很難想像有什麼事物會像廉價、強大、無處不在的人工智能那樣擁有「改變一切」的力量。首先，沒有什麼比把遲鈍的東西變聰明更富有成效。在某個現有進程中植入極少量有效的智能都會將其效率提高到全新水平。我們在知化[1]，沒有生氣的物體後會得到許多的好處，而這對日常生活的顛覆將是工業化的百倍。但是讓東西變智能不會帶來極樂世界。與開發先前各種能源時一樣，我們將把人工智能浪費在那些看上去愚蠢的事情上。當然，我們會運用綜合智能解決諸如治癒癌症之類的科研難題，或是某個棘手的技術問題，但是把機敏的頭腦置入普通事物之中才能帶來真正的顛覆，這些事物可以是自動販賣機、鞋子、書、報稅單、卡車、電子郵件、手錶以及手機。我們的日常行為將被徹底改變。
理想情況下，這種額外的智能只是廉價還不夠，還應當完全免費。一項免費的人工智能技術和網頁上的免費公共內容一樣，比其他任何我們能想到的事情更能滿足商業和科學的需求，並且很快就能自給自足。直到最近，傳統的看法認為，超級電腦將首先成為這種人工心智的載體，然後是家中的個人電腦，接著我們會把它放進我們的個人機器人中。人工智能將是一些有界限的實體，而我們能清楚地區分我們和它們的思維。
事實上，真正的人工智能不太可能誕生在獨立的超級電腦上。它會出現在網絡這個由數十億電腦芯片組成的超級組織中。它將是輕巧、嵌入式的，沒有固定形態，並且內部的聯繫鬆散。把它的思維和我們的區分開會很困難。任何與這個網絡人工智能的接觸都是對其智能的分享和貢獻。這種人工智能連接了70億人的大腦、數萬兆聯網的晶體管、數百艾字節 [2] 的現實生活數據以及整個文明的自我修正反饋循環。那種單獨的人工智能無法像它一樣快速而聰明地學習。因此網絡本身將會知化為一種完善速度驚人的事物。過時的獨立綜合智能技術可能會被看作是有缺陷的，它對於遠離機動性人工智能的人來說簡直是種懲罰。
當這種新興人工智能問世的時候，它會由於無處不在，反而讓人們無法察覺。我們會利用它不斷增長的智慧處理各種單調的雜活，但它卻無影無形。我們將能夠通過地球上任何地方的電子屏幕，用數百萬種方式獲得它分佈在各處的智能，因此很難說它到底在哪裡。還因為這種綜合智能結合了人類的智能（包括所有人類過去的智慧以及所有互聯網上的人），要準確地指出它到底是什麼也很困難。它是我們的記憶，還是我們的一種共識？是我們在搜索它，還是它在尋找我們？
人工智能思想的到來加速了本書中描述的其他所有顛覆性趨勢的進程，它在未來世界中的威力與曾經的「鈾元素」相當。我們可以肯定地說，知化是必然的，因為它已經近在咫尺。
大約兩年前，我長途跋涉來到IBM研究實驗室位於紐約州約克敦海茨的林間園區，想要盡早一窺讓人期待已久的人工智能的到來。在2011年的《危險邊緣》 [3] 中奪魁的超級電腦「沃森」就誕生於此。最初的沃森電腦仍被留在這裡，它與一間臥室體積相當，10台貌似櫃式冰箱的機器圍成了四面牆，通過中間的微小孔隙，技術人員得以操作機器背後的電線和電纜。裡面的溫度高得出奇，讓人覺得這個機群是活生生的。
如今的沃森與從前大不一樣。它不再僅僅存在於一牆機櫃當中，而是在大量開放標準的服務器之間傳播。這些服務器可以同時運行上百個人工智能項目。只要能用手機、台式機或是自己的數據服務器連上沃森，它就像所有雲端化的事物一樣，同時為世界各地的客戶提供服務。這類人工智能的規模可以根據需求進行調整。由於人工智能會隨著人們的使用自我改進，沃森將越來越聰明，它在一個項目中習得的東西能夠被立即運用到其他項目上。它並非一個單獨的程序，而是多種軟件引擎的集合，其邏輯演繹引擎和語言解析引擎可能使用不同的代碼，分別在不同地點的不同芯片上運行，而所有這些都彙集成一條統一的「智能流」。
消費者可以直接連入這個不斷運轉的智能系統，也可以經由使用這個人工智能雲端的第三方應用程序連入。就像許多聰明小孩的父母一樣，IBM希望沃森從事醫學工作，因而他們正在開發的應用程序中有一款是醫療診斷工具並不奇怪。之前，與診斷有關的人工智能嘗試都以慘敗告終，但是沃森確有實效。簡單地說，當我告訴它自己在印度感染的某種疾病的症狀後，它給我一張按照得病可能性由高到低排列的疾病推斷清單。它聲稱我最有可能感染了賈第鞭毛蟲，結果確實是這樣。這項專門技術還未對病人直接開放，IBM讓合作夥伴使用沃森的智能，幫助他們開發供病人預約醫生和醫院的用戶友好界面。「我相信類似於沃森這樣的機器（人）將很快成為世界上最好的診斷專家，」Scanadu公司 [4] 的首席醫療官艾倫·格林（Alan Greene）說道。這家創業公司受到《星際迷航》中醫用三錄儀的啟發，正在借助沃森的人工智能製造一種診斷設備。他還說，「從人工智能技術的發展速度來看，現在出生的孩子在成年後可能很少需要依靠醫生來診斷了。」
醫學只是個開端。所有的主流雲公司加上幾十家創業公司都爭先恐後地啟動類似於沃森提供的認知服務。根據量化分析公司Quid的數據，自2009年以來，人工智能已經吸引了超過170億美元的投資。僅2014年，322家擁有類似人工智能技術的公司獲得的投資就超過20億美元。臉譜網和谷歌都為自己的人工智能研究團隊招募研究員。2014年以來，雅虎、英特爾、Dropbox、領英、Pinterest以及推特都收購了人工智能公司。人工智能領域的民間投資在過去4年裡平均每年增長62%，這個速度還會持續下去。
總部位於倫敦的DeepMind是谷歌收購的早期人工智能公司之一。2015年，DeepMind的研究人員在《科學》雜誌上發表了一篇文章，描述了他們如何教人工智能程序玩20世紀80年代的街機類電子遊戲，比如「電子彈珠檯」（Video Pinball）。他們教它學習玩遊戲的方法，而不是具體遊戲的玩法，二者有著根本的區別。他們只是打開基於雲端的人工智能，放手讓它去玩雅達利（Atari）公司的遊戲——例如Pong的變種Breakout，它會學著如何不斷提高分數。從實驗記錄影像上可以看出，人工智能的進步速度驚人。起初，人工智能幾乎是在隨機地玩，但它在逐漸進步。半小時後，每4次操作，它才失誤1次。一小時後，它在第300局遊戲中做到了零失誤。之後，它繼續飛快地學習，以至於在第二個小時裡，它算出了Breakout中的一個漏洞，而此前數百萬人類玩家都沒有發現。利用這個漏洞，它可以通過打通一面牆贏得遊戲，這連遊戲開發者也沒想到。在沒有DeepMind開發者指導的情況下，一種叫做「深度強化機器學習」（deep reinforcement machine learning）的算法在接觸49個雅達利遊戲數小時後，能在其中約一半遊戲中打敗熟練掌握遊戲的人類。
