在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么加入浪潮，成为前2%的人，要么观望徘徊，被淘汰。抱怨是没有用的。至于当下怎么才能成为这2%，其实很简单，就是踏上智能革命的浪潮。
未来已来
最近这两年，经常会听到一些人工智能相关的新闻，比如：特斯拉汽车装配工厂生产线上没有工人，只有一百多个机器人、昆山富士康引入了6万台机器来实现关灯生产，还有上半年很火的AlphaGo战胜李世石等等。如果你不是一个失业的汽车工人，不是那个被富士康裁掉的生产线员工，或者不是一个职业的围棋选手，在你看到上面这些新闻时可能不会有太多的感触，认为这些人工智能取代/战胜人类只是一些个例，对自己的工作生活并没有带来太大的影响；但对于上面那些失业的工人来说，人工智能其实已经革了他们的命！
智能时代让我感触最深的是这样一次电话经历：今年年初的时候，我因为对联通的流量包收费不太理解，便打通了联通的人工服务。客服是一个妹子，声音还很好听，我询问了自己的套餐使用情况、流量包的基本信息以及让她查查我有没有预定什么其他收费服务，妹子都很耐心地一一为我解答，大概聊了1分钟的时候，我对这个流量包的使用时间提出了疑问（这种问题其他人可能很少会问到），这时客服妹子的回答让我刹那间出了一身鸡皮疙瘩，她并没有直接回答我的问题，而是重复了刚接通电话时的那句话！我恍然大悟，这客服妹子原来不是个真人，她是个机器人！！！由于她没法识别或者识别错误了我的提问，便回答了一个default值或者其他case值。我这么谨慎警惕的人，跟她聊了这么久才发现她不是人。最后我苦笑着对这个机器人说，“你能不能给我换个真人啊”，你猜她怎么说？“好的，正在为您转接，请稍后。。。”
大数据思维
《智能时代》的前两个章节介绍了数据在人类文明发展过程中的重要作用以及大数据与机器智能的逐渐成熟必然会导致智能时代的来临。第三章说到智能时代每个人都必须具备的思维，即大数据思维。
逻辑推理能力是人类特有的本领，给出原因，我们能够通过逻辑推理得到结果。在过去，我们一直强调因果关系，一方面是因为我们常常是先有原因，再有结果，另一方面是因为如果我们找不出原因，常常会觉得结果不是非常可信。
比如在19世纪中期，人们发现细菌会导致很多疾病，因此人们很容易想到杀死细菌就能治好疾病，这就是因果关系。不过，后来人们发现将消毒剂涂抹在伤口上并不管用，因此就去寻找能够从人体内杀菌的物质。最终在1928年弗莱明发现了青霉素，但当时他并不知道青霉素杀菌的原理到底是啥。直到后来人们搞清楚了青霉素中的青霉烷能够破坏细菌的细胞壁，才算搞清楚了青霉素有效性的原因，到这时青霉素治疗疾病的因果关系才算完全找到，但这已经是1943年了，距离当初人们发现细菌致病过去了将近一个世纪。后来人们搞清楚了青霉烷的分子结果，并可以人工合成青霉素（在此之前要靠培养霉菌来提炼青霉素）和发明新的抗生素。在整个青霉素和其他抗生素的发明过程中，人类就是不断地分析原因，然后寻找答案。当然，通过这种因果关系找到的答案非常让人信服。
其他新药品的研制过程和青霉素很类似，科学家们通常需要分析疾病产生的原因，寻找能够消除这些原因的物质，然后合成新药。这是一个非常漫长的过程，而且费用非常高。在七八年前，研制一种处方药已经需要花费10年以上的时间，投入10亿美元的科研经费，如今，时间和费用成本都进一步提高。这也就不奇怪为什么有效的新药价格都非常昂贵，因为如果不能在专利的有效期内（美国的专利有效期是17年）赚回10亿美元的成本，就不可能有公司愿意投钱研制新药了。
