智能時代：大數據與智慧革命重新定義未來（簡體書）

1、大資料、智慧革命、人工智慧、機械智慧領域*科普作品，易於理解，有態度，有溫度。

2、雷軍、羅振宇、塗子沛、李善友、鄔賀銓院士連袂推薦。

3、羅輯思維8小時售罄首印圖書。

4、百萬冊暢銷書作者作吳軍博士備受期待作品。

5、吳軍博士，電腦科學家，並做過Google、騰訊等世界知名公司的高管，作品兼具學術的前瞻性與文本的可讀性。

6、社會變革已到拐點，首次進入人們的思維領域，加入浪潮成為控制世界的前2%的人，徘徊不前則一定會被淘汰。

大資料和機器智慧的出現，對我們的技術發展、商業和社會都會產生重大的影響。作者吳軍在《智能時代：大資料與智慧革命重新定義未來》中指出，首先，我們在過去被認為非常難以解決的問題，會因為大資料和機器智慧的使用而迎刃而解，比如解決癌症個性化治療的難題。同時，大資料和機器智慧還會徹底改變未來時代的商業模式，很多傳統的行業都將採用智慧技術實現升級換代，同時改變原有的商業模式。大資料和機器智慧對於未來社會的影響是全方位的。
另一方面，智慧化也會對整個社會帶來巨大的衝擊，尤其是在智慧革命的初期。因此，在智慧時代開始的時候，我們需要未雨綢繆，盡可能地避免它對社會帶來的負面影響。

吳軍
博士，著名自然語言處理和搜索專家，矽谷風險投資人。他的著作《數學之美》榮獲中國國家圖書館第八屆文津圖書獎、第五屆中華優秀出版物獎，《文明之光》被評為2014年“中國好書”，《浪潮之巔》榮獲“藍獅子2011年十大極佳商業圖書”獎。
吳軍博士曾經擔任Google資深研究員，設計了Google中、日、韓文搜索演算法以及Google的自然語言分析器。2010-2012年期間擔任騰訊負責搜索和搜索廣告等業務的副總裁，後回到Google負責電腦自動問答專案。
吳軍博士自2008年開始從事風險投資，並于2014年作為創始合夥人創立了矽谷風元資本風險投資基金。他也是上海交通大學客座研究員和約翰?霍普金斯大學工學院董事。

從資訊時代到智慧時代，吳軍博士的書描繪了人類這關鍵一躍將是如何壯闊瑰麗。過去科技帶來的人類能力的延展基本是物理性的，遠的有紡織機代替手工作坊、汽車代替馬車，近的有GPS實現全球定位，通信＋智慧終端機實現即時資訊傳輸、交互等。但大資料技術和智慧革命帶領的人類社會躍遷，將是第一次進入了真正思維領域，人類的分析、判斷、決策思維的效率將實現爆炸式提升。我們的商業行為理論、產業架構、商業模式和組織管理模型都發生天翻地覆的變化。吳軍博士為我們提供了一個獨特視角，揭示了人類歷史拐點的偉大時機之下，我們所面臨的歷史機遇與危機挑戰，對每個企業家而言都是寶貴的啟發。
——雷軍小米創辦人，董事長兼CEO；金山軟體董事長；天使投資人
 
曾經，我們要學習如何操縱機器，掌握機器的語言，向機器靠攏；今天，機器在向人靠攏，試圖理解人類、用我們的語言與我們對話。這就是“智慧時代”，這個時代的基礎是資料，可謂“無數據、不智慧”。吳軍先生這本書將智能時代的諸多要素娓娓道來，讀下來如林中散步，在不知不覺中帶領我們去到遠方、登上高處，飽覽領會了這個新時代的版圖和全線的風景。
——塗子沛著名大資料專家，著有《大資料》《資料之巔》
 
綜觀全書，這是一部近代科技的歷史書，也是一部科普書，也可以說是一部指導創新的教科書。由於大資料的應用必然會滲透到所有的領域，因此本書不僅值得IT行業科技人員一讀，對關注資訊化應用的其他行業的科技人員和管理人員來說也必定開券有益。
——鄔賀銓中國工程院院士
 
