信息技術呈指數級增長，基本上每年翻一番。曾安置在一棟建築內的設備現在可放進你的口袋裡，而今天可放進你口袋裡的在25年之後將可以放進血液細胞中。
雷·庫茲韋爾，2009年
當「二戰」進入決定勝負的階段時，艾倫·圖靈和布萊切利園團隊剛剛研發出第一台可編程電子數字化計算機，專門設計用於幫助英國解密人員進行洛侖茲密碼機的密碼翻譯。洛侖茲密碼機在戰爭期間被德國軍隊廣泛用於發送加密信息和急件。巨像馬克I號（Colossus Mark I）計算機在1944年2月5日投入使用。巨像計算機的改進版本（馬克II號）在1944年6月1日投入使用，就在諾曼底登陸戰役開始僅幾天之前。
第一種非單一用途的可編程計算設備是電子數字積分計算機（ENIAC）。這種設備最初被美國軍隊用於計算火炮射表，在1947年6月29日投入使用。到1950年，在地球上也只有屈指可數的這種計算機器。然而不管怎樣，計算能力算是起步了。
那與今天相比如何呢？
現在，即使是最普通的小玩意兒，比如音樂賀卡中的聲音模塊[1]，大約是「二戰」結束時全世界所有計算科技處理能力的1000倍，而且其中每塊芯片的費用只有10美分。摩爾定律再一次顯示其巨大威力了！
圖3–1 音樂賀卡中價值0.1美元的聲音模塊
圖片來源：阿里巴巴
今天你在口袋中天天攜帶著的普通計算設備具有比20世紀80年代全世界所有大型銀行、企業和航空公司更強的處理能力。你今天所使用的平板電腦若要在二三十年前達到同等計算能力則需要花費3000萬—4000萬美元去製造，而且在當時它還被稱為超級計算機。很可能放在你口袋裡的智能手機比20世紀70年代在阿波羅計劃期間美國國家航空航天局所擁有的所有計算機還要強大，而且比尼爾·阿姆斯特朗、巴茲·奧爾德林和邁克爾·科林斯（Michael Collins）用於指引他們登錄月球表面的阿波羅導航計算機強大約300萬倍。1993年最強大的超級電腦由富士通為日本航空局建造，成本大約是3400萬美元（1993年物價），像三星Galaxy S6這樣的智能手機輕而易舉地就可以超越它。這款智能手機比美國銀行在1985年所擁有的所有計算機強大30—40倍。[2]一台Xbox360（微軟的第二代家用遊戲主機）的計算能力比航天飛機的第一台飛行計算機強大約100倍。
如果你手腕上佩戴著智能手錶，它可能具有比15年前的台式計算機還強的計算能力。樹莓派（Raspberry Pi）「Zero」計算機今天費用只有5美元，具有與2011年蘋果公司發佈的第二代平板電腦相當的處理能力。像特斯拉S型汽車配備了多個CPU（中央處理器）和GPU（圖形處理器），建造出比747大型客機[3]還強大的協同計算平台。
在30年之內，你將在口袋裡攜帶或在衣服、房屋甚至身體中嵌入比今天所建造的最強大的超級計算機還要強大的計算技術，甚至可能是比1995年連接到互聯網的所有計算機[4]還要強大的計算技術。
網絡和互聯網
互聯網早期開始於被稱為阿帕網（ARPANET）的項目，是由美國高級研究計劃管理局（ARPA，後更名為美國國防部高級研究計劃局）和學術界建造出來的。第一個阿帕網鏈接是於1969年10月29日22：30在加利福尼亞大學洛杉磯分校和斯坦福研究院之間建立起來的。
我們在自己和斯坦福研究院那幫人之間建立起電話連接。我們鍵入字母L，然後在電話中問道：「看到字母L了嗎？」對方回答說：「是的，看到L了。」我們鍵入字母O，問道：「看到字母O了嗎？」「嗯，看到了。」然後我們鍵入字母G，系統就崩潰了……[5]
倫納德·克蘭羅克教授，加利福尼亞大學洛杉磯分校， 關於1969年第一次阿帕網分組交換測試的採訪
與早期計算機網絡的發展同步，多個計算機製造商致力於將計算機技術縮小化和個人化以便將其用於家庭或辦公室。與流行的觀點相反，IBM並不是建造出個人計算機的第一家公司。早在20世紀70年代，史蒂夫·喬布斯和史蒂夫·沃茲尼亞克就一直忙著創造出自己的個人計算機版本。他們的成果——第一台蘋果電腦（後來被稱為Apple I）——實際上比IBM原型機[6]早了5年，而且應用了一種截然不同的工程手段。然而，直到蘋果公司發佈Apple II（第二代蘋果電腦），個人計算才真正成為一種舉足輕重的事物。
圖3–2 1976年發佈的由喬布斯和沃茲尼亞克設計的Apple I原型機[7]
圖片來源：紐約邦漢姆拍賣行
當喬布斯和沃茲尼亞克制造出最早的個人計算機原型的時候，在工作場所也出現了計算機的快速小型化。計算機不必再是填滿整個房間的龐然大物，而是被分割成磁碟、打印機、輸入設備和CPU，而且大型機不再只是企業計算領域才擁有的設備了。現在，大型機為小型機或者更廣為人知的中型系統讓路了。
「微機」一詞對尺寸仍然還有大型冰箱大小的機器來說真的是很不精確的描述，但是它們比早期常見的大型計算機要強大很多而且體型較小。數字設備公司（DEC）開發出一系列PDP（程序數據處理機）微型機，以PDP–1為起點直到PDP–11發佈的時候越來越受歡迎。在20世紀80年代，美國太陽微系統公司、惠普公司等開始主導會計領域的企業計算平台和基礎企業系統。但是，個人計算機也開始引發辦公環境的革命，這主要是由於新興的網絡科技的出現。
1979年，羅伯特·梅特卡夫創辦了3Com公司，對施樂公司帕克研究中心（PARC）在20世紀70年代就LAN/WAN（局域網和廣域網）以太網技術所做的工作進行拓展。起初，可以應用這些基於局域網協議的軟件局限於簡單的任務，例如分享文件、打印文件或發送郵件。這項科技很快發展成廣為人知的多層架構（n-tier）計算，讓我們能夠連接許多個人計算機和應用服務器從而建成非常強大的辦公網絡系統。甲骨文等公司就是基於在這些新架構上建立數據庫和軟件系統的需求而誕生的。
梅特卡夫定律是以3Com公司創始人命名的，其主要內容是隨著一個網絡中連接（或結點）數量的增加，這個網絡給用戶提供的價值呈指數級增長。它解釋了為什麼像Facebook和Twitter這樣的社交網絡近年來會增長得如此之快。理解網絡的影響對理解我們的未來至關重要。如果我們將網絡增長的定律與摩爾定律所確定的計算機增長結合起來，我們基本上就能清楚地認識到互聯的計算機和設備的指數級增長現在勢不可擋了。2008年，連接到互聯網中的「物」的數量超過了地球上的人口數量，[8]而且全球計算網絡的增長還在繼續加速。
