2016年我的個人目標是製造一個簡單的人工智能管理家庭事務並為我的工作提供幫助。你可以將其看作《鋼鐵俠》中的賈維斯（Jarvis）。
我將從探索目前已經存在的技術開始。然後，我將開始教它理解我的語音從而去控制家中的所有東西——音樂、燈光、溫度等。我將教它在朋友按門鈴時通過辨識他們的臉讓其進門。我將教它當我沒有跟女兒麥克斯（Max）在一起的時候通知我去檢查麥克斯房間中所發生的需要檢查的事情。在工作方面，它將幫助我用虛擬現實的方式查看數據以幫我打造更好的服務並更加有效地領導我的機構。
馬克·扎克伯格，2016年1月3日通過Facebook發佈
個人生命流R[1]
想一想我們指尖的所有計算能力、所有這些數據以及越來越多預測我們的需求並保護我們的算法的智能集合。我們應該把這叫作什麼呢？在我想到更好的名稱之前，我暫且稱之為生命流或者生命雲。
生命流不同於微軟操作系統或者蘋果操作系統那樣的個人控制面板，它可以分佈在各種設備和空間內。它不是一種界面，因為在設備以及嵌入式計算機平台之間存在著很多單獨的界面。大約10年之後可能出現一種瞭解你並代表你與其他計算機甚至其他人溝通的主要人工智能或代理。它會監測你的傳感器和其他程序，而你將很樂意用隱私去換取它所帶給你的好處，畢竟，這將變成你的隱私數據。它不會是一個雲賬戶，而是只對你自己有意義並且非常重要的數據子集的集合。可以將其看作你的個人操作系統，但是接下來你會看到，我認為這種操作系統的類比說法無法準確將其表達出來。
下面是構成生命流的各種元素的龐大集合：
在電影《她》中，西奧多·托姆布裡（華金·菲尼克斯飾演）上傳到他的計算機和智能手機中的智能操作系統的名稱是薩曼莎（Samantha）。托姆布裡最終愛上了這種智能，後來像薩曼莎這種操作系統的集合融入了一種達到另一個維度的高級智慧之中。在廣受歡迎的視頻遊戲《光暈》中，主人公的個人人工智能稱為科塔娜（Cortana），這也是微軟Windows10系統中內嵌的人工智能助理的名字。科塔娜是一種人工智能，幫助填補知識欠缺併入侵系統等。它的目標非常明確，是幫助士官長完成任務參數，同時它也可以輕易地符合斯派克·瓊斯（《她》的導演）的薩曼莎這種人工智能的前提，如果這個例子中的用戶不是在進行對抗星盟（Covenant）的戰爭，它也可以在日常生活中適用！
未來10年這種智能會朝著兩個基本的方向發展。我們的生活依賴於具有某種內置人工智能/代理（例如更加強大的Siri）的蘋果設備、谷歌軟件或微軟雲，或者獨立的、不依賴於設備或平台的集體代理/智能。我認為，數據和分析法的超集可能會與操作系統中的模型相偏離，因為它們必須要更為迥異。你保證不了你的智能、無人駕駛汽車將會運行具有Siri的蘋果系統。因此，我猜測它將很可能像今天的應用或社交網絡一樣，處於設備或者各種操作系統之上，而非被嵌入其中。我們只能拭目以待，跨越各種界面進行工作的代理是有價值的。
無論如何，推動我們利用個人生命流和界面的動力越來越清晰了。我們擁有許多設備、屏幕以及不久之後就會超出我們作為個人或者人類整體的邏輯處理能力的大量數據，因此需要由算法進行組織和監管。組織和監管這些數據並使我們可以與之互動的算法都將成為我們與這些系統之間的接口。不管是誰解決了這個問題，他將在未來5年創立出比Facebook還龐大的業務。實際上，Facebook希望通過Facebook M（數字個人助理）努力實現這一業務。
