(shù)據(jù)正成為下一次技術(shù)革命和社會(huì)革命的核心動(dòng)力

數(shù)據(jù)的最大作用在于承載信息，但并非所有的數(shù)據(jù)都承載有意義的信息。信息有時(shí)藏在事物的背后，需要挖掘和測(cè)量才能得到。數(shù)據(jù)是信息的載體，從數(shù)據(jù)中挖掘信息

數(shù)據(jù)中隱藏的信息和知識(shí)是客觀存在的，但是只有具有相關(guān)領(lǐng)域?qū)I(yè)知識(shí)的人才才能將它們挖掘出來。對(duì)數(shù)據(jù)和信息進(jìn)行處理后，人類就可以獲得知識(shí)。知識(shí)比信息更高一個(gè)層次，也更加抽象，它具有系統(tǒng)性的特征。

得到數(shù)據(jù)和使用數(shù)據(jù)的能力是衡量文明發(fā)展水平的標(biāo)準(zhǔn)之一

使用數(shù)據(jù)的標(biāo)準(zhǔn)流程:

獲取數(shù)據(jù) --> 分析數(shù)據(jù) --> 建立模型 --> 預(yù)測(cè)未知

數(shù)據(jù)的作用自古有之，但是過去數(shù)據(jù)的作用經(jīng)常被忽視。首先，由于過去數(shù)據(jù)量不足，積累大量的數(shù)據(jù)所需的時(shí)間太長(zhǎng)，以至于在較短的時(shí)間內(nèi)，它的作用不明顯。其實(shí)數(shù)據(jù)和想獲得的信息之間的聯(lián)系通常是間接的，他要通過不同數(shù)據(jù)之間的相關(guān)性才能體現(xiàn)出來。可以說相關(guān)性是讓數(shù)據(jù)發(fā)揮作用的魔棒。

很多時(shí)候我們無法直接獲得信息，但是我們可以將相關(guān)聯(lián)信息進(jìn)行量化，然后通過數(shù)學(xué)模型間接的得到所要的信息，而各種數(shù)學(xué)模型的基礎(chǔ)都離不開概率論和統(tǒng)計(jì)學(xué)

切比雪夫不等式:當(dāng)樣本數(shù)足夠多時(shí)一個(gè)隨機(jī)變量和他的數(shù)學(xué)期望值之間的誤差，可以任意小

模型的選擇不是一件容易的事，通常簡(jiǎn)單的模型未必與真實(shí)情況相匹配.

日心說地心說如果一開始模型選的不好，以后修修補(bǔ)補(bǔ)就很困難，因此，在過去無論在理論上還是工程上，大家都把主要的精力放在尋找模型上

有了模型之后，第二步就找到模型的參數(shù)，以便讓模型至少和以前觀察的數(shù)據(jù)相吻合，這一點(diǎn)在過去的被重視程度遠(yuǎn)遠(yuǎn)不如尋找模型。但是今天他又有一個(gè)比較時(shí)髦而高深的詞——機(jī)器學(xué)習(xí)。

鑒于完美模型未必存在，即使存在，找到他也非常不容易，而且費(fèi)時(shí)間，因此就有人考慮能否通過很多簡(jiǎn)單不完美的模型湊在一起起到完美模型的效果呢？

這個(gè)答案是肯定的，從理論上講，只要找到足夠多的具有代表性的樣本，就可以利用數(shù)學(xué)找到一個(gè)模型或一組模型的組合，使得它和真實(shí)情況非常接近。

數(shù)據(jù)驅(qū)動(dòng)方法的最大優(yōu)勢(shì)在于它可以最大程度上得益于計(jì)算機(jī)技術(shù)的進(jìn)步，盡管數(shù)據(jù)驅(qū)動(dòng)方法一開始數(shù)據(jù)量不足，計(jì)算能力不夠。隨著時(shí)間推移，摩爾定律保證了計(jì)算能力和數(shù)據(jù)量，以一個(gè)指數(shù)級(jí)增長(zhǎng)的速度遞增。數(shù)據(jù)驅(qū)動(dòng)方法可以變得非常正確。相比之下，很多其他方法的改進(jìn)需要靠理論的突破，因此改進(jìn)起來周期非常長(zhǎng)。