《智慧時代》這本書展現了吳軍博士的真知灼見和前瞻思維，這些都來自於他在大資料和機器智慧領域的多年第一線實踐經驗。全書對大資料與智慧革命帶來的思維革命、技術上的挑戰，以及機器智慧如何改變人類社會，都做了全面的講解。與其他一些寫機器智慧的書不同，這本書與作者之前的幾本書一樣，維持了作者對科學生動而易於理解的、有溫度感的一貫的表述方式。
——李善有混沌大學創始人

2016年是機器智慧歷史上一個具有紀念意義的年份，它是一個時代的結束，也是新時代的開端。這一年距離1956年麥卡錫、明斯基、羅切斯特和香農等人提出人工智慧的概念正好過去了六十年，按照中國的習慣正好過去了一個甲子。
而當年在達特茅斯學院提出這個概念的10位科學家中最後一位科學家明斯基也在這一年的年初離開了人世，這或許標誌著人類在機器智慧領域第一階段的努力落下來帷幕。
就在明斯基去世後的兩個月，Google的圍棋電腦AlphaGo在同世界著名選手李世石的對局中，以4:1取得了壓倒性的勝利，成為第一個戰勝圍棋世界冠軍的機器人，它的意義要遠遠超過1997年IBM深藍戰勝卡斯帕羅夫，因為從難度上講，圍棋比國家象棋要難6-9個數量級。這件事不僅是人類在機器智慧領域取得的又一個里程碑式勝利，而且標準這一個新的時代----智慧時代的開始。
從電腦發展的角度看，智慧型機器在所有棋類戰勝人類其實只是一個時間問題，因為機器運算能力的提升是指數增長的，而人類智力能夠做到線性增長就不錯了。因此一定存在一個時間點——在所有的棋類比賽中都會超過人。
在1997年IBM的深藍戰勝卡斯帕羅夫之後，圍棋不僅是最後一個電腦尚未超越人類的主要棋類，而且還擔負了上千年東方文化的蘊含，即棋道。雖然大部分人相信電腦最終可以在圍棋上超越人類，但是總是覺得那還是幾年後的事情。
就在AlphaGo和李世石比賽之前，李世石本人認為前者的水準和他差出一到兩個子，也就是說，即使他讓先也能5：0獲勝。
中國圍棋界的泰斗聶衛平也認為今天的電腦是不可能戰勝人類的冠軍的。就連曾經在Google工作過的IT行業老兵李開複博士也不相信AlphaGo能贏。
這並非李開複等人對今天機器智慧的發展狀況不夠瞭解，而是因為下圍棋是一件太難的事情。2015年年底，AlphaGo僅僅贏了樊麾二段而已，離九段還差得遠呢。
但是大家忘記的一件事情，那就是AlphaGo水準的提高並不需要人那麼長的時間，事實上在Google內部，大家在開賽前已經知道AlphaGo的水準並在九段之下。
2016年3月9日，AlphaGo和李世石之間的世紀大戰開始了。AlphaGo在第一盤出人意料地輕鬆獲勝。當然，大部分人在讚譽AlphaGo水準的同時，依然認為這可能是李世石在試探電腦而已，畢竟那是五盤的比賽，用一盤棋試探毫不瞭解的對手未嘗不是明智之舉。
但是當AlphaGo在第二盤獲得連勝並且下出了很多人類想不到的好棋後，對機器智慧持懷疑態度的聶衛平等人，都對它產生了致敬。在AlphaGo獲得第三盤勝利之後，很多超一流的棋手都渴望和它一比，希望以此檢驗自己的水準，並且能夠提高技藝。
雖然李世石在第四盤抓住AlphaGo的一個失誤打了一個漂亮的翻身仗，但是AlphaGo在最後一盤穩穩地控制著局面，直到勝利。可以講在那一次人機大戰之後，圍棋界對機器智慧從懷疑變成了頂禮膜拜，大家都意識到，按照AlphaGo在過去幾個月裡的進步速度，只要Google願意繼續投入科研，很快人類所有的圍棋高手都無法和它過招了。
電腦之所以能戰勝人類的，是因為機器獲得智慧的方式和人類不同，它不是靠邏輯推理，而是靠大資料和智慧演算法。