圖7–1 Facebook M旨在成為第一個個人人工智能助理
圖片來源：Facebook
這種軟件智能將具有兩大功能：首先是直接輸入、可視化及反饋；其次是搜集、合成和代理。
直接輸入時要求進行輸入或者以特定方式對軟件進行配置——通過設置或者長時間訓練軟件實現。每當軟件通過屏幕、界面、觸覺接觸（振動、力反饋、壓感觸控等）或者通過聲音提供反饋的時候，可視化信息就會出現。
核心數據的採集每天都通過攝像頭、加速計、地理定位數據點、藍牙信標、支付生態系統、應用程序及一系列傳感器進行著，既有個人化的信息也有外在的信息。這種數據將進入你自己的雲或者個人儲藏庫，以及外部數據存儲中的數據池，算法將在其中查找特定的行為並對數據進行整合以提供反饋。
隨時聽命於你的代理化身
個性化最令人感興趣的發展不僅關乎可視化和反饋，而且也關乎這些瞭解你的行為、需求和典型應對方式並且在過一段時間之後開始代表你採取行動的基於人工智能的代理。這些代理和化身將最終變換成一種個人人工智能，與精通技術的超級個人助理相似。這將如何演化呢？
對代理的第一種應用方式已經開始顯現，將作為Siri或微軟小娜的擴展，執行簡單任務，諸如以下任務：
▪Siri，幫我訂一輛優步車回家。
▪微軟小娜，將1000美元從我的儲蓄賬戶轉到我的信用卡。
▪Siri，幫我購買200美元的比特幣並存入我的錢包。
▪Jibo，幫我在我最喜歡的中餐店下單我常吃的菜品（通過在線訂餐服務網站Seamless）。
▪Siri，明天早上8點叫醒我。
▪微軟小娜，啟動發動機，將車溫升高到21攝氏度（連接到安吉星或者寶馬應用）。
▪Jibo，把樓下地板清掃一下（連接到掃地機器人Roomba）。
▪微軟小娜，在我到家之前把家裡的加熱器打開。
在下一個階段，未來的5年到10年內，將出現一種可以打電話給你的理髮師預約時間、為你的車預訂某項服務的代理。你甚至可能開始將你的代理加以個性化。像下面這樣的任務將非常普通：
▪（露西）給我預訂下週三下午飛往佛羅里達的頭等艙機票。用公司賬戶支付。
▪（鮑勃）打電話給我的理髮師，看看是否能預約週五。
▪（iThing）你看能找到這週六在倫敦西區有什麼好的日場演出嗎？
▪（阿爾弗雷德）在劇院附近找一家墨西哥餐廳，訂一個三人桌。
這種下一階段的代理需要具備與其他代理或者人類進行談判和互動的能力。因此，需要一些基本的神經網絡或學習算法，能夠確保對這些類型的互動做出正確的回應。這些學習算法將是共享的且可以公開獲取以便這些機器智能改善對各種回應方式的合理預期和反應。
在這種代理層次上，你的代理化身具備瞭解你的偏好的能力。在上述例子中，例如，（露西）將知道你喜歡前排靠窗還是靠近走廊的座位，（鮑勃）將知道你需要45分鐘外加在理髮店等待的時間，而（iThing）將知道你不喜歡音樂劇。隨著這樣的互動變得更加常見，我們將打造出服務層（service layer），讓這些代理實時進行溝通而無須人類介入。換言之，計算機代理與其他計算機代理進行交流，或者機器與機器之間進行專門的互動。