今天，我們將燈泡、家庭溫度調節裝置、門鎖、飛機、汽車、無人機、機器人真空吸塵器和更多其他的電器與小器具接入網絡。我們處在互聯且智能的設備、傳感器和結點領域大爆炸的過渡期，這次爆炸將改變我們今天所認識的世界。到2020年，500億件「物」將連接到互聯網，但是到2030年，我們可能就有多達100萬億的傳感器，也就是平均每人150個傳感器。這些傳感器將對包括我們的心率、電動汽車充電、周邊空氣污染、血液中的血糖含量甚至我們每日的濁物排出狀況在內的一切事情提供反饋。它們將推動實現立足信息的、基於標準的未來，這將不僅延長壽命而且讓地球更加安全乾淨。
圖3–3 萬億傳感器前景
為了讓這樣一種連接性的革命真正地改變地球的未來和命運，我們必須讓每個人都可以獲取網絡，而不僅僅局限在發達國家。我們要怎樣實現呢？
2014年，在中國香港，一款名為「火聊」（FireChat）的新應用相當引人注目，它利用了一種網狀網絡技術。基本上這種應用可以利用你手機上的Wi-Fi或藍牙無線電與其他手機通信，即使是在互聯網和蜂窩網絡服務關閉的情況下也可以。Open Garden（開放花園公司）是火聊應用的發明者，2015年10月它在塔希提島宣佈建立了一個合夥企業，這將讓島上的居民無須利用數據計劃或蜂窩服務連接就能實現互相通信。
網狀網絡很可能成為解決網絡連通性的最終方案。從理論上講，每個能夠連接到互聯網的設備都可以成為分佈式網絡中的一個結點，不僅使這台設備連接到網絡而且也允許其他設備通過共享連接進行通信。在今天的網絡中，你擁有不同的接入點，不管是通過互聯網服務提供商的硬點（hardpoint）還是Wi-Fi的熱點（hotspot），它們發揮著連接到更大的網絡也就是互聯網的作用。網狀結點是小型的無線電發射器，不僅與該結點或接入點的用戶通信，而且彼此間也進行通信。通過這種方式，如果這些結點中某一個與互聯網的骨幹網失去連接，它就僅與在其範圍之內的其他結點分享連接。這是一種真正的分佈式網絡拓撲結構，不再完全依賴於每個連接點與互聯網骨幹網的連接，其影響深遠，特別是在網絡連接有限或根本不存在連接的非洲各國、印尼、印度和中國等地的農村。理論上講，內嵌小型無線電的每一種設備，即使是在偏遠地區，都可以成為連接到互聯網的設備。
除了網狀網絡技術之外，Facebook和谷歌都在從事將無線互聯網接入並提供給20多億未連網的人群的科技研究。Facebook推出的免費上網計劃Internet.org，正在開發一種高海拔、由太陽能提供能源的無人機「天鷹」（Aquila），無人機利用激光向地面上小的信號塔或小鍋傳輸數據。無人機將每次在空中停留數月並在商用飛機上方飛行。谷歌在研究一個類似的項目，稱為「高空氣球計劃」（Project Loon），只不過使用的是高海拔氣球。
在接下來的20年裡，最大的創新將不會出現在網絡增長方面，而是存在於我們對智能的、聯網的，嵌入我們生活各個方面的計算機的使用方式上。為了對此加以利用，我們將需要一個新的設計範例、一些新的軟件以及與設備互動的新方式。這種對設計的關注在iPhone等設備的漂亮外形中（相對於早期移動電話而言），在特斯拉大顯示屏的專業中以及在亞馬遜智能音箱Echo（回聲）顯示屏的缺失中都一覽無餘。我們正在尋找越來越具有想像力的方式將科技構築到身邊的世界中。
界面和互動設計的演化
1982年，我在澳大利亞墨爾本的一所精英中學上九年級。墨爾本中學是澳大利亞最早將計算機科學列為一個學科的中學之一。今天，我們可以看到奧巴馬總統等人進行第一次Java（計算機編程語言）序列編程，還有孩子們通過YouTube和在線編程知識平台Codecademy學習編程的情形，但是早在20世紀80年代，編程還是大學的功課。當我在學校開始學習編程的時候，我們使用了墨爾本大學遺留下來的計算機，允許我們使用Basic、Pascal、Cobol和Fortran等語言編程，但是只能使用紙卡片。
當時編碼的時候，你不得不將代碼手寫到紙上，然後將你的代碼一次一行謄寫到石墨或穿孔卡片上。然後你使用一個卡片堆閱讀器，一次閱讀一張卡片並將鉛筆符號或紙孔解釋為字母、數字或者字符，然後再對其進行編譯。經典的「Hello World」程序當時需要使用4種不同的卡片。
圖3–4 20世紀70年代計算機編程經常是在穿孔卡片上而非通過鍵盤完成的
我上學時絕對是極客小組成員。我仍然清晰地記著自己破解了學校管理員系統並找到教師的記錄，由於此事兩周內我被禁止進入計算機房。我會收一點費用替其他同學完成編程作業。那不是為了錢，而只是為了檢測如果利用不同的程序版本，我能否得到相同的答案或輸出。
那時，我的夥伴丹·戈德伯格（Dan Goldberg）介紹給了我第一台Apple II，而且之後不久我就得到了第一台Vic-20（康懋達公司的一款電腦機型）微型機並在家裡使用它。幾年過後，我成功勸說我的爸爸投資購買一台家用IBM兼容機。於是我從在顯示石墨鉛筆符號的紙卡片上打孔編程升級到了鍵盤和黑白顯示器。不過，它的界面，尤其是在遊戲或圖形方面，還極為原始。
我當時擁有的Vic-20微型機大約有4K（千字節）內置內存，一個16K擴展包和一個用於存儲程序的盒式磁帶錄音座。我將Vic-20連接到一台我父母閒置一旁的舊黑白電視機上，而它能夠顯示16種鮮艷的顏色。我記得購買過與Vic-20相關的「發燒友」雜誌並仔細研究一行行代碼，費盡心思將這些代碼行鍵入，這樣我就可以玩新遊戲。我就是這樣學會編碼的。通過改變參數，我學習句法，學習編程邏輯。當我中學畢業的時候，我具備了足夠的編程技能，直接獲得了一份商用編程工作，使我可以每天在從事我喜歡的工作——編碼——的同時用部分時間讀大學課程。
當微軟操作系統Windows 3和Windows 3.11出現的時候，突然之間就有了圖形用戶界面，使計算機操作更簡單了。你具有標準的控制鍵和元素，例如編輯框、單選按鈕和其他設計元素，與舊的綠色操作界面的技術相比，你擁有了很多的靈活性。
計算機變得越來越強大，而界面同時也變得更易用。第一代計算機界面只有工程師才懂。第二代界面允許用戶在經過培訓後使用特定的程序，而無須是一名程序員。即使有了這樣的進步，瞭解一種計算機系統或操作系統並不能說明你就能夠操作或利用另外一種並不十分熟悉的系統。