本章小結(jié)

數(shù)據(jù)驅(qū)動(dòng)方法是大數(shù)據(jù)的基礎(chǔ)，智能革命的核心，它帶來了一種新的思維方式。

第二章 大數(shù)據(jù)和機(jī)器智能

在有大數(shù)據(jù)之前計(jì)算機(jī)并不擅長(zhǎng)解決人類智能的問題，但是今天這個(gè)問題換個(gè)思路就可以解決了，其核心就是變智能問題為數(shù)據(jù)問題。由此，全世界開始了新一輪的技術(shù)革命-智能革命

開普勒從他老師手上接過大量的天文數(shù)據(jù)，找到了精確描述行星圍繞太陽運(yùn)動(dòng)軌跡的模型--橢圓模型

傳統(tǒng)的人工智能方法,簡(jiǎn)單地講就是首先了解人類是如何產(chǎn)生智能的，然后讓計(jì)算機(jī)按照人的思路去做。今天，幾乎所有的科學(xué)家都不堅(jiān)持，機(jī)器要像人一樣思考，才能獲得智能。但是很多門外漢，在談到人工智能時(shí)，依然想象著機(jī)器在向人類那樣思考，這讓他們既興奮又擔(dān)心。

鳥飛派

在人類的發(fā)明歷史上，很多領(lǐng)域早期的嘗試都是模仿人或者動(dòng)物的行為，比如人類在幾千年之前就夢(mèng)想著飛行，于是就模仿鳥將鳥羽毛做成翅膀，綁在人的胳膊上往下跳。事實(shí)上飛機(jī)的發(fā)明靠的是空氣動(dòng)力學(xué)，而不是仿生學(xué)。

互聯(lián)網(wǎng)興起之后，數(shù)據(jù)的獲取變得非常容易。

從1994年到2004年的十年里語音識(shí)別的錯(cuò)誤率減少了一半，而機(jī)器翻譯的準(zhǔn)確性提高了一倍。這其中20%的左右的貢獻(xiàn)來自于方法的改進(jìn)，80%才來自于數(shù)據(jù)量的提升。雖然每一年計(jì)算機(jī)在解決智能問題上的進(jìn)度幅度并不大，但是十幾年量的積累，最終促成了質(zhì)變

大數(shù)據(jù)最明顯的特征是體量大

一些數(shù)據(jù)，專家講大數(shù)據(jù)的特征概括成三個(gè)v，既大量，多樣性，及時(shí)性。這種方法雖然方便記憶，但并不全面精確。及時(shí)性，并非所有大數(shù)據(jù)必須的特征。多樣性含義上有歧義，其中最重要的含義是多維度

傳統(tǒng)方法問卷調(diào)查未必反映被調(diào)查人真實(shí)的想法，百度知道上的提問和回答沒有壓力，也沒有功利目的，說出了真實(shí)的想法。

大數(shù)據(jù)第三個(gè)重要特征也是人們經(jīng)常忽視的，就是它的全面性完備性

大數(shù)據(jù)是一種思維方式的改變大數(shù)據(jù)之前，計(jì)算機(jī)并不擅長(zhǎng)解決智能問題。但是今天換思路就可以解決，其核心就是變智能問題為數(shù)據(jù)問題。由此，全世界開始了新一輪的技術(shù)革命--智能革命。

深藍(lán)

深藍(lán)其實(shí)是大量的數(shù)據(jù)，并不復(fù)雜的算法和超強(qiáng)計(jì)算能力的結(jié)合，深藍(lán)從來沒有也不需要像人一樣思考。

雖然在評(píng)估自己和對(duì)方的勝率是可以根據(jù)歷史的數(shù)據(jù)考慮對(duì)手可能采用的做法。對(duì)不同的狀態(tài)給出可能性的評(píng)估，然后根據(jù)對(duì)方下一步走法對(duì)盤面的影響，核實(shí)這些可能性的估計(jì)，找到一個(gè)最有利于自己的狀態(tài)。并走出這步棋。