現階段，有些讀者可能想著隱私以及如何確保你的代理不會將信息在未經許可的情況下洩露出去。請記住這些互動的規模意味著人類很快就將無法作為長期有效的中介進行操作。數據和互動簡直太多了。人類將只會拖累進展並降低這種體驗水平，因此人類將很快無法擔任代理的角色。當然，你將仍然享受到精英禮賓服務，使你可以與人對話，但是你猜怎麼著？這些人將使用代理完成抬重物和重複性的工作。所以，最終，每個人都將使用代理。我們甚至將讓我們的代理聆聽我們的會議和對話，這樣它就可以按照要求實時做出反應。
想像一下你要參加一次商務會議或者一次電話會議並答應下週三下午在另一座城市與你的客戶或老闆見面。然後想像你看到你的代理和他們的代理已經交流過、在日程表上標記了會議，而且你的代理已經為你預訂了週二夜間的飛機以便你到那兒有足夠的時間。
上面的任務都不需要完整的人工智能。可以完成所有這些任務的數字個人助理或代理化身可能看起來非常智能，但是它能夠處理的是明確的一套體驗，就像尼爾·斯蒂芬森的經典小說《雪崩》中所描述的圖書管理員一樣。在某個點上，這些代理的能力將變得如此強大以至它將不再像Siri一樣（我們還在嘲笑她已經事先錄好的反應）而變成我們每天都依賴且能解決非常複雜的問題的事物。它不是完整的人工智能，但這一情況根本無關緊要。
這種功能很可能會凌駕於多個操作系統之上，而非專用於某個特定的設備。例如，當你在自己的自動駕駛汽車中給（露西）下達指令的時候，你的車是使用你的iPhone12中內嵌的代理呢，還是你的代理就存在於你的車和家庭以及你的智能手機/設備中？非常可能的情況是這將是一種分佈式功能並與雲連接在一起，而非僅僅是在一個特定的單獨設備中的應用層或服務層。這些算法利用各種輸入方式進行學習的能力將是預測你的需求並將它們成功應用於場景中的核心因素。這些算法也能夠用不同的方式根據特定的設備進行學習。例如，一部智能汽車可能記住你駕駛路徑的偏好或者你對經常就餐的飯店類型的偏好，也許比你的智能手機還擅長此事。你的智能手錶利用它的傳感器矩陣，可以根據音樂如何改變你的身體對鍛煉方法的反應而記住什麼音樂對你的鍛煉最好，或者它可能知道一天中你在什麼時候喝咖啡是最好的，以便讓你達到最為清醒的狀態。
第3章中，我們提出了一種主張，即用戶界面已經變得越來越強大而且更有能力，操作也越來越簡單。同時，搭載這些用戶界面的平台進行分佈式處理從而讓體驗不局限於某個屏幕。例如，Facebook在不同的設備上（比如從智能手機和平板電腦到個人電腦）都具有非常一致的體驗，而且Twitter已經作為一款應用整合到你的手機、處於你所使用的網站中並且作為一個通知流存在。銀行服務已經跨越到ATM設備、網上銀行、日常銀行服務、監測你的財務健康的移動應用、即時給朋友轉賬的支付工具Venmo、貝寶或者Dwolla，以及配備近場通信（NFC）在商店中完成支付、具有手機支付功能的蘋果手機或者安卓手機。
然而，對你的人工智能代理而言，這將會更為普遍。所以，一個值得關注、令人感興趣的問題是你能夠與你的代理化身、個人人工智能（比如電影《她》中的薩曼莎）培養出某種人際關係嗎？
「初音未來」教給了我們什麼
流行文學中人工智能首次出現是在19世紀後期由塞繆爾·巴特勒發表的一系列文章和後續的小說之中。出版於1897年的《埃瑞璜》（Erewhon）[2]中有三個章節組合成了一個故事，標題為「機器之書」。在這些章節中，巴特勒假設機器通過某種達爾文選擇過程可能發展出意識。
儘管現在的機器擁有極少的意識，但是無法保證機器意識不會實現終極發展。水母沒有多少意識。回想一下在過去數百年間機器已經取得的巨大進步，要注意到動物界與植物界發展有多麼慢。高度組織化的機器，與過去相比，可以說不是昨天而是5分鐘前的創造物。