不久之後你就能夠購買現成的軟件，將磁碟片或盒式磁盤放進控制台或計算機，即使你之前從未使用過這種軟件，你也有能力使用它。今天，我們下載應用到我們的手機或者下載軟件到我們的筆記本電腦，都只需要幾分鐘就能弄清楚，而無須數周的緊張培訓。YouTube和其他基於網絡的工具讓我12歲的兒子在幾周之內就學會如何為流行的《我的世界》（Minecraft）[9]遊戲生態系統用Java編碼遊戲模組。
最終，隨著這種趨勢的推進，我們將獲得內嵌於我們周邊世界中的強大無比的計算機，除了對說出來的話語或者某種動作進行回應以外，我們不需要更明顯的互動就能使用，想想佩戴Fitbit設備及這種穿戴設備內嵌的計算機在工作時所需要的輸入吧。
多點觸控的使用是個人設備界面設計方面的巨大進步。它使我們可以隨身在口袋中攜帶極為強大的計算機而無須額外的鼠標或鍵盤等硬件。從輸入精確性的角度講，據稱多點觸控降低了我們的能力，但是同時沒有人可以否認，這些設備的簡易性意味著一名兩歲的兒童都可以拿起平板電腦輕鬆地操作。
圖3–5 計算機界面的演化
計算的下一個階段將見證我們使用計算機的方式出現巨大的進步。輸入將區分為由操作人員直接輸入，或者由用戶通過虛擬鍵盤、語音、觸摸、手勢或反饋，通過捕捉從生物統計學數據、健康數據、地理定位、機器/設備性能到環境數據中的一切信息的傳感器，以及最終通過可以預判和比較你的行為的社會啟髮式行為分析輸入。輸入將既不是線性的也不是基於單個屏幕或界面的。
從屏幕轉向傳感器
如果你攜帶智能手機、穿戴式健康手環或智能手錶，你的設備就已經獲取了每天關於你和你的運動情況的大量信息。內部加速計與GPS（全球定位系統）芯片聯合起來獲取移動數據，這非常精確，甚至可以計算出你的步數和你在爬樓梯時的高度變化。像智能手錶和健康手環這樣的設備捕捉你的心率並起到計步器的作用，但是下一代的傳感器將能夠獲取更多的信息。
2014年，三星發佈了一種稱為「Simband」（智能腕帶）的原型可穿戴設備，具備6種不同的傳感器，可以記錄你每天的步數、心率、血流和血壓、皮膚溫度、氧氣含量及正在產生的汗液量等——總共12種關鍵數據點。Simband的顯示屏看起來與在重症監護室中看到的心率顯示器相似，只是戴到手腕上。
與GPS或導航軟件預測交通並影響你的行程或在途時間的方式十分類似，在接下來的10年裡，健康傳感器與人工智能和算法結合將能夠感知到已患上的心血管疾病，將出現的中風、消化道問題、肝功能損傷或急性腎功能衰竭，[10]而且甚至能推薦或實行直接的治療，防止當你尋求更直接的醫療救助之時出現危險病情。
圖3–6 Simband傳感器陣列
圖片來源：三星
圖3–7 Simband顯示屏上的心電圖（ECG或EKG[11]）和其他反饋信息
圖片來源：三星
提供健康和人壽保險的保險公司開始認識到這些工具將顯著降低它們在承保中的風險，也有助於保險客戶（也就是我們）與醫學專業人員一道更好地管理自身的健康。保險將不再僅僅關注評估你發生心臟病的潛在風險，也同樣地關注並監控你的生活方式和生物識別數據以便發生心臟病的風險可以受到控制。你今天在申請保險單時所填寫的紙質申請表與保險公司從這類傳感器陣列中所獲得的數據相比幾乎將毫無用處。此外，申請表並不能夠幫助你積極地管理飲食、進行體育活動等以降低發生心臟病的風險。這就是像美國保險巨頭約翰·漢考克保險公司這樣的組織已經對佩戴健康跟蹤器的保險客戶打折的原因了。[12]
隨著每天每秒如此大量的數據上傳到互聯網，我們已經遠遠跨越了人類能夠不利用其他計算機就可以有效地分析世界上所搜集的數據的深度和廣度的時間節點了。這也將顯著地改變我們看待診斷的方式。
你可能記得在幾年前IBM派出一台計算機上場，在《危險邊緣》遊戲節目中與兩位長期的冠軍進行競爭。這台計算機名為沃森（Watson），在遊戲節目中取得了令人信服的勝利，打敗了兩位之前未曾失敗的人類挑戰者詹寧斯（Jennings）和魯特（Rutter）。[13]最近，沃森獲得紐約基因組中心（NYGC）理事會同意擔任醫學診斷專家。[14]據我們所知，這是第一次一個特定的機器智能獲得學術或專業認證從事醫學工作。這肯定不會是最後一次。
這次醫學認證背後的推手是什麼呢？研發沃森的團隊想弄清楚如果他們給沃森提供正確的數據，它是否可以學習通過假設解決問題，例如診斷癌症或者找到遺傳病症中的基因標記。連續數月，IBM的團隊將20多年的腫瘤研究醫學期刊、病人病例研究和分析方法論提供給沃森的數據存儲，以此驗證他們的理論。
在由美國貝勒醫學院和IBM發表的同行評議論文中，根據研究的結論，科學家能夠論證一種衍生的科學問題的合理新途徑，可能對新的、有效的疾病治療方法的長期研發有所裨益。在幾周之內，生物學家和數據科學家利用沃森的技術精確地找到了修改p53（人體抑癌基因）蛋白質結構的蛋白質。[15]研究指出，這項成就如果沒有沃森認知能力的幫助，科學家們需要花費數年才能完成。沃森分析了70000篇關於p53的科研文章以預測激活或關閉p53活性的蛋白質。這項自動化的分析讓貝勒醫學院的癌症研究人員找到6種可能的蛋白質作為開展新研究的目標。鑒於過去30年間科學家們平均每年只能發現一種相似的目標蛋白質，這些結果非常值得關注。沃森的表現超過在美國開展的、耗資50億美元的全部癌症研究工作成果的6倍。
而更為引人注目的是當將特定病人的症狀輸送給沃森的時候，它在90%的時間裡可以精確地診斷出特定的癌症類型和最為有效的治療方法。[16]為什麼它的意義重大呢？醫生、具有20年醫學經驗的癌症專家通常只能在50%的時間裡給出正確診斷。為什麼沃森始終能夠超越這個領域內的人類專家呢？首先，這是因為「他」有能力在幾秒鐘之內整合20年內的研究數據，而且可以分毫不差地回憶起來。
下一個顯而易見的行動就是讓醫生們使用沃森以更好地對病人進行診斷，對吧？困難在於醫生只能依據持有執照的診斷師的建議治療病人。這便是紐約基因組中心努力並獲得了理事會批准，讓沃森在紐約註冊成為持有執照的診斷師的原因。
沃森可以做到的是——他讀取你所有的醫療記錄。他經由世界上最棒的醫生們提供信息和教導，然後給出最可能的診斷、置信度、原因、基本原理、診斷、概率、矛盾。我的意思是，這剛剛開始在東南亞開展起來，涉及數百萬的病人。他們將永遠不會像身處此地的你和我一樣看到紀念斯隆–凱特琳癌症中心（Memorial Sloan-Kettering Cancer Center）。（不過）他們將可以對其加以利用。我覺得，這非常了不起。