在資料方面，AlphaGo在訓練時使用了幾十萬盤圍棋高手之間對弈的資料，這是它獲得所謂的“智慧”的原因。在計算方面，AlphaGo採用了上萬台伺服器訓練它下棋的模型，並且讓不同版本的AlphaGo相互對弈了上千萬盤，這才保證了它能做到“算無遺策”。
具體到下棋的策略，AlphaGo裡面有兩個關鍵的技術：把棋盤上當前的狀態變成一個獲勝概率的數學模型，這個模型裡面沒有任何人工的規則，而是完全靠前面所說的資料訓練出來的。
第二個關鍵技術是啟發式搜索演算法----蒙特卡洛數搜索演算法（Monte Carlo Tree Search），它能將搜索的空間限制在非常有限的範圍內，保證電腦能夠快速找到好的下法。
雖然AlphaGo的訓練使用了上萬台伺服器，但是它在和李世石對弈時僅僅用了幾十台伺服器（1000多個內核以及一百多個GPU）。相比國際象棋，圍棋的搜索空間要大倍，AlphaGo的計算能力相比深藍，其實並沒有這麼多倍的提高，它靠得是好的搜索演算法，能夠準確地聚焦搜索空間，因此能夠在很短的時間裡算出最佳行棋步驟的。由此可見，下圍棋這個看似智慧型的問題，從本質上講，是一個大資料和演算法的問題。
當然，Google開發AlphaGo的最終目的，並非要證明電腦下棋比人強，而是要開發一種機器學習的工具，讓電腦能夠解決智慧型的問題。AlphaGo和李世石對弈，實際上是對當今機器智慧水準的一個測試。從樊麾到李世石，實際上是用他們的專才在幫助Google測試當今機器智慧的發展水準。
在人機對弈的第四盤李世石反敗為勝的過程中，他無意中發現了AlphaGo的一個缺陷。因此，Google的成功裡面也有李世石等棋手的功勞。從這個角度講AlphaGo的勝利標誌著人類在機器智慧方面達到了一個嶄新的水準，因此它是人類的勝利。
AlphaGo無論是在訓練模型時，還是在下棋是所採用的演算法都是幾十年前大家就已經知道的機器學習和博弈樹搜索演算法，Google所做的工作是讓這些演算法能夠在上萬台甚至上百萬台伺服器上並行運行，這就使得電腦解決智慧問題的能力有了本質的提高。
這些演算法並非是專門針對下棋而設計的，很多已經在其它智慧應用的領域（比如語音辨識、機器翻譯、圖像識別和大資料醫療）獲得了成功。AlphaGo成功的意義不僅在於它標誌著機器智慧的水準達到了一個新的臺階，還在於電腦可以解決更多的智慧問題。
今天，電腦已經開始完成很多過去必須用人的智力才能夠完成的任務，比如醫療診斷，閱讀和處理檔，自動回答問題，書寫新聞稿和駕駛汽車等等。可以講，AlphaGo的獲勝，宣告了機器智慧時代的到來。
AlphaGo的獲勝讓一些不瞭解機器智慧的人開始杞人憂天，擔心機器在未來能夠控制人類。這種擔心是不必要的，因為AlphaGo的靈魂是電腦科學家為它編寫的程式。機器不會控制人類，但是製造智慧型機器的人可以。
而科技在人類進步中總是扮演著最活躍最革命的角色，它的發展是無法阻止的，我們能做的是面對現實，抓住智慧革命的機遇，而不是回避它、否定它和阻止它。未來的社會，屬於那些具有創意的人，包括電腦科學家，而不屬於掌握某種技能做重複性工作的人。
在AlphaGo取得人機大戰勝利之際，我們出版這本書，希望能讓大家更多地瞭解大資料的本質、它的作用、它和機器智慧的關係、機器智慧的原理和發展過程，以及它們二者對未來產業和社會的影響。本書一共分為七章，分別介紹了資料的作用，大資料的本身，機器智慧的原理及其發展過程，大資料思維的核心及其重要性，大資料和機器智慧與商業的關係，它們對社會正反兩個方面的巨大影響。
書中的核心內容來自我在研習社和一些大學商學院講課的講義，但是考慮到大家讀書和聽課畢竟有很大的區別，因此在將講義改寫成書的時候，我在書中增加了大量的案例和歷史背景介紹，以方便大家能夠系統地瞭解大資料和機器智慧的來龍去脈，以及我們對未來進行分析的依據。