談到人工智能的時候，科幻作品中有各種一再重複出現的主題，比如人工智能統治、人類對人工智能的統治和控制以及人工智能正在出現的感知能力及其造成的道德之爭。也有像斯蒂芬森小說《雪崩》中的圖書管理員一樣，不知出於何種原因，被阻止產生感知能力。
不過，問題是如果你想與人工智能交談，你就要為它帶來某些人類特徵。這就是為什麼人工智能的描述也一直是文學、電影及電視節目中不斷出現的主題。
進入主流的第一個化身或者類似化身的角色是麥克斯·海德魯姆（Max Headroom）。這種虛構的人工智能在1985年名為《未來20分鐘》的數字朋克電視電影中第一次出現。英國第4頻道推出了麥克斯的個人音樂視頻秀——《麥克斯·海德魯姆秀》，裡面出現了對可口可樂的「新可樂」（New Coke）配方的短期廣告。雖然他被稱為「世界上第一個用計算機生成的電視主持人」，從技術上講麥克斯根本不是化身或者是由計算機產生的。由演員馬特·弗裡沃（Matt Frewer）扮演的麥克斯·海德魯姆看似計算機產生的外形，其實他是通過修補化妝及手繪背景做成的，因為當時的技術尚未先進到實現想要的效果的水平。為錄製節目對外形的準備工作需要4.5個小時的化妝。弗裡沃說這種準備過程非常痛苦而且不好玩兒，將其比作「身處一個大號網球之內」。這個角色的經典外形是亮黑色或白色外套（實際上是用玻璃纖維製作的）搭配雷朋徒步旅行者太陽鏡。只有他的頭部和肩部被拍攝出來，通常後面是一種由計算機生成的背景，由緩慢旋轉的線框立方形內部構成，開始時這也是使用傳統的手繪動畫生成，儘管後來真正的計算機圖像用在了背景畫中。麥克斯的另外一個特徵是他的言語，他的聲音似乎會隨機地高低變換，或者偶然會重複地說話，這是通過一種調節音高的協調器實現的。
圖7–2 麥克斯·海德魯姆
圖片來源：《麥克斯·海德魯姆秀》，英國第4頻道
在麥克斯·海德魯姆出現之前僅僅數年，計算機化身在流行文學中開始現身。化身所對應的英文「avatar」實際上來自印度教，表示的是神以世人的形式「下凡」。在諾曼·斯賓拉德的小說《來自星星的歌》（Songs from the Stars）中，用了「avatar」這個詞描述計算機生成的虛擬體驗，但其實是尼爾·斯蒂芬森的小說《雪崩》確定了這個詞在計算方面的應用。在斯蒂芬森的小說中，主要角色弘·主角（Hiro Protagonist）發現了一種假冒麻醉劑，稱為「雪崩」，這種計算機病毒感染了稱為超元域（Metaverse）的虛擬世界化身，但是在這一過程中也將其作用帶給了通過虛擬現實眼鏡連接到超元域的人類操作員。這種虛擬現實眼鏡利用激光將圖像投射到用戶視網膜上。令人感興趣的是，斯蒂芬森也描寫出了一個圍繞化身和超元域的商機而鑄就的整個業態，包括可以為虛擬角色設計體型、衣服甚至面部表情的設計師。
今天，「avatar」這個詞指的是用戶在數字化領域中的任何虛擬表現，從史蒂夫（Steve）及他在遊戲《我的世界》中的夥伴們到《光暈》中的角色、《命運》中的守護者及在《第二人生》這樣的虛擬世界中的化身。然而，與之並行的計算機動畫在描述虛擬角色方面的進步也為互動的未來做出了貢獻。