羅睿蘭，IBM董事長和首席執行官， 「查理·羅斯專訪」，2015年4月
既然我們已經證明在癌症診斷上沃森比人類醫生更為精確，那麼我向你提出的一個問題是：如果你的全科醫生認為你可能患病，你更想讓誰給你做診斷呢？沃森醫生還是一個人類醫生？你可能會說沃森可能不具備很好的臨床判斷，但是理解這種科技把我們帶向何方可能會徹底地改變你對醫療衛生的觀點。順便一提，你注意到IBM的首席執行官用「他」代指沃森了嗎？只是說……
很可能未來你所攜帶的或你體內的傳感器將能夠精確地評估你的健康狀況變化並在病情成為難題之前對其進行診斷。不久，計算機將自動評估你的基因構成並標記已知病情從而讓這些算法或機器智能加以注意。通過標記某種異常，像沃森這樣的算法或智能就可以推薦明確的飲食改變、日常習慣需進行的改變，例如更多睡眠或更多鍛煉，以及營養品甚至個人化的、針對特定DNA（脫氧核糖核酸）的藥品。可以把這些機器智能看成潛在的教練，類似於營養學家、私人教練或醫生。隨著可穿戴和可攝取醫療設備的進展，治療措施可能自動得到執行。就糖尿病而言，你可以讓你的胰島素水平由一個植入物維持恆定。如果病情變得嚴重，這種設備就可以標記此病情並提示你的醫療專業人士，通過更好的臨床舉止他可以讓你坐下來進行一個更為人性化的病情討論。
到2020年，個體病人的醫學數據將每73天就翻一番。[17]我們需要科技從這些數據中理出頭緒、標記離群值並推薦行動方案，這些過去是醫生所做的工作。幫助可管理的病情避免出現急診情況將成為標準做法，而最大的支出可能來自訂購醫學服務和你所佩戴或注射的設備，而非看病或就醫方面。
電視劇《絕命毒師》通過一名中學教師為了能夠負擔癌症治療費用不得不借助於製造非法毒品的故事，戲劇化地展現了美國醫療衛生體系可承受能力的相關問題。未來醫療衛生方面的差距可能不是在擁有保險和不擁有保險的人之間，而可能是在獲得醫療衛生人工智能和可穿戴醫療科技的人與無法獲得它們的人之間。智能社會將確保其所有公民都可以獲得這項科技，因為它將大幅降低社會對醫療衛生的經費負擔。
由於到2030年將可能存在50萬億——100萬億的傳感器，絕大部分輸入我們周邊的計算機系統的信息將自動生成，而不是通過直接輸入。不管是我們智能手錶中的傳感器、智能手機中的加速計、生物識別閱讀器、無源相機，還是捕獲行為數據的算法，直接來自周邊環境中的數據量與我們通過鍵盤或屏幕輸入的數據之比將在10年之內達到10000︰1的比率。換言之，嵌入我們周邊環境中的計算機反饋方式將更多地受我們做什麼、說什麼及怎麼做的影響，而非鍵入或點擊什麼。
計算的未來將結合傳感器和機器智能。傳感器將是我們輸入數據的渠道，而算法將推動數據的整合。交互界面將直接提供重要的結果。我們幾乎將不再需要介入駕駛或輸入行為——至少不會是傳統意義上的。
從軟件到普適計算的演進
界面和體驗設計的趨勢正在將我們從對計算機軟件和界面的傳統認識帶入一個非常不同的方向。未來將出現對軟件應用本身的巨大偏離。
雖然輸出顯示已經明顯改善了，但是輸入並未發生根本改變。我們從卡片穿孔機提升到鍵盤，然後添加了鼠標、攝像頭和麥克風，而且最近我們將屏幕變得可以多點觸控。然而，大多數輸入仍然基於QWERTY（柯蒂鍵盤）。
我們逐漸從非常簡單的基於文字的界面過渡到越來越複雜的互動方式。早期的計算機顯示器是原始的黑白色。當我們剛開始使用網絡瀏覽器和移動手機時，互動方式曾經是非常原始的。隨著iPhone的上市，移動應用出現了，比有限的移動網頁更具有互動性。智能手錶、智能眼鏡等新式設備的使用已經創造出一種軟件的分佈式途徑。我們可以在我們的手機上裝應用，但是與該應用相關的顯示和通知可以在智能手錶或智能眼鏡上展示出來。不久之後，我們的辦公桌、起居室牆壁、車輛儀表盤及其他的環境都將裝備內置屏幕用於互動。我們將利用增強現實智能眼鏡和隱形眼鏡在真實世界上疊加數據、洞察力和場景。
在APP時代，銀行和航空公司等行業傾向於增加產品功能的捆綁利用，但是隨著越來越多的性能的加入，出現作家傑瑞德·斯普爾（Jared Spool）所說的「嚙合腐爛」（engagement rot）的傾向將變得非常高。問題是當你擁有豐富的功能時你就無法保持低摩擦[18]用戶體驗；從本質上講，這些功能就到了導致複雜和混亂的節點。這個節點會在哪裡出現呢？舉例來說，比如零售商的特惠或打折。如果優惠或折扣內嵌在銀行應用中，當到了某個節點時從設計視角看，你就面臨它是屬於「打折」應用還是銀行應用的問題。設計方案已不再明晰，因為你有兩種對立的、令人矚目的用例為獲得客戶關注而競爭。
圖3–8 互動模式的演化[27][28][29][30]
對界面設計、嵌入式計算和互動科學演化的長遠認識必然導致一種結論，即隨著時間的推進，應用將變得越來越不重要。
在那個夏天，谷歌製造了一種8磅重的戴在臉上的計算機原型。對當時還不知道谷歌計劃的埃維[31]來說，這種物品「顯而易見且合適的位置」應該是在手腕上。後來當他看到谷歌眼鏡的時候，埃維說，對他來說很明顯臉部「並不是合適的地方」。蘋果首席執行官（蒂姆·庫克）說：「我們一直認為眼鏡並不是一個很好的決策，因為人們不會真正希望佩戴它們。它們太扎眼了，而不是按我們通常所認為的那樣將科技置於背景中。」
伊恩·帕克談論埃維對可穿戴通知型設備的看法[19]
由於場景變得對更好的互動至關緊要，功能就漸漸從應用中轉移出去了。不管是在你的智能手錶、智能眼鏡還是內嵌於周邊環境的其他形式的界面中，改善聯繫及創收時機的最佳建議及最佳觸發點將是短小的、基於目的而創造的體驗塊。
讓我們想想軟件或科技內嵌於客戶生活中的體驗。優步是這方面很好的例子。優步背後的團隊看到了人們移動中的問題，以一種與之前出租車公司解決出行問題完全不同的方式將應用嵌入用戶生活，而且為個人出行帶來革命性變化。這不是應用本身而是優步所設計出的整體體驗。在這樣做的同時，他們重新設計了招募司機的方式、優步車輛調派的方式、出行支付的方式及一些其他的創新。優步甚至允許其駕駛員租車或者在他們報名的時候開設銀行賬號。