深藍(lán)其實(shí)把一個(gè)機(jī)器智能的問題變成了一個(gè)大數(shù)據(jù)的問題和大量計(jì)算的問題。阿發(fā)狗在具體算法上和深藍(lán)略有差異，但他們博弈的原理是相同的。

我們對(duì)大數(shù)據(jù)重要性的認(rèn)識(shí)不應(yīng)該停留在統(tǒng)計(jì)改進(jìn)產(chǎn)品和銷售上或者決策支持上，而應(yīng)該看到它導(dǎo)致了機(jī)器智能產(chǎn)生。機(jī)器一旦產(chǎn)生和人類相似的智能，就將對(duì)人類社會(huì)產(chǎn)生重大影響。決定今后20年經(jīng)濟(jì)發(fā)展的是大數(shù)據(jù)和由之而來的智能革命。

第三章 思維的革命

在無法確定因果關(guān)系時(shí)，數(shù)據(jù)為我們提供了解決問題的新方法，數(shù)據(jù)中包含的信息可以幫助我們消除不確定性，而數(shù)據(jù)之間的相關(guān)性在某種程度上可以取代原來的因果關(guān)系，幫助我們得到我們想知道的答案，這便是大數(shù)據(jù)思維的核心

歐洲之所以能夠在科學(xué)上領(lǐng)先于世界其他地方，在很大程度上是依靠從古希臘建立起來的思辨的思想和邏輯推理的能力，依靠他們可以從實(shí)踐中總結(jié)出最基本的公理，然后通過因果邏輯構(gòu)建起整個(gè)科學(xué)的大廈。最有代表性的是歐幾里得幾何學(xué)。

瓦特改進(jìn)了蒸汽機(jī)，或者說把瓦特發(fā)明了一種萬用蒸汽機(jī)。

后人這樣評(píng)價(jià)牛頓和瓦特這兩位英國(guó)的杰出人物：

牛頓找到了開啟工業(yè)革命大門的鑰匙，而瓦特特拿著這把鑰匙開啟了工業(yè)革命的大門。

機(jī)械設(shè)備更廣泛的影響力是作為一種準(zhǔn)則指導(dǎo)人民的行為，其核心思想可以概括成確定性和因果關(guān)系。

牛頓的物理學(xué)理論是建立在確定性基礎(chǔ)上，既所謂的絕對(duì)時(shí)空。

愛因斯坦的研究方式是對(duì)是的，他的理論也是建立在一種確定性-光速恒定的基礎(chǔ)之上，利用邏輯推理就可以推導(dǎo)出整個(gè)狹義相對(duì)論。

愛因斯坦自己說如果不是他也會(huì)有人在很短的時(shí)間內(nèi)發(fā)現(xiàn)狹義相對(duì)論，因?yàn)?strong>狹義相對(duì)論就是光速恒定的必然結(jié)果。愛因斯坦的相對(duì)論在形式上和牛頓力學(xué)有相似之處，簡(jiǎn)單而美妙，幾個(gè)公式就把整個(gè)理論描述清楚了。

牛頓被蘋果砸了一下的說法是伏爾泰杜撰出來的，并不靠譜。
愛因斯坦從白日夢(mèng)中獲得另類想法搞清楚了廣義相對(duì)論卻是一件真實(shí)的事情

愛因斯坦在瑞士專利局無所事事，坐在窗前看見外面明媚的陽光，想著有人在窗外坐著椅子從天上加速而下的怪事，從此想清楚了重力和加速度的聯(lián)系，發(fā)現(xiàn)了廣義相對(duì)論。

這個(gè)例子說明人類找到真正的因果關(guān)系是一件很難的事情，運(yùn)氣的成分很大，因此機(jī)械思維在認(rèn)識(shí)世界時(shí)還是有很多的局限性