在所有這些活動中，一幅未來人工智能的圖景正浮現出來，它既不像哈爾9000（HAL 9000）這個由非凡（卻有嗜殺傾向）的類人意識驅動的獨立機器，也不像奇點 [5] 論者（Singularitan）迷醉的超級智能。即將到來的人工智能更像亞馬遜的網絡服務——廉價、可靠、工業級的數字智能在一切事物背後運行，除了閃現在你眼前的短暫時刻，它近乎無影無形。這種常見的設施會根據你的需求提供你想要的智能水平。即使人工智能改變了網絡、全球經濟以及文明，它也會像所有設施一樣讓人感到極度無聊。就像一個多世紀前電力所做的那樣，它會讓沒有生氣的東西活躍起來。如今我們將知化從前所有被電氣化的東西。新的實用人工智能還會通過加深我們的記憶力，加速我們的認識能力等方法來強化個體以及全體人類的能力。通過注入額外的智能，我們幾乎想不到什麼東西不能變得新奇、不同和有趣。事實上，我們可以輕而易舉地預測接下來10000家創業公司的商業計劃：挑選一個領域並加入人工智能。
關於加入人工智能的神奇力量，攝影術是個很好的例子。20世紀70年代，我是個拖著笨重的攝影器材到處奔波的旅遊攝影師。除了背包中的500卷膠卷外，我還扛著兩個銅製尼康機身，一個閃光燈以及5個奇重無比（每個1磅）的玻璃鏡頭。光線暗的時候得用「大鏡頭」捕捉更多的光。攝影術要求一台用複雜而驚人的機械工程手段製造的密封相機在千分之一秒內聚焦、測量以及折射光線。那麼後來的情況呢？如今我使用的尼康傻瓜相機的重量幾乎可以忽略，在近乎黑暗時也能拍攝，焦距能從我的鼻尖一直延伸到無限遠。顯然，我手機裡的相機更輕、更易用並且能和又重又老的傢伙拍攝同樣質量的照片。新相機體積更小、反應更快、聲音更小且更便宜，這不僅是微型化造成的，還因為許多傳統相機的功能被智能因素取代，攝影術被知化了。當今的手機照相機通過加入算法、計算以及智能成分淘汰了層層笨重的鏡頭，完成了物理鏡頭過去所做的工作。這些新相機使用無形的智能因素取代物理快門。而暗房和膠卷則被更多計算以及視覺智能因素取代。甚至有一種沒有鏡頭的純平相機，其中，純平的光傳感器代替了鏡頭，利用瘋狂的計算識別能力，根據照在不聚焦的傳感器上的不同光束，計算出一張圖片。知化攝影術的結果是革命性的，它使得相機能塞進各個角落（太陽鏡的鏡框中、衣服上的某個色塊中、寫字的筆中），並能做更多事，如3D或高清計算以及其他曾經需要數十萬美元以及一卡車設備才能進行的工作。現在，知化的攝影幾乎成了任何設備都能完成的附帶功能。
類似的轉變將會發生在其他任何一個領域中。拿化學來說，一桌子盛滿溶液的瓶瓶罐罐操作起來得費不少力氣。移動原子豈不是更費勁？加入人工智能後，科學家們可以進行虛擬化學實驗。他們在多如天文數字的化學結合中精挑細選，決定哪些更有希望成功，值得放在實驗室中檢驗。語言學也有可能，比如把人工智能加入語言中，收錄過去100年來書籍、雜誌和報紙中出現過的數以億萬計的詞，然後據此追蹤新詞的誕生。用這種智能可以打造全新的商標名。把人工智能用在法律上，用它在堆積如山的文件中尋找證據，識別案件中的矛盾，或是對法律論據的使用提出建議。
能夠結合人工智能的行業多到數不盡。越是看似不可能的行業，加入人工智能帶來的影響會越大。知化的投資呢？像Betterment和Wealthfront這樣的公司已經投入實踐。他們運用人工智能分析股票指數，優化避稅方案或者平衡投資組合的持有比例。這些是一個職業資金經理每年會進行一次的工作，而人工智能每天或每小時都能做。
以下是另一些看似不太可能，卻有望得到認知加強的領域：
知化的音樂——人們能運用各種算法即時創作電子遊戲或虛擬世界中的音樂。音樂的變化取決於個人的操作。人工智能將為任意玩家創作數百小時的個性化音樂。
知化的洗衣——機器自動識別各類衣物的洗滌方式。智能衣物將指揮洗衣程序根據每次放入的衣物自行調整洗衣方案。
知化的營銷——讀者或觀眾個人關注一個廣告時，其社會影響力能夠成倍提高廣告的受關注程度（取決於跟風的人數以及影響力的大小）。商家利用這一點，優化每一份投入的受關注度和影響力。當規模達到百萬級別時，這項工作由人工智能完成。
知化的房產——人工智能匹配買方和賣方，並能夠提示「喜歡這間公寓的租戶還喜歡哪些房子等」。它還能根據你的個人經濟狀況生成一份財務計劃。
知化的護理——遍佈病人全身的傳感器從早到晚地工作，提供高度個性化的護理方案，並每天做出調整和細化。
知化的建造——複雜工程項目和其眾多子項目能被即時納入計劃表，使工程速度和預算得到優化。想像一下，一個足夠智能的項目管理軟件，不光能考慮設計改動，還會考慮天氣、港口交通延誤、匯率、意外事故等因素。
知化的倫理——自動駕駛汽車需要被事先教授優先級和行為規則。在考慮司機之前，它們或許應當首先保證行人的安全。任何依賴準則的真正自主事物都需要智能的倫理規則。
知化的玩具——玩具更像寵物。類似寵物的玩具對孩子深深的吸引力是菲比娃娃完全無法相比的。能交談的玩具更受青睞。或許第一款真正的大眾機器人就是一個洋娃娃。
知化的體育——智能傳感器能帶來新的計分和裁判方式。並且，我們每秒就從運動員身上提取高度細精化的數據，用來打造一個精華版虛擬體育聯賽。
知化的編織——誰知道呢？但它遲早會出現！
世界的知化是一樁正在發生的重要事件。