在優步出現之前，美國舊金山的出租車市場收入總和為每年1.5億美元。2015年年初，優步首席執行官特拉維斯·卡蘭尼克透露說這個數字迅速增長到了6.5億美元，其中優步創收5億美元。[20]通過創造一種體驗，而非僅僅是應用，優步吸引到了大量根本不會投向出租車公司的新業務。優步並沒有建造更好的出租車，也沒有強調出行本身——它從頭開始創造出全部的體驗。這對傳統出租車公司造成了什麼影響呢？《舊金山觀察報》在2016年1月6日報道舊金山黃色出租車公司（Yellow Cab Co-Op）申請破產。
將越來越多的特性和功能捆綁在一起的誘惑很大。想一想Facebook和飛書信（桌面窗口聊天），以及飛書信現在如何從Facebook中分離出來。對一些人來說這是一項有爭議性的變化，但是它承認了聊天和與新聞傳送進行互動是非常不同的優先任務，不應當彼此競爭。互動的發展移向了嵌入我們日常生活中的截然不同的體驗，而非軟件應用中捆綁在一起的功能集。
我再舉另一個不同的例子。
在20世紀，人們在特定時間、特定頻道觀看自己最喜歡的電視節目。如果你希望再看一遍這個節目，在VCR（盒式磁帶錄像機）發明之前，你就只能等待下次重播。這種方式不是今天我們的孩子們消費內容的方式了。他們選定一個他們想看的節目，然後在YouTube或Netflix上實時觀看。YouTube上的「PewDiePie」頻道和Netflix上的《紙牌屋》之間幾乎沒有什麼區別。實際上，一些研究顯示，就觀看偏好來說，流媒體內容已經取代了電視。[21]
雖然你仍然在手機上安裝應用，例如遊戲或你正在閱讀的書籍，但是行為和場景內容將不可避免地成為個人化、定制性的內容體驗的構成部分。今天所面臨的限制就是場景化、帶寬及預測分析或定位分析。將這些性能聯合起來，它的重點將不再是關於應用的，而是關於響應你的需求內容的。
從芯片上的CPU到無處不在的計算機
1997年，英特爾推出了ASCI Red，第一台具有穩定的萬億次浮點運算能力的超級計算機。這種系統配備了9298塊奔騰II芯片，填滿了72個計算機箱。最近，英偉達發佈了第一種用於移動設備的萬億次浮點運算處理器Tegra X1。我們在說的是一種可以放到智能手機、車輛[22]、平板電腦或者智能手錶中的CPU，它可以每秒處理或計算1012項指令——與1997年那台超級計算機一樣。為了強調在僅僅15年間科技已經取得了怎樣的進步，請考慮這一點：ASCI Red佔據1600平方英尺[32]，耗費500000瓦電，另外還需要500000瓦電使它所在的空間保持低溫以達到萬億次浮點運算能力。與之相比，Tegra X1是拇指蓋大小，在10瓦電力下運行。
這些計算設備的一種新平台顯然是車載計算平台，這種平台需要足夠的運算能力實現自主駕駛以及對車載顯示和儀表盤可視化的改善。在接下來的10年內，車載嵌入式計算將呈現指數級增長。在2015年國際消費類電子產品展覽會（CES）中亮相的梅賽德斯F015從概念上展示出了車輛內部空間因自動駕駛而出現的變化。汽車將很快成為一種娛樂、工作、遊戲、社交而非僅僅是駕駛的空間——成為一種互動式休閒空間，也可以這麼說。當你不再需要必須四周有窗戶從而為駕駛提供視野的汽車的時候，這些窗戶可以成為集成顯示器。我將在後面更詳細地探討這一點。
圖3–9 梅賽德斯F015內部空間使用與傳統汽車大為不同
圖片來源：梅賽德斯
當萬億次浮點運算芯片（或更為強大的計算機）可以嵌入我們日常空間中的時候，所有事物都將有可能成為互動式顯示器。這在康寧公司創作的主題為「玻璃中的日子」（A Day Made of Glass）的一系列未來概念視頻中得到了很好的展示，視頻中我們看到鏡子、桌面、牆壁和汽車成為互動設備，觸摸屏互動與場景智能一應俱全。
隨著計算機嵌入我們周邊——我們的汽車、家庭、學校和工作場所，我們所認知的屏幕和操作系統的概念將開始破碎。在植入鏡子或桌面的屏幕上，我們將不會看到用於下載軟件的應用商店，但毋庸置疑我們將具備對其進行個人化的某種能力。更為重要的是，這些屏幕將連通到某種中央人工智能或代理，從我們的個人云中獲取相關信息瞭解我們繼而反映出來——從我們的約會日程到所關心領域的突發新聞，或者其他提供通知或建議的相關數據。這些計算機將不僅僅顯示相關信息。雖然三星Simband具有6個不同的傳感器，能不斷地搜集關於你的信息，但未來嵌入我們周邊所有地方的計算機將進行全天候傾聽和學習。
圖3–10 依靠芯片中價格低廉的超級計算機，一切都能成為互動顯示器
圖片來源：康寧公司，「玻璃中的日子」
兩個最近的計算平台發展勾勒出了這種界面範式的轉變。亞馬遜Echo和Indiegogo（眾籌平台）所支持的新興家用機器人Jibo（吉寶）最近作為家用個人設備上市了。兩種科技都嵌入你的家庭中，並且可以傾聽、學習並對它們周邊世界的信號進行反應，而且是實時的。Jibo如此前衛甚至將自己定位為家庭個人助理。這些都運用谷歌語音、蘋果公司的語音助手Siri或者微軟小娜的科技並將它們嵌入我們的家庭，以至能夠使用互聯網所提供的幾乎無盡的信息資源。
圖3–11 家用機器人Jibo 被稱為個人助理和家用溝通設備
圖片來源：Jibo
它開始運轉時非常簡單。你可以問Echo或Jibo類似「明天會下雨嗎」「牛奶列入我的購物清單中了嗎」「提醒我下周度假訂酒店」等問題。Jibo更先進一點，因為它可以移動並配備內置攝像頭，允許你讓它給你的家人拍照片。Jibo界面內部的屏幕甚至使用其顯示功能，根據它是與家庭中哪個人互動而展示出不同的個性。
雖然這些第一代「家居助理」現在僅限於信息查詢，但是用不了多久我們將在家庭和辦公室中使用與這些相類似的可靠科技管理我們的日程、進行購物並做出日常決定。在20年之內，這些設備將成為足以滿足我們可能通過數字化執行或解決的任何需求的人工智能，並且與我們自己的個人儀表盤/用戶界面、雲和傳感器網絡進行溝通，為我們提供關於身體健康、財務狀況和許多其他我們曾認為是屬於人類顧問領域的建議。
你能夠分辨出你是在跟電腦交談嗎
2013年12月，《時代週刊》刊登了一則故事，標題為「見見否認自己是機器人的機器人電話銷售員」，[23]描述了《時代週刊》華盛頓辦事處主任邁克爾·謝勒（Michael Scherer）所接到的一個推銷電話。謝勒在感覺到有點不對勁兒的時候問機器人，她是人還是計算機。她熱情地說她是真人，還帶著迷人的笑聲。而當謝勒問「西紅柿湯裡面有什麼蔬菜？」的時候，那個機器人回答說，她聽不明白這個問題。那個機器人自稱薩曼莎·韋斯特（Samantha West）。