機(jī)械思維的局限性更多來源于他否認(rèn)不確定性和不可知性。愛因斯坦有句名言--上帝不擲色子。這是他在和量子力學(xué)的發(fā)明人波爾等人爭(zhēng)論時(shí)的講話。

信息論

在概率的基礎(chǔ)上香農(nóng)博士建立起一套完整的理論，將世界的不確定性和信息聯(lián)系起來，這就是信息論。信息論不僅是通信的理論，也給了人們一種看待世界和處理問題的新思路。

香農(nóng)著名的論文：《通信的數(shù)學(xué)原理》，提出信息熵的概念，解決了信息的度量問題。同時(shí)香農(nóng)還把信息和世界的不確定性或者是無序狀態(tài)聯(lián)系到一起。

信息論的作用遠(yuǎn)不止在科學(xué)和工程上，它也是一種全新的方法論
信息論建立在不確定性基礎(chǔ)上，想要消除這種不確定性就要引入信息。
誰掌握了信息，誰就能獲得財(cái)富，就如同在工業(yè)時(shí)代，誰掌握了資本就能獲得財(cái)富。

用不確定相關(guān)這種眼光看待世界,在用信息消除不確定性。不僅能夠賺錢，而且能夠把很多智能問題轉(zhuǎn)化為數(shù)據(jù)處理的問題，具體說就是利用信息來消除不確定性的問題。

任何基于概率統(tǒng)計(jì)的模型都會(huì)有很多小概率事件覆蓋不到，這在過去被認(rèn)為數(shù)據(jù)驅(qū)動(dòng)方法的死穴，很多學(xué)科把這種現(xiàn)象稱為黑天鵝效應(yīng)。

黑天鵝隱喻那些極為罕見，預(yù)期之外的事件他們?cè)诎l(fā)現(xiàn)之前沒有前例可以證明，但一旦發(fā)生，就會(huì)產(chǎn)生極端的影響

大數(shù)據(jù)的完備性，可以解決這個(gè)問題。

大數(shù)據(jù)的科學(xué)基礎(chǔ)是信息論，本質(zhì)是利用信息消除不確定性。大數(shù)據(jù)時(shí)代，量變帶來質(zhì)變，采用信息論的思維方式，可以讓過去很多難題迎刃而解

通過關(guān)聯(lián)關(guān)系，可以反向查找因果關(guān)系。先有結(jié)果，再反推原因

能通過因果關(guān)系找到答案，根據(jù)因果關(guān)系知道原因固然好，但對(duì)于復(fù)雜問題，其難度非常大，除了物質(zhì)條件，人們的努力還要靠運(yùn)氣。
在大數(shù)據(jù)時(shí)代，我們能夠得益于一種新的思維方法--從大量的數(shù)據(jù)中找到答案，即使不知道原因。如果我們?cè)敢饨邮?，那么我們的思維方式已經(jīng)跳出了機(jī)械時(shí)代單純追求因果關(guān)系的做法，開始具有大數(shù)據(jù)思維了。

搜索引擎，如果相信用戶點(diǎn)擊的結(jié)果，其實(shí)就是用相關(guān)性取代因果關(guān)系，這里面有兩個(gè)風(fēng)險(xiǎn)。
首先，用戶點(diǎn)擊容易形成馬太效應(yīng)排在前面的結(jié)果技術(shù)不相關(guān)，也容易獲得更多點(diǎn)擊。
其次，那種依靠點(diǎn)擊搜索的結(jié)果容易被一些使用者操縱。比較穩(wěn)妥的做法是對(duì)用戶的點(diǎn)擊數(shù)據(jù)建立一個(gè)簡(jiǎn)單的模型，作為搜索排序算法的一部分，這個(gè)模型通常稱為點(diǎn)擊模型。

很多時(shí)候落后和先進(jìn)的差距，不是購(gòu)買一些機(jī)器或者引進(jìn)一些技術(shù)就能夠彌補(bǔ)的，落后最可怕的地方是思維方式的落后