從《玩具總動員》中的胡迪（Woody）到詹姆斯·卡梅隆的《阿凡達》，計算機角色動畫的發展已經演化成了軟件行業中價值數十億美元的部門。第一次試圖在大屏幕上呈現真實感演員的努力是2001年的電影《最終幻想：靈魂深處》。這種突破性的畫面令一些電影觀眾感覺不舒服，而且這部電影失敗了，哥倫比亞影業虧了5000萬美元。對一些人來說，那些面孔太像人類了，太過於接近現實生活了。
所以，當你看到曲線動人的阿琪·羅斯博士（溫明娜配音）試圖從入侵的幻影那裡拯救我們飽受破壞的地球的時候，你看到的是計算機製作出來的工藝，而不是自然的造物。自從索尼影業預演《最終幻想》之後，網絡批評家們就預測會失敗。但是，這部電影有一種力量……最初看起來還挺好玩兒……然後你注意到眼睛中有一種冷漠，移動中有一種機械特性。
彼得·崔佛斯，《滾石》，2001年7月6日
圖7–3 《最終幻想》中計算機生成的人類模擬演員阿琪·羅斯
圖片來源：史克威爾公司
在第4章中曾談到過，機器人學家森政弘在1970年一個鮮為人知的名為《能量》的刊物中假定出了這個問題，將觀看與人相似的機器人的影響在日語中稱為「不味谷現象」，也就是翻譯過來的「恐怖谷」。
這樣看起來是要在超現實主義或某種類似人卻明顯與人不同的代表之間做出選擇。該說說日本動漫、歌聲合成明星「初音未來」了。
她更像女神：她有著人體的一些特徵，但是超越了人類的限制。她是偉大的後人類明星。
「初音未來」的粉絲網站
「初音未來」起源於由日本公司克裡普頓未來傳媒公司（Crypton Future Media）所設計的語音合成器軟件。2007年，克裡普頓首席執行官伊籐博之（Hiroyuki Itoh）試圖找一種針對他利用雅馬哈的Vocaloid2（唱歌合成技術）開發出來的虛擬聲音軟件的營銷方式。他感到這款軟件所需要的是一個偶像。他找到了日本圖畫小說繪畫師Kei，設計出某種東西。Kei帶來了一個16歲女孩的渲染圖片，其身高157.48厘米，體重41.73磅。她有著修長的腿、迷人的圓睜著的眼睛、幾乎觸地的藍色馬尾辮以及前臂上的計算機模塊。她的日語名字「Miku」意為「未來」；她的日語姓為「Hatsune」，意為「初音」。
圖7–4 日本歌聲合成明星「初音未來」身價數十億美元
圖片來源：克裡普頓未來傳媒公司
關於「初音未來」的事實
▪她有超過10萬首發佈的歌曲，150萬個上傳的YouTube視頻及超過100萬件同人作品。
▪她有自己的風尚，被稱為「MMD」[3]。
▪野村綜合研究所測算自2007年發佈以來直到2012年3月，她已經產生了10萬億日元（約6573億元人民幣）的收入。
▪她獲得的支持比泰格·伍茲和邁克爾·喬丹合起來還多。
▪她在Facebook上的粉絲超過了150萬人。
▪她在全世界舉辦了30多場一票難求的音樂會，在洛杉磯、紐約、台北、香港、新加坡、東京、溫哥華、華盛頓表演過，近期在美國與Lady Gaga（嘎嘎小姐）同台演出。
「初音未來」今天在全世界具有數百萬忠實的粉絲，既有網絡上的，也有現實世界中的。那麼，一款聲音合成軟件如何作為化身或者動漫明星取得如此巨大的成功呢？
對在生活各個方面都有科技陪伴而成長起來的數字原生代來說，觀看化身在音樂會上表演與觀看人類演員在體驗上沒有什麼不同。對未來的世代來說，在生活中伴隨著人工智能或者代理成長將看起來是最為自然的事情了。當然，從今天這種事物還是新鮮玩意兒的世界到它們就是生活中天然組成部門的世界將有一個過渡。對擔心隱私的人來說，要麼是「恐怖谷」，要麼是你無論如何也不會讓人工智能為你預訂飯店，想想看吧。在20年之內，這一切將成為常態。