2002年左右，我參加了谷歌的一個小型聚會。當時的谷歌是一家專注搜索的小公司，還未首次公開募股（IPO）。期間，我與谷歌出色的聯合創始人——拉裡·佩奇（Larry Page）交談時說道：「拉裡，我搞不懂。已經有這麼多家搜索公司，幹嘛還要做免費網絡搜索？這主意有什麼好的？」我當時因為缺乏想像力而無法做出正確地判斷，這恰好有力地證明了預測是困難的，尤其是預測未來。但我得為自己辯解一下，那是在谷歌加強廣告拍賣方案並盈利之前，更別提後來發生的包括YouTube在內的任何一宗大型收購。在所有谷歌搜索網站的狂熱用戶中，我不是唯一一個認為它撐不了多久的人。然而佩奇的回答讓我一直難忘：「哦，我們其實在做人工智能。」
關於那次談話，我在過去幾年裡想了很多。期間除了DeepMind外，谷歌還收購了另外13家人工智能和機器人公司。乍看，你會認為谷歌正通過擴充人工智能方面的投資組合改善自己的搜索能力，畢竟搜索貢獻了它總收入的80%。我認為事實恰恰相反。谷歌正利用搜索改善它的人工智能，而不是用人工智能強化它的搜索能力。每當你鍵入一個查詢詞，點擊一個搜索引擎生成的鏈接或是在網上創建一個鏈接，你都是在訓練谷歌的人工智能。當你在圖片搜索欄輸入「復活節兔子」（Eastern Bunny），就在告訴人工智能復活節兔子長什麼樣。谷歌每天處理的121億次查詢是在一遍又一遍地訓練深度學習型人工智能。隨著對人工智能算法的穩步改進，加上千倍的數據量以及百倍的計算資源，再過10年，谷歌將擁有一款無可匹敵的人工智能產品。我的預測是：到了2026年，谷歌的主營產品將不再是搜索，而是人工智能。
這個觀點自然會遭到質疑。因為近60年來，人工智能的研究者都預測人工智能時代近在咫尺，然而直到幾年前，人工智能似乎還是遙不可及。人們甚至把這個缺乏研究成果，更缺研究資金的時代稱作人工智能的冬天。事情真的改變了嗎？
是的。近期的三大突破將開啟人們期待已久的人工智能時代。
廉價的並行計算
思考是人類固有的一種並行過程。我們大腦中的數百億神經元同時激發，製造出用於計算的同步電波。建立一個神經網絡——人工智能軟件的基本結構，同樣需要各個進程同步運行。神經網絡中的一個節點大致類似大腦中的一個神經元，它能通過和周圍節點的互動弄清接收到的信號。一個程序想要辨認出某個口語詞彙，必須聽到所有音素以及它們之間的關係，想要識別出某幅圖片，必須同時看見每個像素以及它和周圍像素的關聯。這兩者都是深度並行任務。但是直到最近，典型的計算機處理器每次還是只能執行一項命令。
十多年前，情況開始改變，當時出現的一種叫做圖形處理器（graphics processing unit）或GPU的新型芯片是為了滿足電子遊戲中大量的視覺並行需求而設計的。遊戲裡的一張圖片中包含的數百萬像素需要在一秒內被多次重新計算，這就需要在主板上增加一塊專門的並行芯片作為輔助。並行圖像芯片運行效果極佳，電子遊戲也大受歡迎。到了2005年，投入大量生產的GPU的價格已經與一般商品相當。2009年，吳恩達（Andrew Ng）和斯坦福大學的一個研究團隊意識到GPU芯片可以並行運行神經網絡。
這項發現讓神經網絡的節點之間能擁有上億的連接，開啟了神經網絡新的可能性。傳統的處理器計算擁有一億節點的神經網絡的級聯可能性需要數周時間。吳恩達發現，一個GPU集群一天內就能完成同樣的任務。如今，在GPU集群上運行神經網絡被應用雲計算的公司當作常規技術使用，如臉譜網用它來識別你照片中的好友，而Netflix [6] 用它為超過5000萬訂閱用戶推薦靠譜的內容。
大數據
每種智能都需要接受訓練。儘管基因決定了人的大腦善於給事物分類，但人腦仍需要看過數十個實例才能區分貓和狗。人工心智更是如此。哪怕是程序編得最好的電腦也要對弈至少1000局國際象棋後才會有良好表現。人工智能之所以獲得突破，部分是因為對全世界令人難以置信的海量數據的收集為人工智能提供了訓練的條件。大規模數據庫、自我追蹤、網頁cookies、網上足跡、太字節（TB）級別的存儲、幾十年的搜索結果、維基百科以及整個數字世界都成了讓人工智能變聰明的老師。吳恩達這樣解釋道：「建設人工智能就像造一艘火箭飛船，需要一個巨大的引擎和許多燃料。飛船的引擎是各種學習型算法，而燃料是我們提供給這些算法的大量數據。」
更好的算法
數字神經網絡在20世紀50年代就被發明出來，但是計算機科學家花費了幾十年時間學習如何駕馭數百萬甚至數億神經元之間多如天文數字的組合關係。其中的關鍵在於將神經網絡組織成疊層（staked layers）。可以用相對簡單的人臉識別任務舉例。當神經網絡中的一組數位被發現能觸發某種圖案，比如一隻眼睛的圖像,這個識別的結果（「啊，是只眼睛！」）會被移到神經網絡的下一層級做進一步解析。下一層級可能會將雙眼歸在一組，並把這個有意義的數據塊傳到層級結構的更下一層級，該層級能夠將雙眼和鼻子的圖案關聯在一起。識別一張人臉可能需要數百萬這類節點（其中每個節點產生一個計算結果供周圍的節點使用），並需要疊加多達15個層級。2006年，當時就職於多倫多大學的傑夫·辛頓（Geoff Hinton）對這個方法做出了關鍵改進，並將其稱為「深度學習」。他能對各個層的數據結果進行數學上的優化，從而加快了進一步疊層時的學習速度。數年後，當深度學習算法被移植到GPU集群上時，速度有了大幅提升。深度學習代碼本身不足以產生複雜的邏輯思維，但它是當下所有人工智能產品的基本組成部分，這些產品包括IBM的沃森、DeepMind、谷歌的搜索引擎以及臉譜網的算法。
由並行計算、更大量的數據、更深層次的算法組成的這場完美風暴,讓醞釀了60年的人工智能彷彿一夜間獲得成功。它們的組合表明，只要這些技術趨勢繼續下去——沒有不繼續的理由，人工智能就將持續進步。
這樣下去，這種基於雲端的人工智能愈將成為我們日常生活中根深蒂固的部分。但這是有代價的。雲計算遵循收益遞增（increasing returns）法則，有時又叫網絡效應（network effect）。這一法則指出，網絡規模擴大的速度遠遠趕不上其價值增加的速度。網絡規模越大，對新用戶的吸引力越強，這就讓它（的規模）變得更大，從而更具吸引力，如此往復下去。一個為人工智能服務的雲端也將遵循這一法則。越多人使用人工智能，它就會變得越聰明；它變得越聰明，越多人就會使用它；當它更聰明時，就會有更多人使用它。一家公司進入這個良性循環後，規模會變得極大，發展速度極快，以至於對其他新興競爭對手形成壓倒性優勢。結果就是，未來的人工智能將由兩到三家寡頭公司主導，並以基於雲端的多用途商業產品為主。