今天面臨的復(fù)雜情況，已經(jīng)不是機(jī)器時(shí)代用幾個(gè)定律就能講清楚的了，不確定性，或者說難以找到確定性，是今天社會(huì)的常態(tài)。
在無法確定因果關(guān)系時(shí)，數(shù)據(jù)為我們提供了解決問題的新方法，數(shù)據(jù)中所包含的信息可以幫助我們消除不確定性，而數(shù)據(jù)之間的相關(guān)性在某種程度上可以取代原來的因果關(guān)系，幫助我們得到我們想知道的答案，這邊是大數(shù)據(jù)思維的核心。大數(shù)據(jù)思維和原有機(jī)械思維并非完全對(duì)立，他更多的是對(duì)后者的補(bǔ)充，在新的時(shí)代一定需要新的方法論，也一定會(huì)產(chǎn)生新的方法

第四章 大數(shù)據(jù)與商業(yè)

在未來我們可以看到，大數(shù)據(jù)和機(jī)器智能的工具就如同水和電這樣的資源，由專門的公司提供給全社會(huì)使用

一項(xiàng)技術(shù)帶動(dòng)整個(gè)社會(huì)變革的事情也曾經(jīng)發(fā)生過。它們通常遵循一個(gè)模式：

新技術(shù)+原有產(chǎn)業(yè)=新產(chǎn)業(yè)

安迪-比爾定律: 比爾（比爾蓋茨）要拿走安迪（安迪格羅夫，intel ceo）所給的。計(jì)算機(jī)領(lǐng)域軟件功能的增加和改進(jìn)要不斷的吃掉硬件性能的提升。

以微軟為代表的軟件開發(fā)商吃掉硬件性能，迫使用戶更新機(jī)器，讓惠普戴爾等公司受益，而這些批廠商再向英特爾訂購(gòu)芯片，在這個(gè)過程中，各家的利潤(rùn)先后得到提升。硬件公司在將利潤(rùn)投入研發(fā)，按照摩爾定律的速度提升硬件性能，為微軟下一步更新軟件吃掉硬件性能做準(zhǔn)備。

每次技術(shù)革命都會(huì)誕生新的思維方式和商業(yè)模式，企業(yè)只有在思維上跟上新的時(shí)代，才能在未來的商業(yè)中立于不敗之地

第五章 大數(shù)據(jù)和智能革命的技術(shù)挑戰(zhàn)

大數(shù)據(jù)的數(shù)據(jù)量大,維度多，數(shù)據(jù)完備的特點(diǎn)使得他從收集開始到存儲(chǔ)處理再到應(yīng)用，都與過去的數(shù)據(jù)方法有很大的不同。因此，使用好大數(shù)據(jù)也需要在技術(shù)和工程上采用與過去不同的方法。

科學(xué)技術(shù)的發(fā)展并非是勻速的，重大的科技突破常常需要醞釀很長(zhǎng)時(shí)間。在這段時(shí)間內(nèi)技術(shù)進(jìn)步是一個(gè)緩慢的量的積累。有人稱為相對(duì)停頓的狀態(tài)。當(dāng)積累的量達(dá)到一定程度之后，科技在短期內(nèi)獲得單點(diǎn)突破。然后新科技全面迸發(fā)，這便是拐點(diǎn)。我們今天可能正處在機(jī)器智能就要超過人類的拐點(diǎn)。

計(jì)算機(jī)處理器的速度符合摩爾定律，單一處理器性能的提升，依然無法應(yīng)對(duì)增長(zhǎng)更快的數(shù)據(jù)量。不僅因?yàn)閿?shù)據(jù)量太大，單機(jī)處理不了，而是因?yàn)?strong>數(shù)據(jù)量提高一萬倍時(shí)，計(jì)算量通常不是線性增加的，大部分情況下它會(huì)增長(zhǎng)幾十萬倍，乃至上億倍

大數(shù)據(jù)具有多維度的特點(diǎn)，有時(shí)并行化是非常困難

大數(shù)據(jù)時(shí)代收集數(shù)據(jù)沒有預(yù)先設(shè)定目標(biāo)，而是收集數(shù)據(jù)之后經(jīng)過分析能夠得到什么結(jié)論就是什么結(jié)論，正是由于收集是沒有前提和假設(shè)，大數(shù)據(jù)分析才能給我們帶來很多意想不到的驚喜，這才讓大家覺得計(jì)算機(jī)變得更聰明