序 一 大資料與機器智慧催生智慧時代 鄔賀銓
序 二 智慧時代，未來已來 李善友
前 言 人類的勝利
 
第一章 資料—人類建造文明的基石
如果我們把資本和機械動能作為大航海時代以來全球近代化的推動力的話，那麼資料將成為下一次技術革命和社會變革的核心動力。
現象、資料、資訊和知識
資料的作用：文明的基石
相關性：使用資料的鑰匙
統計學：點石成金的魔棒
數學模型：資料驅動方法的基礎
 
 
第二章 大資料和機器智慧
在有大資料之前，電腦並不擅長於解決需要人類智慧的問題，但是今天這些問題換個思路就可以解決了，其核心就是變智慧問題為資料問題。由此，全世界開始了新的一輪技術革命——智慧革命。
什麼是機器智慧
鳥飛派：人工智慧1.0
另闢蹊徑：統計 資料
數據創造奇跡：量變到質變
大資料的特徵
變智慧問題為資料問題
 
 
第三章 思維的革命
在無法確定因果關係時，資料為我們提供了解決問題的新方法，資料中所包含的資訊可以説明我們消除不確定性，而資料之間的相關性在某種程度上可以取代原來的因果關係，幫助我們得到我們想知道的答案，這便是大資料思維的核心。
思維方式決定科學成就：從歐幾裡得、托勒密到牛頓
工業革命，機械思維的結果
世界的不確定性
熵—一種新的世界觀
大數據的本質
從因果關係到強相關關係
資料公司Google
 
 
第四章 大資料與商業
在未來我們可以看到，大資料和機器智慧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使用。
從大資料中找規律
巨大的商業利好：相關性、時效性和個性化的重要性
大資料商業的共同點—盡在資料流程中
把控每一個細節
重新認識窮舉法—完備性帶來的結果
從歷史經驗看大資料的作用
技術改變商業模式
加（ ）大資料締造新產業
 
 
第五章 大資料和智慧革命的技術挑戰
大資料的資料量大、維度多、資料完備等特點，使得它從收集開始，到存儲和處理，再到應用，都與過去的資料方法有很大的不同。因此，使用好大資料也需要在技術和工程上採用與過去不同的方法。
技術的拐點
資料收集：看似簡單的難題
資料存儲的壓力和資料表示的難題
平行計算和即時處理：並非增加機器那麼簡單
資料採擷：機器智慧的關鍵
資料安全的技術
保護隱私：靠大資料長期掙錢的必要條件
 
 
第六章 未來智慧化產業
現有產業 機器智慧=新產業，未來的農業、製造業、體育業、醫療、律師，甚至編輯記者行業都將迎來嶄新形態，新產業將取代舊產業滿足人類的個性化需求，大資料將導致我們整個社會的升級和變遷。
未來的農業
未來的體育
未來的製造業
未來的醫療
未來的律師業
未來的記者和編輯
 
 
第七章 智慧革命和未來社會
在歷次技術革命中，一個人、一家企業，甚至一個國家，可以選擇的道路只有兩條：要麼加入智慧浪潮，成為前2%的人，要麼觀望徘徊，被淘汰。
智慧化社會
精細化的社會
無隱私的社會
機器搶掉人的飯碗
爭當2%的人
 