1997年，沃森的前輩——IBM的（超級電腦）深藍（Deep Blue）在一場著名的人機對弈中擊敗了當時具有統治地位的國際象棋大師加裡·卡斯帕羅夫（Garry Kasparov）。當電腦又贏得了幾場比賽後，人類選手基本上對這種比賽失去了興趣。你或許會認為這就是故事的結局（如果不是人類歷史的終結），但卡斯帕羅夫意識到，如果他也能像深藍一樣即時訪問包含先前所有棋局中棋路的大規模數據庫，就能表現得更好。如果人工智能選手使用數據庫工具被認為是公平的，那麼人類為什麼不能使用呢？為了實現用數據庫加強人類大師的心智的想法，卡斯帕羅夫率先提出了「人加機器」（manplus-machine）的概念，即在比賽中用人工智能增強國際象棋選手水平，而不是讓雙方互相對抗。
如今，這種比賽被稱為自由式國際象棋比賽，它們和混合武術對抗賽相似，選手們可以使用任何他們想用的作戰技巧。你可以在沒有協助的情況下比賽；也可以成為極其聰明的國際象棋電腦的傀儡，僅僅按照它的指示移動棋子；或者你可以當一個卡斯帕羅夫提倡的「半人馬」型選手，也就是人類和人工智能結合的賽博格（Cyborg） [7] 。這種選手會聽取那些人工智能提出的走棋建議，偶爾也會否決他們，頗似我們開車時使用GPS智能導航的情景。對任何模式的選手開放的2014年自由式國際象棋對抗錦標賽上，純粹使用人工智能國際象棋引擎的選手贏得了42場比賽，而「半人馬」型選手則贏得了53場。當今世界上最優秀的國際象棋選手隊伍就是「半人馬」型的Intagrand，它由一個人類團隊和幾個不同的國際象棋程序組成。
但更讓人意外的是人工智能的出現並未削弱純人類國際象棋選手的水平。恰恰相反，在廉價且超級智能的國際象棋軟件的激勵下，下國際象棋的人數、錦標賽的數量以及選手的水平都達到了歷史之最。與深藍首次戰勝卡斯帕羅夫時相比，擁有國際象棋大師頭銜的人數至少翻了一番。現今排名第一的人類國際象棋選手馬格努斯·卡爾森（Magnus Carlsen）就曾和人工智能一起訓練，並且被認為是所有人類國際象棋選手中最接近電腦的一個。他還是有史以來評分最高的人類國際象棋大師。
既然人工智能可以幫助人類成為更優秀的國際象棋選手，那麼合理地推測，它也能幫助我們成為更優秀的飛行員、醫生、法官、教師。大多數人工智能完成的商業工作都將由專注某個狹小領域的專門化智能軟件負責。比方說，它能把某種語言翻譯成另一種語言，但不能幹別的；它可以開車，卻不能和你交談；它能記得YouTube上所有視頻裡每個像素，卻無法預測你的日常工作。在接下來的十年裡，與你產生直接或間接互動的人工智能產品有99%都將是超級智能的自閉型「專家」。
事實上，這並非真正的智能，至少不是我們細想後希望得到的。其實智能或許是種累贅，如果說「智能」意味著我們特有的自覺意識、瘋狂的自省循環以及凌亂的自我意識流，那麼結論尤其如此。我們希望自動駕駛汽車能夠超乎常人地專注於道路，而不是在糾結之前和智能車庫之間的爭執。醫院裡的綜合「沃森」醫生能一心撲在工作上，永遠不要去想當初是不是該學金融專業。隨著人工智能的發展，我們可能要設計一些手段阻止它們擁有意識，而當我們宣傳最優質的人工智能時，很可能給它打上「無意識」的標籤。
我們想要的不是智能，而是人工智慧。與一般的智能不同，智慧是專注的、能衡量的、專門化的。它還能夠用完全不同於人類認知的方式思考。2014年3月，得克薩斯州奧斯汀西南偏南音樂節（South by Southwest festival）上的特技表演就是一個關於非人類思維的精妙例子。當時IBM的研究員給沃森加入了一個烹飪數據庫，其中包含網上菜譜、美國農業部（USDA）營養成分表以及如何讓配方更可口的研究報告。憑借這堆數據，沃森從味道資料以及現有的菜式中創製出新菜品，廚師則很樂意地把它們做出來。眾人最愛的一道菜是美味版的「魚和薯條」（fish and chips），它是用酸橘汁醃魚和油炸車前草製成。在約克敦海茨的IBM實驗室吃午飯時，我津津有味地品嚐著這道菜以及另一道沃森的發明：瑞士/泰式蘆筍乳蛋餅。味道不賴！這兩道菜怎麼看都不像是人類所能想到的。
非人類智能不是一個程序錯誤，而是一項功能。會思考的機器最重要的特徵就是它們思考的方式與人類有差別。
由於進化過程中的一種巧合，我們成為漫遊在這個星球上唯一擁有自我意識的物種，這讓我們誤以為人類的智能是獨一無二的。然而它不是。我們的智能只是某個特定社會的智能，和宇宙中可能存在的其他智能和意識種類相比，它只佔據一個小小的角落。我們喜歡把人類的智能看作是「通用的」，因為和我們遇到的其他心智相比，人類的心智能解決更多種類的問題，但是當我們創建了越來越多的綜合心智後，我們開始意識到人類思維並不通用，它只是思維的一種。
今天，不斷湧現的人工智能的思維方式就與人類不同。它們在完成諸如下國際象棋、開車、描述一張照片的內容等我們曾認為只有人類能做的事情時，使用的方法也與我們不同。臉譜網通過加強他們的人工智能，能讓它在看過一個人的照片後就能從網上約30億人的照片中識別出此人。人腦無法提升到這種程度，因此這種能力完全是非人類的。眾所周知，我們的思維方式不擅長做統計，所以我們製造出各種統計技術很強的智能設備，是為了讓它們用不同的方式思考。讓人工智能替我們開車的一項優勢就是，它們不像我們那樣容易分心。
在一個聯繫超密集的世界中，不一樣的思維是創新和財富的來源。僅僅聰明是不夠的。商業動機會讓與工業力量相關的人工智能無處不在，它們廉價而聰明，會被植入到所有我們製造的東西裡。當我們開始發明新的智能種類和新的思維方式時，將獲得更大的回報。我們目前還不瞭解智能的完整分類法。有些人類思維的特點將會是通用的（就像生物學中的左右對稱性、細胞分裂、管狀臟器）。但是很可能存在某種心智種類，和我們演化的結果大不相同，其思維方式並非一定要比人類更快、更強大、更深刻，有時反而更簡單。