蘋果微軟谷歌等公司為了挖掘每一個(gè)家庭的消費(fèi)潛力，想盡辦法千方百計(jì)掌握每一個(gè)家庭客廳的數(shù)據(jù)。有的通過游戲機(jī)或者機(jī)頂盒的設(shè)備不經(jīng)意之間收集用戶數(shù)據(jù)

收集數(shù)據(jù)時(shí)非常忌諱“大膽假設(shè)，小心求證”的思維方式。如果事先有了定論，再找數(shù)據(jù)來證實(shí)它，總能找到有力的證據(jù)，但很可能與真實(shí)情況相差巨大

數(shù)據(jù)量增長(zhǎng)的速度高過存儲(chǔ)設(shè)備的發(fā)展速度，越往后他們之間差距越大。

大數(shù)據(jù)面臨的另一個(gè)技術(shù)難題就是如何標(biāo)準(zhǔn)化數(shù)據(jù)格式，以便共享。

大數(shù)據(jù)在今天這個(gè)時(shí)間點(diǎn)爆發(fā)，是各種技術(shù)條件具備的結(jié)果。要讓大數(shù)據(jù)真正發(fā)揮巨大作用，還有很多技術(shù)挑戰(zhàn)需要應(yīng)對(duì)。

第六章 未來智能化產(chǎn)業(yè)

未來的農(nóng)業(yè)制造業(yè)體育醫(yī)療律師甚至編輯記者都將迎來嶄新形態(tài)，新產(chǎn)業(yè)將取代舊產(chǎn)業(yè)，滿足人的個(gè)性化需求，大數(shù)據(jù)將導(dǎo)致我們整個(gè)社會(huì)的升級(jí)和變遷。

大數(shù)據(jù)將導(dǎo)致我們社會(huì)的產(chǎn)業(yè)升級(jí)和變遷，不過，如果對(duì)比每一次產(chǎn)業(yè)革命前后產(chǎn)業(yè)的變化就會(huì)發(fā)現(xiàn)人類的基本需求并沒有變。只是采用了新技術(shù)后新產(chǎn)業(yè)會(huì)取代舊產(chǎn)業(yè)，滿足人的需求。在技術(shù)革命時(shí)，固守舊產(chǎn)業(yè)是沒有出路的。

機(jī)器智能帶來一個(gè)終極問題，事情都交給機(jī)器來做，而且比人做得更好，那人類怎么辦？

第七章 智能革命和未來社會(huì)

在歷次技術(shù)革命中，一個(gè)人一個(gè)國(guó)家，可以選擇的道路只有兩條，要么加入浪潮成為前2%的人，要么觀望徘徊被淘汰

"這是最好的時(shí)代，也是最壞的時(shí)代"--英國(guó)文豪狄更斯的名著雙城記開篇的一句話

工業(yè)革命對(duì)社會(huì)的影響分成三個(gè)階段：

• 第一階段只有發(fā)明家和工廠主受益。
• 第二階段是全體英國(guó)民眾受益。
• 第三階段才使整個(gè)世界受益。

第二次工業(yè)革命，上述的模式重復(fù)出現(xiàn)。

每一次重大的技術(shù)革命，都需要很長(zhǎng)的時(shí)間來消除它的負(fù)面影響。因?yàn)榧夹g(shù)革命會(huì)使得很多產(chǎn)業(yè)消失，或者產(chǎn)業(yè)從業(yè)人口大量減少，釋放出來老動(dòng)力需要尋找出路。這個(gè)時(shí)間至少要一代人以上，被淘汰的產(chǎn)業(yè)的從業(yè)人員能夠進(jìn)入新行業(yè)中的其實(shí)非常少。各國(guó)政府試圖幫助從業(yè)人員掌握新技能，但收效甚微。因?yàn)樯弦淮撕茈y適應(yīng)下一代技術(shù)發(fā)展。事實(shí)上消化這些勞動(dòng)力主要靠的是等待他們逐漸退出勞務(wù)市場(chǎng)，而并非他們真正有了新的出路，能夠像以前一樣稱心如意的工作。這就是技術(shù)革命，都需要花半個(gè)世紀(jì)的消除它帶來的動(dòng)蕩的原因。有些國(guó)家將無所事事的人強(qiáng)制塞到公司里，比如日本和歐盟。有些國(guó)家不可以淘汰過剩產(chǎn)能，比如中國(guó)。但解決問題的途徑都是一個(gè)“耗字”，耗上兩代，社會(huì)問題就解決了。