「初音未來」讓我們知道了要成為明星你並不需要是人類。這是歷史上計算機模型第一次在現實世界中獲得如此程度的歡迎。當然，卡通人物、虛構人物及連環漫畫超級英雄並不真實，但也家喻戶曉。然而，這是完全虛擬的（且並非人類模擬的）化身第一次完全跨入了真實世界與人類並肩競爭。
不管是以化身的形式還是以人類的真實感渲染代理，與計算機代理或者人工智能維持日常工作關係完全不是想像中的事了。十有八九我們不再需要對我們的代理進行視覺展現了。如同在電影《她》和今天在智能手機與汽車中的語音識別應用一樣，最開始對代理的利用將是通過語音。目前的研究沒有證明語音互動領域出現「恐怖谷」問題，那僅僅存在於物理機器人方面。事實上，代理將很少體現在機器人這種形式中。對我們大部分人來說，未來我們的生活中將始終存在著完全虛擬、從不以物理形式存在的代理。但是，我們將使其人格化。
[4] 當人類「粉絲」開始崇拜並模仿虛擬流行歌星的時候，你就無法就接納與否的問題進行爭論了。「初音未來」已經告訴我們可以崇拜或者真的愛上一個虛擬的、由計算機生成的人物。今天對我們很多人來說，這似乎令人難以置信，但是在20年之內這真的會有那麼不尋常或者奇怪嗎？
想想看，這些代理在設計上會迎合我們的大部分日常需求，也將圍繞著我們的個人好惡、行為規律、偏見和反應而變得非常私人化。假以時日，這些代理將越來越擅長明確我們的需求並給出個性化回應。在人類關係方面，我們為了維持有效的關係經常需要變換我們的方式或者對我們的看法或感受加以妥協。不過在人工智能或者代理關係方面，你可能根本不需要改變你的行為、看法或者應對方式。以此看來，我認為並不難理解為什麼一些人可能對代理比對其他人感覺更親近。
像埃隆·馬斯克和史蒂芬·霍金這樣的一些人提出了依靠超級智能將掌控世界的霸王人工智能的幽靈概念，我們也應該提出可能讓我們墜入情網——不僅攫住我們的頭腦也攫住我們的心靈——的人工智能和化身的幽靈概念。這是我們剛剛開始從文化上進行探討的事物，但絕對是一種可能性。
銷售員之死
在過去50年到100年間，我們已經發展出了需要高度的技術能力及知識水平的服務業，例如醫藥、顧問、金融服務及咨詢、軟件等。對1%的人來說，財富的終極表現就是有全職專屬管理員或者個人助理，管理其約會、旅行及其他活動。銀行服務的最終表現是有私人銀行服務員，有針對所有有關投資和銀行服務的一對一個人顧問。給自己孩子專屬的保姆和家庭教師，擁有自己的個人教練或者飲食/營養顧問也位列其中。
在過去的每個時代，核心技術主要顛覆了基礎設施及工序。但是，在增強時代，是體驗和建議正在被顛覆，而不是工序和分銷。
未來30年內最容易被顛覆的體驗是服務體驗，是那些人類的低效、不精確等特質被機器的智能所替代的體驗，是比迄今為止我們所需要的那些人類顧問以更無縫銜接的智能方式融入我們的生活並經過重新設計的體驗。
想像你擁有專屬的管理員、私人教練、孩子的家庭教師等其他類似的服務提供者——不是專業人員，而是存在於我們身邊的科技之中。事實上，人類顧問與這些所謂的機器人顧問競爭時將面臨很大的不利。下面是一些最重要的不利因素。
大數據理論：人工智能將分析更多的數據