按照因果关系，研制一种新药就需要如此长的时间、如此高的成本。这显然不是患者可以等待和负担的，也不是医生、科学家、制药公司想要的，但是过去没有办法，大家只能这么做。如今，有了大数据，寻找特效药的方法就和过去有所不同了。美国一共只有5000多种处方药，人类会得的疾病大约有一万种。如果将每一种药和每一种疾病进行配对，就会发现一些意外的惊喜。比如斯坦福大学医学院发现，原来用于治疗心脏病的某种要入对治疗某种胃病特别有效。当然，为了证实这一点需要做相应的临床试验，但是这样找到治疗胃病的药只需要花费3年时间，成本也只有1亿美元。这种方法，实际上依靠的并非因果关系，而是一种强关联关系，即A药对B病有效。至于为什么有效，接下来3年的研究工作实际上就是反过来寻找原因。这种先有结果再反推原因的做法，和过去通过因果关系推导出结果的做法截然相反。无疑，这样的做法会比较快。
对于复杂的问题，想要找到其中的因果关系难度非常大，除了靠物质条件、人们的努力，还要靠运气。遗憾的是，大部分时候我们并没有灵感和运气，因此很多问题得不到解决。在大数据时代，我们能够得益于一种新的思维方法——从大量的数据中直接找到答案，即使不知道原因。这一方面给了我们一个找捷径的方法，同时我们不会因为缺乏运气而被问题难倒；另一方面，这种找不出原因的答案我们是否敢接受呢？如果我们愿意接受，那么我们的思维方式已经跳出了机械时代单纯追求因果关系的做法，开始具有大数据思维了。
很多时候，落后与先进的差距，不是购买一些机器或者引进一些技术就能够弥补的，落后最可怕的地方是思维方式的落后。
现有产业 机器智能 = 新产业
未来的农业
2013年7月的《时代》周刊报道了硅谷一家小公司发明的Droplet家庭院落自动喷水机器人。这种机器人从外观和行走的方式上看与目前很多家庭使用的扫地机器人有点像，但是智能水平要高很多。Droplet的喷水机器人首先会对每个家庭的院落扫描一遍，看看院子里有多少植物和草坪需要浇灌，同时它还测试各处土地的湿度和植物的高度，以决定喷水量。在浇水时，Droplet会根据事先计算出的喷水量拖着水管子走到相应的位置，调整好喷水的角度、流量和时间开始浇水，并且根据事先规划好的路径完成整个院落的浇灌，而不会漏掉任何一处植被。在使用的过程中，Droplet可以根据湿度调整水量，并且和天气预报相连，如果明后天会下雨，那么Droplet会停止浇灌。
在引入机器智能之后，农业这个人类最古老的产业将会以崭新的形态出现，它将验证“现有产业 机器智能 = 新产业” 这样一个已经被证明的技术革命进步的规律。
未来的体育
NBA的2015-2016赛季里，位于硅谷的金州勇士队创造了NBA历史上常规赛获胜率最高的记录，在全部82场比赛中获胜73场，同时还创下了主场54连胜的记录。在一年前，该对获得了NBA总冠军。而在2009年的时候，金州勇士队还是NBA里最烂的球队之一，那一年它的成绩排名倒数第二，当然勇士队也不可能有什么球星和大牌教练。
6年前，硅谷的风险投资人花了4.5亿美元买下了勇士队，并为球队委派了新的管理层。新的管理层上任后并没有购买那些大牌球星，因为他们通过数据分析认为，现在的NBA以及很多职业联赛所追求的打法是低效率甚至是错误的。几十年来，NBA的发展一直在追求制空权，球队寻找个人身体条件突出的球员们，他们要么伸手就能将篮球装进球框（比如姚明），要么能高高跃起从上往下把篮球扣进篮筐（比如乔丹）。这样的打法虽然看起来漂亮，但是效率很低，因为需要全队费很大的力气攻到篮下，把球传给那个大个儿，即便不出现传球失误，也就是得2分，扣篮也是如此，在耗费巨大的体力之后，也是得2分。勇士队的管理层设计的新打法却是尽可能地从三分线投篮，这样可以得3分。在这个思想的指导下，勇士队队员苦练神投，全队在一个赛季中投进1000个三分球，同时，就在对手防守神投手库里时，勇士队的第二个投手汤普森大展神威，在一个赛季投进了270个以上三分球。
除了利用数据制定战略，勇士队还利用实时数据及时调整比赛中的战术。在2012年的时候，勇士队的COO里克就在一次大数据会议上介绍了该球队应用大数据的成果。根据里克介绍，大数据可以帮助球队改进精细到两个人配合的细节。正是靠高科技，勇士队才得以在短短6年里从倒数登顶NBA总冠军。