宇宙中潛在的心智種類數量龐大。最近，我們開始研究地球上動物的心智，而期間已經見到了許多其他種類的智能，伴隨著更多的發現，我們會愈加尊重這個事實。鯨和海豚複雜而奇特的智能不斷帶給我們驚喜。很難設想如何準確地判斷出一種心智比我們更高級。一種便於我們設想的手段就是著手建立一門心智分類學。這個心智的矩陣將包括人類心智、機器心智以及可能存在的心智，尤其是類似科幻小說家虛構的那種超越人類的心智。
這種異想天開的嘗試是值得的，因為我們一定會在所有產品中加入智能，但加入哪種特質的智能並非顯而易見，而是有選擇空間的。智能的特質將會決定其經濟價值以及它們在我們文化中的角色。列出機器在哪些可能的方面比我們（即便是在理論上）更聰明將會幫助我們調整並約束智能的發展。一些非常聰明的人，如天文學家斯蒂芬·霍金，以及天才發明家埃隆·馬斯克（Elon Musk）擔心，創造聰明絕頂的人工智能是個錯誤，因而探究更多智能種類顯得更為明智。
假設我們登上了一個外星球，如何衡量我們在那裡碰到的智能的水平？這是一個極難回答的問題，因為我們對自己的智能並沒有一個真正的定義（部分是因為至今為止我們不需要）。
現實世界遵循補償的法則，哪怕在強大心智的世界中也是如此。一種心智並不能把所有工作都完成得很好。一類特定的心智在某些方面的表現更為出色，在其他方面就會有所欠缺。比如，指導自動駕駛汽車與評估房產是兩種差異很大的智慧；診斷疾病與監控住宅的人工智能所用的智慧有天壤之別；能準確預測天氣的超級大腦與植入衣服中的智能分屬兩個完全不同的心智領域。心智分類學必須能反映出如何運用不同方法設計出具有補償特點的心智。下面這份候選清單中我只列出了那些可能比我們更高級的心智，我排除了數千種將會大規模知化的物聯網中那些平常的機器智慧，比如一個計算器中的智能。
一些新的心智包括：
·一種心智與人類的心智相像，只是反應更快（我們最容易想到的人工智能）。
·一種心智主要基於大容量存貯和記憶，有些愚鈍但是信息面廣博。
·一種全球化超級心智，由數百萬做著單調工作的智能體組成。
·一種蜂巢型心智，由許多十分聰明的心智組成，但是自己卻意識不到。一種博格型（borg）的心智，組成它的許多聰明心智意識到它們構成了一個整體。
·一種心智被專門訓練用來加強指定的人類個體，但是對其他人完全無效。
·一種心智能夠設想但不能製造比自身更強大的心智。
·一種心智能夠製造比自身更強大的心智，由於自我意識不足，無法設想自己製造的心智。
·一種心智能夠製造比自身更強大的心智。
·一種心智能夠創造比自身更強大的心智，而被創造出的心智能繼續這麼做。
·一種心智擁有自身源代碼的訪問通道，因此可以修改自己的進程。一種心智邏輯能力超強並且沒有情感。
·一種心智能解決普遍問題，但沒有自我意識。
·一種心智具有自我意識，但不能解決普遍問題。
·一種心智成長期很長，並且在它成熟前需要一個保護者。
·一種很緩慢的心智，覆蓋了很長的物理距離，因而在快速的心智看來，它是「隱形的」。
·一種心智能夠多次克隆自己。
·一種心智能夠克隆自己，並且與克隆體組成一個整體。
·一種心智能從一個平台遷移到另一個平台從而保持永生。
·一種快速、動態的心智，能夠改變自己的認知進程。
·一種納米級的心智，它是所有可能的超級心智中（尺寸和能耗數據）最小的。
·一種心智專門提出設想並做預測。
·一種心智從不抹去或忘記任何事情，包括錯誤或虛假的信息。
·一種半機器半動物的共生心智。
·一種半人半機器的賽博格心智。
·一種使用量子計算的心智，我們無法理解它的邏輯。
如果上述任何一種心智能夠成為現實，也將發生在20年開外的未來。這張預測清單的重點在於所有的認知功能都是專門化的。從現在直到未來百年，我們製造的人工心智都將會是為專門任務而設計，並且通常是超越我們能力的任務。我們最重要的機械產品不是某樣事情比人類做得更好，而是能做人類完全做不了的事情。同理，我們最重要的思維產品也將不是比人類想得更快、更好，而是能思考人類無法思考的事情。
想要真正解決當前關於量子引力、暗能量以及暗物質高深複雜的謎團，我們可能需要人類以外的其他智能。並且想要解決這些問題帶來的更為困難的極端複雜問題，我們或許需要更不同、更複雜的智能。實際上，我們可能還要發明中間水平的智能，來幫助我們設計那些我們無法獨自設計出來的更精密的智能。我們亟需不同的思維。
如今，許多科學發現要靠數百個人類的心智共同完成，而在不久的將來，或許會有很多十分艱深的問題，得借助數百種不同類型的心智才能解決。到那時，我們不會那麼容易接受異類智能提供的答案，這將把我們帶到文化的邊緣地帶。當我們在認可計算機做出的數學證明後感到不舒服時，這種情形已經出現了。與異類智能打交道是一項新技能，也是對我們自身的開拓。人工智能的植入會改變我們的科研方式。非常智能的工具會加快我們的測量速度並改變我們的測量方法；海量的即時數據會加快我們的模型思維速度並改變我們的模型思維方式；極具智慧的記錄手段會加快我們瞭解事情的速度並改變我們「瞭解」的方式。科學方法是一種認識的手段，但它向來都是從人類的視角出發的。當我們把一種新的智能加入科學方法，科學一定會以不同的方式去認識和發展。到那時一切都將改變。
人工智能（AI）也可以表示異類智能（Alien Intelligence）。宇宙中有十億顆類地星球，我們無法確定未來200年內是否會接觸到其中一顆上的地外生命，但幾乎可以100%確定我們會製造出異類智能。當我們面對這些人造異類時將和遇到外星人一樣，既會受益也會遭到挑戰。它們會迫使我們重新評估自身的角色、信仰、目標和身份。人的目的是什麼？我相信有一個答案是：我們要製造生物演化無法得到的新型智能。我們的職責就是製造能夠用不同方式思考的機器，也就是創造異類智能。我們確實應該把各種人工智能稱作「異類智能」。
人工智能會像外星人一樣，用和任何人類廚師大不相同的方式對待食物，這將促使人類對食物進行不同的思考。這個例子同樣適用於材料的製造、服裝、金融衍生品、任意門類的科學和藝術。與人工智能的速度和力量相比，它的相異性對我們來說會更有價值。