前面在第3章中所列舉的例子是IBM的機器人沃森——要麼是在《危險邊緣》遊戲中對陣人類，要麼是在癌症研究和治療領域為醫生和護士提供建議。沃森已經收到了數百萬份文件，包括醫學期刊、病例、詞典、百科全書、文學作品、新聞電訊文章及其他數據庫。沃森由90個IBM Power750服務器構成，其中每一個服務器使用了3.5千兆赫POWER7八核處理器，每核有4個線程。總的來看，沃森系統具有將近3000個POWER7處理器線程和16TB（太字節）的隨機存取存儲器。
這意味著沃森可以每秒鐘處理相當於超過1000萬本書的內容，就像是具有一個過目不忘的記憶，可以即刻回憶出這些書籍和來源中的任何信息。據傳，沃森在兩年之內就完成了醫學院課程。當美國安德森癌症中心白血病治療中心的癌症研究人員在上午按照要求為高級員工總結病人檔案的時候，沃森總是給出最好的答案。
「我很吃驚，」在意大利獲得醫學學位的31歲的瓦伊塔爾（Vitale）說，「即使你徹夜不眠地工作，也不可能把這麼多的信息匯總成那樣。」
「IBM的計算機沃森將其人工智能轉向癌症研究」， 《先驅健康論壇》，2015年7月14日
負責沃森健康項目的羅布·默克爾（Rob Merkel）說其公司預測一個人終生將產生100萬GB與健康相關的數據。那與3億本書中的數據量差不多。將這乘以地球上數十億人口，顯然沒有人能夠以高效率分析那些數據，而且絕對無法做到實時。
我們現在已經遠遠超越了人類顧問通過「號脈」瞭解合適的信息而給出精確建議的範疇了。更為重要的是，比如在金融服務領域的人類顧問，非常不善於綜合個人投資風格、風險偏好及其他個人特徵並將之融入投資建議。這就是人工智能將具有巨大優勢的地方——它們將能夠把所有這種類型的數據集成到建議之中。
不管是最新的行業數據、最新的研究或者僅僅是你在網上最新查看過的股票或症狀的信息，機器都將具有更多的數據、更快捷的應用及無論白天黑夜任何時間即刻回憶的能力。簡而言之，過去200年中，顧問利用了信息不對稱的原則，他們比客戶擁有更好的信息。今天，我們進入了機器智能比人類顧問擁有信息不對稱優勢的節點，而且隨著時間推移這只會越來越明顯，越來越不對稱。人類顧問唯一可能的希望就是將機器智能招募到自己的工作中。
最好的建議是實時的
最好的情況是，顧問「只有一個電話的距離」，而最壞的是只能通過預約根據其是否有時間才能接觸到。然而，建議不再需要通過顧問去獲得特定的信息。
我們首先需要挑戰的概念就是你需要去見顧問才能獲取建議。之前，顧問利用信息不對稱堅持要求除非你去找他們否則你就得不到合適的建議，或者他們利用信息不對稱在其服務或產品中加價。因此，如果你想得到合適的建議，你就不僅需要跨越重重障礙去他們的分支機構、辦公室或診所，而且你必須為最好的服務支付高價，可能需要等上幾天甚至數周才能見到最好的顧問。你的支付能力或者你與特定圈子的接觸不再是你能否獲得關於金融、醫療衛生、健身等方面的好建議的一個條件。
不管是實時記錄你的心臟健康並要求人工智能查找異常變化的蘋果手錶或三星Simband、告知你一天中充電或出行的最佳時間（甚至自動安排時間）的電動車、通知你是否消費過度的銀行賬號、告訴你吃一塊新鮮水果提高自己血糖水平的智能隱形眼鏡，還是讓你三小時之內減少咖啡因攝入的智能手機，通過科技反饋環路，建議越來越深地嵌入我們的生活中。
讓我換個方式表達。