大数据对体育训练的帮助还在于分析和总结优秀选手的动作姿势，纠正其他运动员的动作。今天高尔夫球运动员和网球运动员会在身上安装各种传感器，测定动作，然后和优秀选手的动作对比，纠正自己的动作。
可以预见，未来的竞技体育是离不开大数据和机器智能的。体育依然会是人类最喜爱的娱乐活动，但是仅靠天赋和苦练将不足以取得最好的成绩。
未来的医疗
医疗保健在任何发达国家都是一个大产业，甚至是最大的产业，因为人类发展经济和科技最重要的目的就是增进健康、延年益寿。
今天，人类在医疗保健上遇到了一些瓶颈，主要体现在以下几个方面
首先是医疗成本越来越高
以美国为例，今天医疗保健的开销已经占到GDP的17%~18%左右，而且比例还在上升。在中国，“看不起病”是社会共识。
其次，医疗资源不平衡
这一点几乎每个中国老百姓都认同。在发达国家，这个问题也同样存在。在全世界范围内，医疗资源不平衡的问题更加严重。
最后，也是最关键的，很多疾病治不好
比如癌症、帕金斯综合症和老年痴呆。尽管全世界的医生和科学家已经努力了很多年，但进展却十分缓慢。
我们从这三个方面来看看大数据和机器智能将如何改变全世界医疗保健以及制药行业的现状。
降低医疗成本
从医疗本身讲，医疗成本高的前两个重要原因是药品的研制周期太长、费用太高（这点前面已经提到），以及医务人员培养的成本太高（看看身边学医的同学是不是比你多交了好几年学费）。
在中国很多患者的心目中，看病要着“老大夫”，因为他们有经验。实际上，老大夫经验的积累就是一个通过病例（数据）学习的过程，而人学习再快，也学不过计算机，这一点看看AlphaGo和李世石的对战就知道了。一个放射科大夫一生阅读研究的病例很难超过10万个，而计算机则很容易从上百万病例中学习。
2012年Google科学比赛的第一名授予了一位来自威斯康星的高中生，他通过对760万个乳腺癌患者的样本数据的机器学习，设计了一种能确定乳腺癌癌细胞位置的算法，来帮助医生对病人进行活检，其位置预测的准确率高达96%，超过目前专科医生的水平。这位年轻学生采用的图像处理和机器学习算法并不复杂，她的成果完全得益于大数据，没有哪个大夫一生能够见识760万个病例。
在医学影像分析方面，很多软件已经开始商业化，只是由于目前在临床诊断上需要有真人签署检验报告，因此这些软件给出的结果还需要由人来核实后签字。即便如此，由于放射科医生的工作效率能大大提高，诊断的费用可以逐步降低。
未来社会
这是最好的时代，也是最坏的时代
一方面，智能革命无疑将会给我们带来一个更美好的社会：更智能、更精细化和更人性化，从这个角度看，智能社会无疑是迄今为止人类文明史上最好的社会。但是另一方面，智能革命也将给我们带来空前的挑战，随着大数据和机器智能的不断普及，机器将越来越多地占据人类的工作机会，这个过程在一开始是悄无声息的，但是当发展到一个拐点时，这个趋势将不可逆转。
历史上，影响力可以和正在进行的智能革命相比的，只有18世纪末始于英国的工业革命、19世纪下半叶始于美国和德国的第二次工业革命、“二战”后以摩尔定律为标准的信息革命，一共是三次。这三次技术革命都有一个共同的特点，那就是它们对当时的社会产生了巨大的冲击，并且都需要经过大约半个世纪甚至更长的时间才能消化掉。
工业革命时代
首先看看18世纪末的工业革命。这是人类历史上空前的伟大事件，工业革命带来了三个结果：人类过得好了，人类活的长了，人类有自信和尊严了。但工业革命在当时却给社会带来了巨大的动荡，以至于当时诅咒它的人可能比欢呼拥抱它的人更多。新技术在出现的初期，受益者是非常少的，其他人在短期内很难受益，甚至可能是因为新技术的出现变得更加贫穷，因为机器抢了他们的生计。