諸如此類的算法的目標很簡單，就是預先確定電話接聽者的資格，然後轉成人工以完成成交。語音識別是這種算法的主要先驅。雖然今天像Siri和微軟小娜這樣的工具能很好地識別不帶口音的話語，但是在以前人們曾認為語音識別是科幻小說中才有的。
早在1932年，貝爾實驗室的科學家們就試圖解決基於機器的「言語感知」（speech perception）問題。到1952年，貝爾已經發明出了一個單位數語音識別系統，但是它的作用非常有限。然而，在1969年，貝爾實驗室首席工程師之一約翰·皮爾斯（John Pierce）寫了一封致美國聲學學會，批評貝爾實驗室語音識別的公開信，並將其比為「把水變成汽油、從海洋裡提取黃金、治癒癌症或登陸月球的計劃」。具有諷刺意味的是，在皮爾斯發表公開信一個月之後，尼爾·阿姆斯特朗登上了月球。然而，貝爾實驗室還是在不久之後消除了對語音識別的經費支持。
到1993年，由雷·庫茲韋爾研發的語音識別系統可以辨識20000個單詞（一次說一個單詞），但是精確度僅僅只有10%左右。1997年，比爾·蓋茨非常看好語音識別，他預測：「在這個10年期間，我相信我們將不僅僅使用鍵盤和鼠標進行互動，在此期間，我們將完善語音識別和語音輸出使其成為界面的標準構成部分。」[24]到2000年，那仍然還有10年的路要走。
巨大突破的出現是由於馬爾可夫模型（Markov Model）和深度學習模型或神經網絡的應用，從根本上說是由於更好的計算機性能及更大的源數據庫。然而，我們今天所擁有的模型是有限的，因為它們仍然學不會語言。這些算法不像人類那樣學習語言，它們通過識別功能確定出一個短語，從數據庫中對其進行查詢，然後給出合適的回應。
識別語音和維持會話能力是兩種非常不同的能力。一個計算機要成功讓他人誤認為它也是一個人需要什麼呢？
圖靈測試，是與否……
1950年，艾倫·圖靈發表了一篇著名的文章，標題為「計算機器與智能」。在此文章中，他不僅僅提出計算機或機器是否可以被認為是能夠「思考」的事物的問題，而且更為具體地提出了「是否存在能想像到的、能在模仿遊戲中表現卓越的數字化計算機」[25]。圖靈認為這種對機器智能的測試——他稱之為模仿遊戲——通過人類和機器之間的問答環節來實現。圖靈在他文章中繼續談道：「如果你在5分鐘之內無法將計算機或機器與人類區分開來，則它已足夠像人類，並通過了他的基礎機器智能或認知的測試。」之後繼續從事圖靈的工作的人將模仿遊戲歸類為現在更廣為人知的圖靈測試的一個版本或方案。
自主的、無人駕駛的汽車不必通過圖靈測試就能讓出租車司機丟掉工作。
雖然計算機尚未達到總能通過圖靈測試的程度，但是我們正在靠近這種程度。2014年6月7日，倫敦皇家學會主辦了一場圖靈測試競賽。這次競賽在圖靈逝世60週年的時候舉辦，其中有一個俄羅斯聊天機器人，名為尤金·古斯特曼（Eugene Goostman），成功地說服33%的人類評委它是一個13歲的烏克蘭人，英語為其第二語言。雖然一些人，例如麻省理工學院數學心理學教授約書亞·特南鮑姆（Joshua Tenenbaum），認為這種競賽成績「沒什麼大不了」，這仍然證明我們將計算機誤認為是人類的程度比以往任何時候都深。
像訂機票或修改酒店預訂、解決與銀行之間的問題、為車預約服務或者查找親子鑒定的結果這樣的互動很快就都能由機器智能承擔。在很多情況下，它們已經做到了。人類將無法足夠有效地區分這種體驗，這也合理地解釋了人類呼叫中心代表的成本。實際上，根據我的猜測，不久之後如果你想跟真正的人類交談，你將不得不答應支付費用。如果你打電話而非在線預訂，許多航空公司和酒店已經開始收取一種電話服務費用。很明顯，人類禮賓服務將成為一種將來僅提供給最有價值的客戶關係的高級服務。對其他人來說，基本的服務模式將是基於人工智能的。不過，我們要認識到的一件事是——在未來，人類實際上將無法提供更高水平的服務。
我們可以很正當地猜想未來我們將跟計算機談話，但是這種互動如此真實以至我們無法百分之百確認——或許我們壓根兒就無所謂。從現在起15年內，機器互動將遍佈各處，人工智能/機器智能本身將得以區分和識別，因為它們將更好更快地解決某些問題。例如，優步可以在廣告中說其人工智能的、無人駕駛的汽車是「世界上最安全的駕駛員」，因為從統計上講無人駕駛的汽車比人類自駕要安全20倍。
實現這種未來的關鍵是人工智能學習語言和對話的需求。在2015年5月接受《衛報》採訪時，人工神經網絡專家傑夫·辛頓（Geoff Hinton）表示谷歌正「處在研發出有能力進行邏輯思維、自然對話甚至打情罵俏的算法的邊緣」。谷歌現在正致力於將思想編碼成由數列描述出來的向量容器（vector）。按照辛頓的說法，這些「思想向量容器」可以在10年之內賦予人工智能系統與人類相似的「常識」。
辛頓預測說，在一些方面的交流可能更具挑戰性。「反語將很難理解，」他說，「你不得不首先掌握字面意思，但話說回來，美國人也不懂反語。計算機將在達到英國人的程度之前先實現美國人的水平……」
2015年5月21日《衛報》對辛頓的採訪
讓機器實現認知理解的這些算法類型只有當大規模數據處理和計算能力得以應用時才會成為可能。
圖靈測試或一種能夠模仿人類的機器是否為人類與計算機互動所需要的基準呢？未必。我們必須認識到我們並不需要一種機器智能完全實現與人類的對等，因為這對就業或我們的生活方式具有顛覆性。
為了認識到為什麼與人類相當的計算機「頭腦」並非是關鍵目標，我們需要理解人工智能在其三個不同階段上的演進。
機器智能——基礎的機器智能或認知，替代人類思考、決策或處理特定任務的一些元素。神經網絡或算法可以對非常具體的功能做出與人類相當的決定，並在基準基礎上比人類有更好的表現。這並不限制這種智能具有學習或認知能力以便其能夠在其原初編程之外學習新的任務或處理新的信息。實際上，許多機器智能已經具備了這種能力，比如谷歌無人駕駛汽車、IBM的機器人沃森、高頻交易（HFT）算法、臉部識別軟件。