如此一來，人工智能可以讓我們更好地理解起初所說的智能的含義。過去，我們或許會說，只有那種具有超級智能的人工智能才能駕駛汽車，或是在《危險邊緣》以及國際象棋中戰勝人類。但是當人工智能做到了這些，我們就認為這些成就顯然是機械的，幾乎不能被稱為真正的智能。人工智能的每一次成就都將自己重新劃為「非人工智能」行列。
但是我們不僅在重新定義人工智能，也在重新定義人類。過去60年裡，機械過程複製了我們過去認為人類獨有的行為和能力，我們不得不改變關於人和機器之間差別的看法。當我們發明了更多種類的人工智能後，會在「什麼是人類獨有的」這一問題上做出更大讓步。我們將在未來的30年，甚至一個世紀裡陷入一種曠日持久的身份危機，不斷捫心自問人類的意義。最大的諷刺是，日常生活中那些實用的人工智能帶給我們最大的益處將不在於產能的提高、富足的經濟或是新的科研方式，儘管這些都顯而易見。人工智能時代的到來最大的益處在於，各種人工智能將幫助我們定義人性。我們需要人工智能告訴我們——我們是誰？
未來幾年裡，那些被賦予實體的異類智能將獲得我們最多的關注。我們把它們叫做機器人。它們同樣會有各種不同的形狀、體積和功能配置。機器人已經低調地走進了我們的生活。不久，更張揚、更聰明的機器人必將出現。它們所帶來的顛覆效果將直抵我們生活的核心。
試想，如果明天10個美國工人中就有7個會失業，他們該怎麼辦？
如果超過一半的勞動人口都拿到瞭解雇通知書，很難相信一個經濟體還能繼續存在。事實上，工業革命就讓19世紀初的勞動力面臨這種狀況，只不過事情發生得較為緩慢。兩百年前，70%的美國勞動力以農場為生。後來，自動化實現後，機器代替了農民以及在農場作業的動物，淘汰了大多數人的工作，只留下1%左右。但是被取代的農民並沒有就此閒著。自動化轉而在全新的領域中創造了億萬份工作。曾經務農的人如今操縱著工廠中炮製農具、汽車以及其他工業產品的機器。從此，一浪又一浪建立在自動化之上的新職業潮水般襲來，包括家用電器維修工、膠印工人、食品化學家、攝影師、網站設計師。今天，我們大多數人從事的工作是19世紀的農民無法想像的。
或許很難令人相信，但在本世紀結束前，如今人們從事的職業中有70%很可能會被自動化設備取代。不用說，親愛的讀者，你的工作會也會被機器取代。換句話說，機器人取代人工是必然的，一切只是時間問題。第二次自動化浪潮正引領這項變革，而人工認知、廉價傳感器、機器學習和分佈式智能將成為變革的焦點。廣泛的自動化將會觸及包括體力勞動和知識型工作在內的所有工種。
首先，已經實現自動化的行業中，機器會進一步鞏固自身的地位。當機器人取代流水線工人後，它們會接著取代倉庫工人。麻利的機器人能夠從早到晚不斷地抬起150磅的重物。它們把箱子取出來，分好類，然後裝上卡車。這種機器人已經在亞馬遜的倉庫工作了。採摘水果和蔬菜的過程也將逐步由機器人接手，最後只有在特色農場裡才能見到人類在採摘。藥房裡將會有一個配藥機器人在後台工作，而藥劑師專心回應病人的咨詢。實際上配藥機器人的雛形已經問世，目前正在加利福尼亞州的醫院裡工作。它們至今還未出現過一次弄錯處方上要求的狀況，這對人類藥劑師來說很難做到。接下來，打掃辦公樓這種相對精細的雜活也將由機器人在半夜完成。它們從簡單的打掃地面和窗戶開始，最終完成清潔廁所的要求。長途貨運客車在高速公路上行駛時，將由駕駛室內置的機器人進行駕駛。到2050年，大多數貨車將實現無人駕駛。鑒於貨車司機是目前美國最普遍的職業，這件事的影響不容小覷。
機器人的觸角終究會伸向白領工作。許多機器已經含有人工智能，我們只是沒有稱它們為人工智能機器人。請看谷歌最新的計算機之一，它能夠為任意一張給定的照片寫下準確說明。選取一張網上的照片後，它會「看著」這張照片然後給出完美的說明。它能持續地像人類一樣正確描述照片上發生的事，卻不會感到疲倦，還能閱讀並概括出文本大意。任何與大量文書工作相關的崗位都可以由機器人從事，這其中就包括不少醫療崗位。任何較為機械的資訊密集型工作都能被自動化。無論你是一名醫生、律師、建築師、記者甚至程序員，機器人都將歷史性地接管你的工作。
我們已經處在轉折點上。
我們對於一個智能機器人的外形和行為已經有了先入為主的印象，這讓我們意識不到身邊發生的變化。要求人工智能效仿人類的智能，好比要求人工飛行模仿鳥類翅膀，在邏輯上是說不通的。
巴克斯特（Baxter）是Rethink Robotics公司的新型作業機器人。它的製造者是發明暢銷吸塵器魯姆巴（Roomba）系列產品的前麻省理工學院教授羅德尼·布魯克斯（Rodney Brooks）。巴克斯特是一款較早被用來輔助人類工作的新級別工業機器人，但它看上去貌不驚人。當然，它和許多其他工業機器人一樣有一條強壯的機械臂。巴克斯特的雙手和工廠機器人一樣，能進行重複性的手工勞動。但是它和一般的工廠機器人之間有著三方面的重要區別。
第一，它能向四周看並且可以通過移動頭部的動畫眼睛提示它正在看的地方。它能感知附近工作的人類從而避免傷到他們，工人們也能知道自己是否被它看到。之前的工業機器人無法做到這些，這就意味著工作中的機器人必須與人類保持距離。典型的工廠機器人被關在一個鐵絲網圍欄或是玻璃籠子裡。它們意識不到他人的存在，因此放在人的周圍太過危險。這種機器人無法在一家難以將它們與人隔開的小商店中工作。理想情況下，工人應該能夠在機器人身上存取材料，或者在日常工作中手動調整機器人的控制參數，而雙方被隔開的話，此類動作就難以實現了。但巴克斯特能和人類做伴。它們使用力反饋（force-feedback）技術來感知自己是否觸碰到人或另一個機器人，顯得彬彬有禮。你可以在自家的車裡接通它的電源，從容地在它身旁工作。