後 記
參考文獻

智慧時代，未來已來。
未來的農業、製造業、體育、醫療、律師，甚至編輯記者行業等將迎來怎樣的嶄新形態？你會被失業嗎？

01 未來的體育
最爛球隊勇士崛起之謎

在2015-2016年的NBA（美國職業籃球聯賽）賽季，位於矽谷地區的金州勇士隊（Golden State Warriors）創造了NBA歷史上常規賽獲勝率最高的紀錄，在全部82場比賽中獲勝73場。而在一年前，該隊獲得了NBA總冠軍。
但事實上，勇士隊曾長期以來一直是NBA裡的一支“魚腩球隊”。在2009年，金州勇士隊還是NBA裡最爛的球隊之一，那一年它的成績排名倒數第二，當然勇士隊也不可能有什麼球星和大牌教練。因此該隊能取得這樣的成績，實在是一個奇跡，而它創造奇跡的方式在體育史上恐怕是獨一無二的。
金州勇士隊的成功並非砸錢的結果，而是因為它處在一個特別的地區—矽谷。
矽谷地區有兩種人最不缺，即風險投資人和工程師，勇士隊的奇跡從很大程度上講是靠他們創造的，前者善於看到其他人還沒有發現的投資潛力，然後把它經營成值錢的實業；後者善於利用技術創造奇跡。
勇士隊的成功就是他們合作的結果。6年前勇士隊的比賽成績跌到了穀底，因此價值較低，一些風險投資人決定將這支不值錢的球隊買下來好好經營，讓它成為美國體育界最耀眼的明星。
這個計畫看上去有點瘋狂，不過投資人有自己的考慮，他們有秘密武器，那就是能夠應用大資料的工程師。最終，投資人花了4.5億美元這個相對較低的價格完成了對勇士隊的收購。
在收購完成後，投資人為球隊委派了新的管理層：沒有任何執教NBA經驗的史蒂夫•科爾，因突出的投籃優勢被委任為教練。科爾在執掌勇士隊之後，堅持用資料說話，而不是憑經驗。
他根據背後團隊對歷年來NBA比賽的統計，發現最有效的進攻是眼花繚亂的傳球和準確的投籃，而不是彰顯個人能力的突破和扣籃。在這個思想的指導下，勇士隊隊員苦練神投技，全隊在一個賽季中投進1 000個三分球，又創造了一項NBA紀錄。
這其中，最亮眼的新打法是盡可能地從24英尺（大約7.3米）外的三分線投籃，這樣可以得3分。正是因為不再按照籃球傳統的戰術作戰，勇士隊賣掉了那些價錢高卻效率低的明星，而著重培養自己看中的新人。
這位新人叫斯蒂芬•庫裡（Stephen Curry），三分球的神投手。在2014~2015年賽季中，庫裡的神投讓勇士隊奪得了40多年來的第一個總冠軍，他自己也成為當年的最有價值球員（MVP）。到了2015~2016賽季，庫裡投進了403個三分球，創造了NBA歷史上的紀錄，打破了由雷•阿倫所保持的個人單賽季269記三分命中數的紀錄。
除了利用資料制定戰略，勇士隊還利用即時資料及時調整比賽中的戰術。早在2012年，勇士隊的總裁兼COO（首席運營官）裡克•威爾茨（Rick Weltz）就在一次大資料會議（TUCON 2012）上介紹了該球隊應用大資料的成果。根據威爾茨的介紹，大資料可以説明球隊改進精細到兩個人配合的細節。正是靠高科技，勇士隊才得以在短短6年裡從倒數第二名登頂NBA的總冠軍。
鑒於勇士隊的戰術和成績給NBA帶來的巨大衝擊，奧巴馬在白宮專門接見了勇士隊，並且講道：“（這）看起來正在打破這項運動的格局，這似乎是不公平的比賽。”籃球界的人士則認為，勇士隊是NBA裡的Google。
 