通用人工智能——與人類相當的機器智能，不僅通過圖靈測試以及能像人類一樣做出反應，而且能夠做出與人類相當的決定。它也將可能處理非邏輯或信息方面的提示，例如感情、語調、面部表情和現在具有生命的智能可處理的細微差別（你的愛犬是否可以分辨你是在生氣還是在傷心？）。從本質上看，這樣一種人工智能將能夠成功地完成人類可以完成的任何智力任務。
超智能——一種機器智能或機器智能組合（到底應該怎樣稱呼一群機器智能呢？），已經作為個體或集合體超越了人類智能，以至它們能夠理解和處理人類所無法理解的概念。
我們並不需要完全的人工智能對就業模式產生重大影響或將從事服務行業的人們置於風險之中。我們不需要再等下一個10年、15年或30年去看到這種事情發生，而且圖靈測試作為一種對機器智能顛覆我們生活和工作方式的能力的測量方法幾乎毫無作用。
事實上，機器若要真正地被認為是有智慧的，並不需要進化出與人類完全相同的智能。按照我們應用到動物界的一套測量方法，沃森可能已經展示出了比今天地球上生活著的許多物種遠為強大的智能。機器必須像人類一樣聰明或比人類更聰明才能被認為是智能的嗎？否。實際上，就其核心而言，我們真的不應該期待人工智能會像人類一樣思考。為什麼機器智能一定要演化或進化成與我們完全一樣從而進行思考呢？這並不是必要的，而且也很可能不會如此。讓我列舉兩個例子。
2009—2013年，機器智能高頻交易算法佔全美股權交易量的49%—73%，2014年在歐盟佔到38%。2010年5月6日，道瓊斯急跌至最大日內指數損失，而幾分鐘之內就收復了這種損失。在為期5個月的調查之後，美國證券交易委員會和美國商品期貨委員會發佈了一份聯合報告，結論是高頻交易從很大程度上造成了這種所謂的「閃電」崩盤。一家大型期貨交易機構——芝加哥商品交易所集團，調研發現高頻交易算法很可能穩住了市場並降低了這次崩盤的影響。
對已經在過去100年間將交易發展成為一種高雅藝術的行業來說，高頻交易算法代表著對高盛、瑞銀集團和瑞士信貸的交易室的重大脫離現象。這些算法本身已經嚴重偏離了典型的人類行為。在分析高頻交易的交易模式時，我們觀察到了非常不同的行為和決策。是什麼導致了這種變遷？
也許是因為高頻交易既不具有人類交易員可能具有的偏見（例如，持有一種資產類別頭寸比所建議的時間長，原因是個體交易員喜歡這個股票或這個行業），也不具有決策時相同的倫理基礎。雖然一些人可能主張華爾街並不是真正的道德堡壘，但事實上除非這些技巧被編到程序中，否則高頻交易算法完全不具備決策的道德基礎。
人們在跑道上測試奧迪無人駕駛汽車——兩輛改良的奧迪RS7，其行李箱中安裝著PS4（一款家用遊戲機）大小的智能設備。這兩輛可以賽車的奧迪車在這個階段並不能完全地無人駕駛，因為工程師需要首先駕駛它們跑幾圈以便車輛能知道自己的邊界所在。這兩輛賽車稱為阿賈伊（Ajay）和鮑比（Bobby），[26]有趣的是儘管硬件、軟件和地圖構建（mapping）相同，它們卻養成了不同的駕駛風格。儘管奧迪工程隊伍具有大量的專業技能，他們卻無法輕而易舉地解釋為什麼這兩輛賽車在駕駛風格中存在這種明顯的差別。
我們可能在機器認知中看到很多不同的智能變種，雖然它們無法符合傳統的人類模型或我們的期待，但仍然將對傳統的人類決策進行改善以及顛覆人類傳統的批判性思維方式。一種發展自機器的智能不同於人類智能並不意味著它就是下等的或具有更低級的智慧。
最為擔憂人工智能掌握世界或控制人類的人很可能將所有的人工智能都認為是擁有超級智商的人類，擁有人類所具有的相同的慾望、道德、暴力及自我主義傾向。人類自己的超智能版本肯定會非常令人恐懼。然而，根本沒有理由認為人工智能具有人類的性情、偏好和偏見。事實上，與之相反的情況更有可能。
我們所擁有的人工智能將能夠在未來幾年之內探測情緒和感情，當你撒謊的時候它們也將能夠探測到。在某個時間點，我們將很可能把選舉政府的流程交給人工智能。想像一下，一個真正清潔的、不具有偏見的選舉流程會怎樣開展，尤其是我們要使用人工智能並通過最佳的邊界和選區配置在最大程度上代表每個合格選民。資源分配和氣候變化等問題的應對會怎樣呢？當人工智能能夠建立具有高精確度的數千年地球氣候的模型，並給出關於持續使用化石燃料的精確可靠的影響預測或者奶牛放屁對二氧化碳水平的影響的時候，想一想那將如何影響資源分配和可再生能源採用。
是的，人工智能確實代表著對現狀的威脅，因為它將很可能是最純粹形式的常識和邏輯。任何在今天無法通過氣味測試的東西將在人工智能的世界中被快速揭露出來。由於參與其中的機器學習及做出假設的能力，很快我們就將不得不承認淺薄的人類決策在面對事實詳盡、思維高效、無可辯駁的機器邏輯時根本無法與之相抗衡。在15年之內，人類將很可能在一些城市中被禁止駕駛，因為無人駕駛汽車將明顯面臨更少的風險。保險公司也將對人類駕駛的車輛收取更高的保險費。
我們需要認識到機器智能在其構成形式上可能仍然與人類相差甚遠，而且在與人類對等的人工智能得以實現之前肯定就會具有顛覆性。不要僅僅因為我們離與人類相當的人工智能還有二三十年之久就認為這一切都是理論性的。很久以前機器就在搶人類的工作了——從200年前蒸汽機出現的時候就開始了。算法和機器人僅僅是顛覆行業的科技長線中的一個機械系統而已。
[1]常見的音樂賀卡能夠存儲3.5MB音頻文件。
[2]在1985年，美國銀行在其舊金山數據中心擁有7台IBM3033型主機，聯合處理能力是每秒400億次浮點數運算能力。三星Galaxy S6具有每秒1.2萬億次浮點數運算能力或者相當於每秒3800億次浮點數運算能力的多核架構。
[3]不包含艙內娛樂系統。
[4]作者的計算結果。在1995年，有4500萬台計算機連接到網絡。如果它們當時都安裝奔騰處理器或與之相當的處理器，就等於120MHz×4500萬，大約是5.5千萬億赫茲（每千萬億赫茲為1015赫茲）。如果在2045—2050年摩爾定律繼續適用，我們就會製造出具有同等能力的單個芯片。
[5]Gregory Gromov,「Roads and Crossroads of Internet History,」NetValley,1995,http://history-ofinternet.com/.
[6]IBM個人計算機（5150型）在1981年8月12日面世。很快又於1983年3月8日發佈了IBM5160，也就是我們現在所知的IBM XT。這款機器配置了希捷公司的10MB硬盤。在之後10多年裡，人們說到的主流個人計算機是IBM兼容機，這顯示出了IBM個人電腦品牌宣傳在當時的強勁勢頭。