第二，任何人都能訓練巴克斯特。它不一定像其他工業機器人一樣迅捷、強大或精準，但它更聰明。要想訓練它，你只需要抓起它的雙臂並引導它們按照正確的次序做動作。這是一種「照著做」的訓練方法。當巴克斯特學會動作後，就會不斷重複練習。包括文盲在內的任何工人都可以進行這種展示。想要命令之前的作業機器人做最簡單的任務改變，需要高度受教育的工程師和訓練有素的程序員寫數千條代碼，還要進行調試。代碼必須用批處理模式（batch mode）載入，比如大型非常用批處理文件。因為機器人一旦投入使用就不能被重新編程了。結果典型工業機器人的大量花費不是來自硬件而是它的運營成本。工業機器人的購買價為10萬美元，然而在整個使用期中編程、訓練和維護的費用是購買費用的4倍多。這些費用累加後，平均每個工業機器人的總花費超過50萬美元。
第三個區別就在於巴克斯特更便宜。定價2.2萬美元的巴克斯特與它的前輩機器人50萬美元的總花費相比不在一個數量級上。使用批處理模式編程的老牌機器人就好像機器人界的大型主機，而巴克斯特好比第一台個人電腦。由於缺乏某些重要性能，如亞毫米級的精確度，這種機器人很可能淪落為機器愛好者的玩具。但是與個人電腦一樣，卻不同於過去大型主機的是：在不需要專家調試的情況下，用戶可以即時與它進行直接交流，並且可以用它來做不太緊急，甚至是雞毛蒜皮的事。它的價格足夠低廉，因此小型工廠可以購買一台用來打包成品、噴塗定制化產品或者操作3D打印機。或者你也可以讓它在生產iPhone的工廠充當工人。
巴克斯特誕生在波士頓查爾斯河畔一幢擁有百年歷史的磚牆建築中。1895年，這幢建築是位於當時新製造業世界中心的一個奇跡。它甚至能發電供自己使用。百年來，這座圍牆內的工廠改變了我們身邊的世界。如今巴克斯特的性能以及即將到來的大量高級機器工人促使布魯克斯思考一個問題：這些機器人會如何比上一次革命更徹底地顛覆製造業？看著辦公室窗外那些比鄰的工廠，他說道：「現在我們提到製造業就會想到發生在中國的情形。但是隨著機器人帶來的製造成本下降，運輸的成本將成為遠比生產成本更重要的因素。距離近就代表低成本。因此我們會看到這種本地特許經營的工廠組成的網絡，所有的東西將在距離需求地5英里以內的範圍內生產。」
這些對生產行業來說或許是正確的，但是許多人從事的是服務業。我請求布魯克斯和我一起穿過一家當地麥當勞餐廳，並讓他指出哪些工作可以被他的機器人取代。他猶豫著表示：「指望機器人為我們當廚師恐怕要等30年。在一家快餐店中，你不會一直干一種活，而是忙於在不同的任務之間轉換，因此你需要一種特定的解決方案。我們不提供特定方案。我們正在打造一種能在人類身旁自主運行的機器人。」當我們能夠與身邊的機器人協同工作時，雙方的工作內容必然會摻雜在一起，不久我們過去幹的活將會由它們承擔，而我們難以想像自己日後的新工作會是什麼。
我根據人類和機器人的關係把工作分為四大類，希望能幫助我們更好地瞭解機器人將怎樣取代人類。
人類能從事但機器人表現更佳的工作
人類需要花大力氣動手織布，然而只用幾分錢，自動織布機就可以織出一英里的布。如今，對手工中不完美的留戀，是我們購買手工紡織品的唯一理由。但是沒有人想要一輛有瑕疵的汽車。誰也不願意駕駛一輛性能不穩定的汽車以70英里時速在高速公路上飛馳。因此我們認定，在汽車的生產過程中人參與的程度越低越好。
我們仍然錯誤地認為，不能信任計算機和機器人在更為複雜的事務中的表現。因此我們不願意積極地承認它們掌握了部分常規的抽像工作，並且在特定情況下，甚至比體力勞動做得更好。一種由計算機控制的裝置被稱作自動駕駛儀，它能在沒有任何輔助的情況下駕駛一架波音787客機完成一次標準的飛行，其中只有8分鐘時間完成起來有難度。駕駛艙中的人類駕駛員只需要完成這8分鐘的飛行任務以及應對突發狀況，而需要人操控的時間正在持續減少。20世紀90年代，計算機大規模取代人類，為房屋抵押貸款作評估。大部分稅務工作、常規的X光片分析以及審前證據收集工作都由計算機處理，而這些都曾是領著高薪的聰明人幹的活。我們已經接受機器人從事製造業是可靠的，不久我們就會接受它們的智能和服務。
人類不能從事但機器人能從事的工作
舉個瑣碎的例子，人類想造出一枚銅螺釘都很困難，而自動化技術可以在一小時內生產一千枚。沒有自動化，我們連一塊計算機芯片也造不出來，因為這種工作需要人類身體不具備的精準、控制力和堅定不移的注意力。同樣，無論受教育程度有多高，沒有一個人或一群人能快速搜索世界上所有的網頁，找到包含尼泊爾首都加德滿都雞蛋價格的網頁。任何時候你在點擊搜索按鈕時，都是在僱用一個機器人幫忙完成我們這個物種無法獨立完成的事情。
當過去人類從事的工作一項一項被機器人取代的消息不斷登上新聞頭條後，機器人和自動化將主要通過承擔人類無法勝任的工作為人類謀福利。我們沒有CT掃瞄儀器那樣的注意廣度，能夠通過對每平方毫米範圍的搜索尋找癌細胞。我們沒有將融化的玻璃變成瓶子所需要的毫秒級反應能力。我們沒有完美的記憶力，能記住美國職業棒球大聯盟（Major League Baseball）中的每一次投擲，並且實時計算出下次投擲的成功率。
我們不會把「好工作」交給機器人。大多數時候，我們只是把自己做不了的工作交給它們。沒有它們，這些工作將永遠無法完成。
人類想要從事卻還不知道是什麼的工作
在機器人和計算機智能的協助下，我們得以完成150年前完全無法想像的事情，這是機器人介入人類生活後最令人讚歎的一點。今天，我們可以通過手術摘除內臟上的腫瘤，錄製婚禮視頻，讓登陸車在火星上行駛，在布料上印出朋友通過電波傳來的圖案。我們正在進行的100萬種有償或無償的新活動會讓19世紀的農民覺得眼花繚亂並感到震驚。從過去的角度看，這些新的成就不僅僅困難，而且主要是由那些能夠完成它們的機器創造出來的。它們是由機器設計的工作。
在我們發明汽車、空調、平板顯示器以及動畫之前，住在古羅馬的人不會想到他們能一邊看動畫片，一邊吹著空調前往雅典，但我最近就這麼幹過。200年前，沒有哪個中國老百姓會告訴你，他們要買一小塊用來和遠方的朋友對話的玻璃面板，而不是家裡的下水道系統。如今，沒有現代下水道系統的中國農民卻去購買智能手機。第一人稱射擊遊戲中內置的精巧的人工智能技術，給了數百萬青春期男孩成為職業遊戲設計師的動力和需求，而這種夢想是維多利亞時期的男孩不會擁有的。自動化每一次微小的成功都會催生一些新職業，沒有自動化的促進，我們不會想到這些職業。