02 未來的農業
沙漠之國以色列憑什麼成為“歐洲的廚房”？

2005年，Google一些好事者學著以色列人的做法，在總部門前開闢了很小的一片蔬菜種植園，試圖重現以色列人在過去幾十年裡在農業上取得的成就。幾年試驗下來，證明以色列人的做法是可以複製的。那麼以色列人是怎麼做的呢？
事實上，以色列的自然環境十分惡劣，絕大部分土地為沙漠，可耕種面積不到國土面積的五分之一，而且土層是世所罕見的貧瘠，更要命的是水資源嚴重匱乏。然而，就是在這樣一片生存條件惡劣之地，以色列人創造了令人咂舌的奇跡，許多農產品的單產量領先于世界先進水準。
他們的奶牛單產奶量居世界第一，平均每頭年產奶10 500公斤，每只雞年均產蛋280個，棉花單產居世界之首，畝產近1 000斤……由於單產高，以色列居然成為農產品出口大國，每年向歐洲出口大量的蔬菜和水果，有“歐洲的廚房”之稱。
 
以色列取得這樣的成就，其根本原因是靠科技興農，那他們是如何在農業中節省水資源的？
作為嚴重缺水的國度，以色列人發明了滴灌技術——裝有滴頭的管線直接將水和肥料送達植物的根系，大大節約了水和肥料。所有灌溉方式都採用電腦進行自動化控制，灌溉系統中有感測器，能通過檢測植物莖果的直徑變化和地下濕度，來決定對植物的灌溉量，這樣可以節省人力和水資源。由於有大量的感測器在採集資料，這種自動滴灌系統可以對用水量和產量的關係進行學習，改進灌溉量。
自“二戰”後立國以來，以色列的農業生產增長了十多倍，而每畝地的用水量仍保持不變。靠著農業高科技，以色列給傳統的農業帶來了質的革命，“二戰”前是一片荒漠的內蓋夫地區（以色列所在地），現在已經出現大片綠洲了。
 
03 未來的製造業
特斯拉神秘的機器人工廠全曝光

在美國，特斯拉汽車公司已經嘗試全部使用機器人來裝配汽車，這不僅使得工廠雇用工人的數量大幅度減少，而且還讓出廠的汽車性能和品質更穩定。
美國“二戰”後的汽車行業有上百萬裝配工人，但是現在只剩下當年的一個零頭。而新的汽車公司比如特斯拉，已開始盡可能地使用機器人取代裝配工人。矽谷東部的弗利芒特市（Fremont）有特斯拉最大的汽車裝配廠。在該廠的門口每天都有幾個人舉著骷髏抗議，停下來一問，才知道特斯拉根本不從汽車工會招裝配工人，甚至很少招生產線上的工人，因此汽車工會天天跑去抗議。
抗議歸抗議，特斯拉就是不雇生產線上的工人，外界也拿它沒有辦法。事實上，在過去的5年裡，特斯拉員工數量增長非常快，不過它所雇的都是IT人員，以至於它更像是一個IT公司而非汽車公司。那麼大家可能有一個疑問，特斯拉的汽車是怎麼製造出來的呢？答案很簡單，盡可能地使用機器人。
機器人取代人類從事製造業的另一個巨大優勢在於，產品很容易按照個性化定制。在大工業時代，機器所解決的是確定性問題，因此，一旦一個產品設計出來，它就是確定的，按照事先確定的設計複製，成本是很低的。但是，如果哪個顧客想要根據自己的需求訂購一款特定的產品，那麼成本是很高的。而在機器人取代生產線上的裝配工人的智慧製造時代，只要通過設定產品參數，機器人就可以根據使用者需求製造出個性化的產品，其成本不會比大規模生產高多少。
特斯拉很少雇用原來汽車行業的人員，除了降低成本外，還有一個更深層次的原因—它一直把自己定位成一個IT公司，而不是汽車公司。汽車其實就是承載著特斯拉IT技術的平臺，特斯拉內部將汽車看成是一個巨大的智慧終端機，通過這個智慧終端機，特斯拉把它的各種技術服務提供給大家，同時也參與到消費者的日常生活中。
 