[7]2014年10月22日紐約邦瀚斯拍賣行舉辦的「科學史」拍賣會上，50台Apple I原型機中的一台（也是其中僅存的還能運行的大約15台中的一台）以驚人的905000美元價格售給了亨利·福特博物館。
[8]來源于思科物聯網。
[9]「Minecraft」商標為魔贊公司（Mojang）/微軟公司所有。
[10]R.W.White,R.Harpaz,N.H.Shah,W.DuMouchel and E.Horvitz,「Toward enhanced pharmacovigilance using patient-generated data on the Internet,」Journal of Clinical Pharmacology Therapeutics 96,no.2(August 2014):239–46.
[11]在全球範圍內，ECG一詞最為常見，代表「心臟」的希臘語單詞cardia或者kardia是這種首字母縮略詞的核心（elektro-cardia-graph，直譯為「電–心–圖」）。在美國常見用法是EKG，使用原希臘拼寫詞組而非英語的音譯（cardio）。
[12]「All Things Considered,」NPR Radio,aired8April2015.
[13]John Markoff,「Computer wins on『Jeopardy』:Trivial,It』s Not!」New York Times,16February2011,http://www.nytimes.com/2011/02/17/science/17jeopardy-watson.html.
[14]Irana Ivanova,「IBM』s Watson joins Genome Center to cure cancer,」Crain』s New York Business,19 March 2014,http://www.crainsnewyork.com/article/20140319/HEALTH_CARE/140319845/ibmswatson-joins-genome-center-to-cure-cancer.
[15]p53經常被稱作「腫瘤抑制蛋白」，因為它在防止身體產生癌細胞方面發揮著作用。
[16]Ian Steadman,「IBM』s Watson is better at diagnosing cancer than human doctors,」Wired,11 February 2013,http://www.wired.co.uk/news/archive/2013-02/11/ibm-watson-medical-doctor.
[17]「IBM and Partners to Transform Person Health with Watson and Open Cloud,」IBM Press Release,13April2015,https://www-03.ibm.com/press/us/en/pressrelease/46580.wss.
[18]此處，摩擦指使用軟件所需要的用戶工作量。高摩擦需要多種互動、點擊或登錄。低摩擦需要少量互動，基於之前的互動、外部數據等構建數據模型。低摩擦界面具有最佳的信息展示效果、高度可讀性及可用性。
[19]Ian Parker,「The Shape of Things to Come—How an Industrial Designer became Apple』s Greatest Product,」New Yorker,23 February 2015,http://www.newyorker.com/magazine/2015/02/23/shapethings-come.
[20]Henry Blodget,「Uber CEO Reveals Mind-Boggling Statistic That Skeptics Will Hate,」Business Insider,19January2015.
[21]Todd Spangler,「Streaming overtakes live TV among consumer viewing preferences,」Variety,22 April 2015,http://variety.com/2015/digital/news/streaming-overtakes-live-tv-among-consumer-viewingpreferences-study-1201477318/.
[22]特斯拉在其車輛中使用了Tegra芯片。
[23]「Meet the Robot Telemarketer Who Denies She』s aRobot,」Time,13December2013,http://newsfeed.time.com/2013/12/10/meet-the-robot-telemarketer-who-denies-shes-a-robot/.
[24]選自比爾·蓋茨在1997年10月1日微軟開發者大會上的演講。
[25]A.M.Turing,「Computing Machinery and Intelligence,」MIND:A Quarterly Review of Psychology and Philosophy vol.LIX,no.236.(October1950),http://mind.oxfordjournals.org/content/LIX/236/433.
[26]阿賈伊和鮑比分別為測試車A和測試車B。
[27]單色字符終端，只能顯示黑白字符，不能顯示圖像。——編者注
[28]IBM 的一款台式機。——編者注
[29]運行於蘋果電腦中的操作系統，是首個在商用領域成功的圖形用戶界面操作系統。——編者注
[30]蘋果公司的移動操作系統。——編者注
[31]喬納森·埃維，蘋果公司首席設計官。——編者注
[32]1 平方英尺≒0.09 平方米。—編者注