需要重申的是，自動化創造的大多數新任務也只有其他的自動化技術能處理。如今，我們擁有谷歌這樣的搜索引擎，就指望它們能幹千百種新差事。人們會問：「谷歌，你能告訴我手機放哪兒了嗎？谷歌，你能幫抑鬱症病人找到賣相關藥物的醫生嗎？谷歌，你能預測下一次病毒性傳染病的爆發嗎？」技術會不加區分地把各種可能性和選擇堆放在人和機器面前。可以打賭，到了2050年，薪資最高的行業將依賴目前還沒有發明的自動化技術和相關機器。也就是說，我們不知道這些工作，是因為讓這些工作成為可能的機器和技術還未出現。機器人創造了我們想要從事卻還不知道是什麼的工作。
（剛開始）只有人類能從事的工作
至少在很長一段時間內，人類想做什麼是由人類而不是機器人決定的。這句話並不是一句多餘的表述，事實上，人類發明的東西喚起了自身的慾望，因此人類的需求和機器人之間互為因果。
當機器人和自動化過程包辦了我們的大多數基礎工作，讓我們的吃、穿、住變得相對容易時，我們就會閒下來並且自問：「人的目的是什麼？」工業化不僅延長了人類的壽命，還讓很大一部分人認為，人類理應成為芭蕾舞演員、專職音樂家、數學家、運動員、服裝設計師、瑜伽大師、同人小說作者或是擁有名片上那些獨一無二的頭銜。在機器的幫助下，我們才能擔當這些角色。當然，隨著時間的推移，機器也會從事這些工作。接下來，面對「人類應該做什麼」這個問題，我們會想到更多的答案。但是機器人想回答這個問題還要等到多年以後。
後工業化經濟將會持續發展。因為每個人的任務之一將是找到、從事並完成將來會成為機器人重複性勞動的新工作。不久的將來，機器人駕駛的轎車和卡車隨處可見。這項新的自動化技術會為以前的卡車司機帶來一份叫做行程優化師的新工作。工作的內容就是通過調整運輸系統的算法達到節能省時的效果。外科手術機器人成為常規後，讓複雜機器保持無菌狀態將成為必要的醫療新技術。追蹤個人所有活動的自動化自我追蹤技術成為常態後，將會出現一種新的專業分析師，為你解讀數據。當然我們還需要一大批負責維護你的個人機器人正常運轉的保姆。今後，所有這些職業也將逐個被自動化接管。
當人人都擁有召之即來的個人機器人，也就是巴克斯特的後繼者們，真正的變革就開始了。想像一下，你是0.1%依然從事農業的人群中的一員，打理一家直接向客戶供貨的小型有機農場。雖然你仍然是一個農民，但是機器人承擔了大部分的農活。分佈在泥土裡的細小探針指導你的機器人隊伍在炎炎夏日裡播種、治蟲、收割。你作為農民的新任務將是監管整個農耕系統。某天，你可能會研究一下應該種植祖傳番茄的哪一個變種；第二天試著發現客戶的需求；接下來的一天更新你的客戶群。其他所有能被量化評估的任務都由機器人完成。
如今，這一切似乎難以想像。我們無法想像一個機器人能把一堆散件組裝成一件禮品，或是製造除草機的配件，抑或是為我們的新廚房製作需要的材料。我們無法想像自己的外甥或侄女在他們的車庫裡操縱一堆作業機器人，為朋友的創業公司大量生產電動車逆變器。我們無法想像自己的子女成為家用裝置設計師，製造一批定制化液氮（分子）甜品機並賣給中國的富豪們。然而，個人機器人自動化系統能將這一切變為現實。
雖然，幾乎人人都能得到個人機器人，但是僅僅擁有一個機器人並不是成功的關鍵。成功將青睞那些以最優化的方式與機器人以及機器一同工作的人。產品的地理集群性差異將會凸顯，但各個集群的差別不在於人工成本，而在於人的專業技能。人類和機器之間將形成一種共生關係。人類的工作就是不停地給機器人安排任務，這本身就是一項永遠做不完的工作，所以，我們至少還能保留這份「工作」。
將來，我們和機器人的關係會變得更複雜。同時，一種循環出現的模式值得我們注意。無論你現在從事什麼工作，收入水平如何，都將反覆經歷機器人替代人的以下7個步驟：
1.機器人（電腦）幹不了我的工作。
【後來】
2.好吧，它會許多事情，但我做的事情它不一定都會。
【後來】
3.好吧，我做的事情它都會，但它常常出故障，這時需要我來處理。
【後來】
4.好吧，它干常規工作時從不出錯，但是我需要訓練它學習新任務。
【後來】
5.好吧，就讓它做我原來的工作吧，那工作本來就不是人該干的。
【後來】
6.哇，機器人正在干我以前做的工作，我的新工作不僅好玩多了，工資還高！
【後來】
7.真高興，機器人（電腦）絕對幹不了我現在做的事情。
【重複】
這不是一場人類和機器人之間的競賽，而是一場機器人參與的競賽。如果和機器人比賽，我們必輸無疑。未來，你的薪水高低將取決於你能否和機器人默契配合。90%的同事將會是看不見的機器，而沒有它們，你的大部分工作將無法完成。人和機器的分工也將是模糊的，至少在開始時，你可能不會覺得自己在幹一份工作，因為看上去所有的苦差事都被機器人承包了。
我們需要讓機器人接手。許多政客們極力阻止機器人接手的那些人類工作，實際上是人們不情願幹的。機器人能幹那些我們正在幹的事情，而且遠比我們幹得好；機器人能從事那些我們從事不了的工作，能做那些我們從沒想到需要去做的工作；機器人還能幫助我們發現自己的新工作，發現那些讓我們拓展自身意義的事。
這一切都是必然的。讓機器人代替我們從事現在的工作，讓我們在它們的幫助下去構想有意義的新工作吧。
[1] 知化意為賦予對像認知能力。——編者注
[2] 艾字節，ExaByte，縮寫EB，常用來標示網絡硬盤總容量。1EB=1024PB=1073741824GB。——編者注
[3] 一檔非常受歡迎的美國智力競賽節目。——編者注
[4] 硅谷的一家科技公司，他們利用移動與感官技術研發移動醫療設備。——編者注
[5] 「奇點」本是天體物理學術語，著名未來學家雷·庫茲韋爾用它來指人類與其他物種（物體）的相互融合。——編者注
[6] 美國網絡視頻服務商，以DVD出租業務起家，提供網絡視頻付費訂閱觀看服務，收錄內容大部分是有版權的作品。除網絡視頻業務之外，該公司目前還保持DVD出租業務。——譯者注
[7] 賽博格（Cyborg），最早出現在科幻小說中，現在已經逐漸變為現實。指用機械替換人體的一部分，從而將大腦與機械聯接起來。——編者注