在工业革命后的半个世纪里，原有的经济结构被摧毁，靠有一技之长的工匠运作的小作坊纷纷破产，工匠的特长敌不过年轻劳工结实的身体，他们从中产阶级沦为赤贫。因此从18世纪末到19世纪上半叶，是英国贫富分化严重、社会矛盾重重的半个多世纪。
英国人花了大约两代人的时间消化掉工业革命带来的负面影响，直到19世纪中期英国人才过上了全民富裕的生活。那么英国是怎么解决工业革命的副作用的呢？简单讲就是资本输出，开拓全球殖民地，推行自由贸易。英国的工业生产在工业革命之后让世界各国都无法望其项背，这使得它有能力、财力、武力按照自己的意志建立全球化市场。
工业革命对社会的影响可以分为三个阶段：第一阶段只有发明家和工厂主们受益，普通英国民众并没有受益；第二阶段是全体英国民众普遍受益，但世界范围内其他国家的人们未必受益；第三阶段才是整个世界的受益。每个阶段之间都相隔很长时间。
第二次工业革命
第二次工业革命的核心是电的使用。这不仅让生产的效率进一步提高，而且催生了很多新产业，当然也带来了社会财富的剧增。和工业革命时期的英国一样，美国工人们的生活在第二次工业革命开始的一段时间里并不美好，当时美国的贫富分化程度达到了北美殖民以来的最高点。
在美国和德国崛起时，它们已经没有英国那么好的运气，有那么多未开发的殖民地在等着它们。好在美国有广袤的中西部地区等待开发，从某种程度上解决了产能的问题，但是贫富差距非常严重，经过了老罗斯福、塔夫脱和威尔逊三任总统近20年的努力才基本实现了社会的公平化和全面繁荣。但德国就没有美国那么幸运了，为了输出产能，它最后不得不发动第一次世界大战。
今天我们站在历史的角度审视第二次工业革命，对它都是赞誉之词，安迪生、贝尔、福特、西门子和本茨等都是那个时代的代表人物，但第二次工业革命给人类带累的福祉也是从少数精英开始，经过长达半个世纪的时间才开始造福技术革命的中心地区。而世界上大部分地区享受第二次工业革命的成果，是第二次世界大战之后的事情了。
信息革命
我们大家都有幸亲历了信息时代的繁荣，我们有了个人电脑、手机和互联网，我们的生活变得比父辈要方便得多，几乎每一个中国人都在为信息革命欢呼。中国在1979年改革开发后短短的30多年里，人均GDP从200美元剧增到7000美元，几乎每一个人的收入都有所增加。但中国的成果是有多重原因的。在世界范围内，虽然每个人都看到了信息革命的结果，并且很多人是用上了最新的科技产品，然而并非每个人在经济上和社会生活方面都受益于此。即便在信息革命中心的美国，大部分人的生活质量并没有什么提高，只有像比尔盖茨、乔布斯、戴尔和拉里佩奇等人抓住了信息革命的机会从而暴富。在东欧和南美的一些地区，它们虽然能够享受到信息革命的产品，却没有享受到信息革命带来的经济增长。从全世界的范围看，消化掉信息革命的冲击波，或许还需要更长的时间。然而现在的大数据和机器智能革命已经来敲门了。
解决问题只有靠时间
为什么每一次重大的技术革命都需要很长的时间消除它所带来的负面影响呢？因为技术革命会使得很多产业消失，或者产业从业人口大量减少，释放出来的劳动力需要寻找出路。这个时间是多长呢？事实证明至少需要一代人以上，因为我们必须承认一个并不愿意承认的事实，那就是被淘汰的产业的从业人员能够进入新产业中的其实非常少。
虽然各国政府都试图通过各种手段帮助那些从业人员掌握新的技能，但是收效甚微，因为上一代人很难适应下一代的技术发展。事实上，消化劳动力主要靠的是等待他们逐渐退出劳务市场，而并非他们真正有了新的出路，能够和以前一样称心如意地工作。这就是每次技术革命都需要花半个世纪来消除它带来的动荡的原因。唯一不同的是，在一百年前，各国政府认识不到关心这些产业被淘汰的从业人员的重要性，因此让社会很动荡。如今，各国政府意识到社会稳定很重要，因此即使很多人并不创造价值，也只好“养着”。为此，有些国家将无所事事的人强塞到公司里（比如日本和欧盟），有些国家不肯淘汰过剩产能（比如中国），但解决问题的途径都是一个“耗”字。耗上两代，社会问题就解决了。