大數(shù)據(jù)和機(jī)器智能的趨勢(shì)一旦形成，就不是人力可以阻擋的。有識(shí)之士，包括霍金蓋茨，擔(dān)心機(jī)器智能將對(duì)人類社會(huì)造成方方面面的沖擊，呼吁有節(jié)制的發(fā)展機(jī)器智能，但智能革命的速度不會(huì)因此而放慢。從目前的發(fā)展來看，智能革命對(duì)社會(huì)的沖擊，甚至有可能超過過去幾次技術(shù)革命。

我們可以從三個(gè)角度分析其中的原因。

• 首先，信息革命本身帶來的影響還沒有消化完。
• 其次，今天的世界和200年前不同，消化技術(shù)革命的影響要比工業(yè)革命時(shí)難的多。由于全球化，全世界已經(jīng)沒有空白的市場(chǎng)可以開拓了。
• 最后，也是最重要的一點(diǎn)，智能革命要替代的是人類最值得自豪的部分--大腦。

2010年，美國(guó)爆發(fā)了所謂的占領(lǐng)華爾街運(yùn)動(dòng)，一大群無業(yè)游民，低收入者聚集到紐約街頭，占領(lǐng)華爾街運(yùn)動(dòng)引起美國(guó)社會(huì)的反思。這些低收入者出路在哪里，通過福利和救濟(jì)將它們養(yǎng)起來，顯然是不夠的，因?yàn)槟切┤说娜松熬耙廊皇腔野档?，特朗普替這些人說出了希望-體面的工作。這些不滿情緒的根源在哪里不能簡(jiǎn)單地歸結(jié)為貧富懸殊或者宗教紛爭(zhēng)。其根源在于，很多人對(duì)社會(huì)進(jìn)步所拋棄了。隨著技術(shù)革命的發(fā)展，并非每一個(gè)人的發(fā)展機(jī)會(huì)都是越來越多的，反而可能會(huì)越來越少。是否有良好的解決辦法呢？坦率地講，誰也沒有。我們要在觀念上接受一個(gè)事實(shí)，越來越多的事情，人類將做不過機(jī)器。我們今后的決定，應(yīng)該根據(jù)這個(gè)前提來做，只有面對(duì)現(xiàn)實(shí)，才能最終建設(shè)一個(gè)讓所有積極向上的人都具有成就感和幸福感的社會(huì)。

雖然我們不知道如何在長(zhǎng)期內(nèi)創(chuàng)造出消化幾十億勞動(dòng)力的產(chǎn)業(yè)，但是我們很清楚如何讓自己在智能革命中受益，而不是被拋棄。這個(gè)答案很簡(jiǎn)單，就是爭(zhēng)當(dāng)2%的人，而不是自豪地宣稱自己是98%的人。在歷次技術(shù)革命中，一個(gè)人一家企業(yè)甚至一個(gè)國(guó)家可以選擇的道路只有兩條，要么進(jìn)入前2%的行列，要么被淘汰。當(dāng)下怎么才能成為這2%，就是踏上智能革命的浪潮。

未來依然是人的時(shí)代，我們不會(huì)被機(jī)器控制，機(jī)器在完成任務(wù)時(shí)甚至不知道自己在做什么。谷歌的alphago，其實(shí)并不知道自己是在下棋。但是制造智能機(jī)器的人就不同了，他們可能只占人口的不到2%，甚至更少，卻在某種程度上控制著世界