什麼更好呢？是長期監測你的心臟發現心臟健康因心律失常增加而正在變差的智能手機、智能手錶、智能服裝或者由可吸收的傳感器構成的個人網絡，還是等到你出現胸部疼痛去見醫生並期待他在診所裡面看心電圖時發現導致病情的偶發心律失常呢？
什麼更好呢？是你每年見一次為你的投資組合和投資策略提供指導並努力試圖說服你購買當月最熱門的投資基金的金融顧問，還是在你使用手機支付時智能監控你的日常支出然後指導你如何改變自己的行為以省下更多錢，並留意你真正想花錢購買的東西的最佳交易銀行賬戶，以及不斷優化你的投資組合將收益最大化且比世界上最厲害的金融顧問提供更低誤差、更好信息的機器人顧問呢？
是浴室鏡子所顯示的如何優化你一天活動的建議、為你做飯的互動型廚師，還是對你應該訂什麼航班進行優化以提高昇艙機會的旅遊顧問算法？我們身邊最重要的地方所嵌入的建議將越來越多。未來依據較差的數據給你提供建議的人類顧問將很難與具有技術嵌入、情境化的實時建議進行競爭。
機器將更瞭解你
過去，機器學習受到了模式識別、自然語言及其他方面欠缺的限制，但是機器正在快速追趕上來。連接到物聯網和傳感器的機器所具有的優勢是，它們將比現在的服務機構更有效地認識你的行為。
今天服務機構如何知道你的偏好呢？實際上只有4種方式：
▪基於人口統計學的假設
▪調查、營銷數據庫及用戶面板
▪你之前輸入系統或表格中的數據
▪你可能輸入應用、在線門戶網站或其他配置工具中的偏好
這些在測量你的偏好和行為時都是不精確的方式，它們依賴於你在回答時的注意力和誠實度以及機構在搜集和處理這些數據時的有效性。
在銀行業務方面，關於這種類型的數據衝突有一個經典的例子。如果你調查客戶是否樂意在某個銀行分行辦理銀行服務，大部分客戶會給出正面的答覆，尤其是像開戶或申請抵押貸款之類的業務。然而，如果你真的去監測客戶的行為，你將發現一半以上的新客戶現在是在網上簽約而且在大部分發達經濟體中有將近1/3的客戶不再親自去銀行了。在調查中對人們進行提問完全沒有在現實世界中觀察他們的行為那樣精確。
實地考察是一種非常有效的研究方法——在人們正在使用物理空間或設備的環境中對其實時觀察，前提是要明確知道人們在做什麼並獲得使用這些數據的許可。然而，這需要大量的工作而且費用高，無法經常使用這種方法。
傳感器有能力改變這一切。例如智能手機中的攝像頭、加速計、GPS地理位置追蹤、手錶中的心率和生物識別傳感器等嵌入我們周圍的世界中的傳感器，以及無線熱點、應用插件、網絡cookies（儲存在用戶本地終端上的數據）一直在搜集關於我們行為的數據。這種數據甚至可以推測我們的情緒，而且長此以往肯定會對我們的行為具有更為綜合的認識。
總之，服務互動的未來是明確的。大規模數據處理能力是讓人工智能成為比人類更好的顧問的核心所在。在數據綜合分析方面，人類再也無法與其競爭。這是未來由人工智能代理所提供的服務會進行分化的地方。告訴他人你的智能手機人工智能比你自己更瞭解你，這可沒什麼不自在的。
如果現在你從事的是某種顧問工作，這無疑讓人氣餒，就像19世紀初蒸汽機出現的時候紡織工人所面對的那樣。不管怎樣，這不會改變未來我們朝其前進的可能。
[1]開個玩笑！我還沒有註冊這個商標—尚且沒有！
[2]可在http://www.tutenberg.org/ebooks/1906獲取。
[3]MMD是日本人口優所開發，將「初音未來」等角色製作成3D模組的免費軟件。——編者注
[4]Kaito 是一款虛擬歌手軟件。——編者注