看是免費(fèi)的，東西才是最貴的，因?yàn)槲覀儷@得服務(wù)的同時(shí)交出了自己的自由，而只有我們失去自由利益受到損失時(shí)才會(huì)體會(huì)到自由的可貴。

控制著我們的不到2%的人口并沒有做壞事，到目前為止，他們對(duì)我們的幫助你帶來的危害要大得多。

怎樣加入2%的行列，并不是每個(gè)人都要去人工智能公司工作，而是希望大家接受一個(gè)新的思維方式，利用好大數(shù)據(jù)和機(jī)器智能。前幾次重大技術(shù)革命首先受益的是和那些產(chǎn)業(yè)相關(guān)的人，善于利用新技術(shù)的人。雖然并非每一個(gè)人都能夠去開發(fā)大數(shù)據(jù)和機(jī)器智能產(chǎn)品，但是應(yīng)用這些技術(shù)要不是像想象中的那么難。

在每一個(gè)重大的技術(shù)革命開始的時(shí)候，真正勇敢地投身到技術(shù)革命打仗長(zhǎng)駐那里畢竟是少數(shù)，受益者更少，大部分人則會(huì)猶豫和觀望。在智能革命到來之際，每一個(gè)人也有兩個(gè)選擇，要么加入這次浪潮，要么觀望徘徊，最后被淘汰。大多數(shù)人的觀望徘徊，給了2%的人機(jī)會(huì)，使得愿意吃螃蟹的人在奮斗路上少了很多競(jìng)爭(zhēng)對(duì)手。馬斯克和蓋茨一方面對(duì)機(jī)器智能的發(fā)展非常擔(dān)心，另一方面卻選擇加入到機(jī)器智能的大討論。

大數(shù)據(jù)導(dǎo)致機(jī)器革命的到來，對(duì)未來社會(huì)的影響是全方面的，盡管總體上這些影響是正面的。從長(zhǎng)遠(yuǎn)看，我們未來的社會(huì)會(huì)變得更好，不過和以往的技術(shù)革命一樣，智能革命也會(huì)帶來很多負(fù)面的影響，特別是在它發(fā)展的初期，這些影響可能會(huì)持續(xù)很久。

任何一次技術(shù)革命，最初的受益的都是發(fā)展到使用它的人要遠(yuǎn)離他，拒絕接受它的人在很長(zhǎng)的時(shí)間里都是迷茫的一代。作為人和企業(yè)，無疑應(yīng)該擁抱它，成為2%的受益者。作為國(guó)家需要未雨綢繆，爭(zhēng)取不要像過去那樣每一次重大的技術(shù)革命都伴隨半個(gè)世紀(jì)的動(dòng)蕩。

我們還沒有經(jīng)歷過機(jī)器在智能上全面超越人類的時(shí)代，我們需要在這樣的環(huán)境里學(xué)會(huì)生存。這將是一個(gè)令我們振奮的時(shí)代，也是一個(gè)給我們帶來空前挑戰(zhàn)的時(shí)代。

其他

學(xué)術(shù)休假

在美國(guó)的大學(xué)里教授每7到10年左右的時(shí)間可以帶全薪休假半年或者帶半薪休假一年。大部分教師會(huì)選擇到一個(gè)合作單位做一些科研，以拓寬自己的視野，另一些教授則選擇找一個(gè)地方去寫書。

無罪推定原則

被告的一方在法庭上先被假定為無罪，除非有足夠的證據(jù)證明其有罪

大陸法系 VS 英美法系

實(shí)行大陸法系的國(guó)家，包括除了英美（及英聯(lián)邦，加拿大等）之外的幾乎所有國(guó)家。在這些國(guó)家立法永遠(yuǎn)是遠(yuǎn)遠(yuǎn)滯后于案件發(fā)生。

英美法系，又稱普通法系，海洋法系。

英美法系在司法審判原則上更「遵循先例」，即作為判例的先例對(duì)其后的案件具有法律約束力，成為日后法官審判的基本原則。