04 未來的醫療
人類能否長生不老？
 
手術機器人
今天，世界上最有代表性的做手術的機器人就是達•芬奇手術系統。達•芬奇手術系統分為兩部分：手術室的手術臺和醫生可以在遠端控制的終端。手術臺是一個有三個機械手臂的機器人，它負責對病人進行手術，每一個機械手臂的靈活性都遠遠超過人，而且帶有攝像機可以進入人體內手術，因此不僅手術的創口非常小，而且能夠實施一些人類醫生很難完成的手術。在控制終端上，電腦可以通過幾台攝像機拍攝的二維圖像還原出人體內的高清晰度的三維圖像，以便監控整個手術過程。醫生也可以在遠端對手術的過程進行人工干預。
達•芬奇手術系統的主要發明人之一，約翰•霍普金斯大學的拉塞爾•泰勒（Russell Taylor）教授是我的朋友和師長，因此我有幸親身體驗操作該機器人。他為我在手術臺上設置的是一個仿製的人腦，我在遠端用手術刀虛擬切割時，手的感覺和切割真實的組織是一樣的。目前全世界共裝配了3 000多台達•芬奇機器人，完成了300萬例手術。
機器醫生
自然語言處理專家和醫生們讓電腦理解人的語言，然後讓它能夠根據化驗結果和病人的描述來診斷簡單的疾病。
 
IBM公司從20世紀70年開始就致力於機器智慧的研究，並且在工業界一直處於領先地位。IBM開發的沃特森（Watson）智慧系統可以理解自然語言，分析各種資料和醫學影像，説明疾病診斷和醫療資訊的管理。
在一些醫學領域，比如腫瘤科，它能夠非常準確地給醫生提供診斷的建議和幫助。目前，如果不引入醫師的干預，僅僅靠電腦通過閱讀病例、傾聽病人的描述和分析化驗結果進行疾病診斷，它也能達到中等醫生水準。
 
個性化抗癌藥品
2013年Google宣佈成立獨資的IT醫療公司Calico，並且聘請了世界知名的生物系統專家亞瑟•李文森博士擔任CEO。李文森博士曾經是世界上最大的生物製藥公司基因泰克的CEO，在接受Google任命時，他依然擔任著基因泰克的董事會主席以及當時全球市值最高的公司—蘋果公司的董事會主席，可謂整個工業界最有權勢的人物之一。
人類在抗癌研究方面投入的資金比阿波羅登月或者語音辨識要多得多，但至今依然難以根治癌症。因為癌細胞基因的突變和人有關，而且可能一再突變，因此要想徹底解決問題，就需要針對不同的患者設計特定的抗癌藥，而且要根據患者癌細胞每一次新的變化研製新藥。
因此，李文森博士認為，只要這個研製速度能夠趕得上癌細胞的變化，那麼，即使不能徹底殺死所有的癌細胞，患者仍可以長期和癌症共存。為解決這個問題，李文森博士認為這要依靠最新的IT技術，尤其是大資料。
根據基因泰克的科學家解釋，我們已知的各種可能導致腫瘤的基因錯誤不過在萬這個數量級，而已知的癌症不過在百這個數量級。也就是說，即使考慮到所有可能的惡性基因複製錯誤和各種癌症的組合，不過是幾百萬到上千萬種，這個數量級在IT領域是非常小的，但是在醫學領域則近乎無窮大。
如果能利用大資料技術，在這不超過幾千萬種組合中找到各種真正導致癌變的組合，並且對這樣每一種組合都找到相應的藥物，那麼對於所有人可能的病變都能夠治療。針對不同人的不同病變，只要從藥品庫中選一種藥即可，比如對患者約翰，他原本是使用第1203號藥品，如果發生新的病變，經過檢查確認後，改用256號藥品即可，這樣並不需要每一次重新研製藥品。如此一來，便可以控制癌症了。
李文森博士所宣導的為每一個患者設計個性化特效藥的思路，如今已被製藥行業和醫學界普遍認可。在美國著名的加州大學三藩市分校醫學院裡，阿圖爾•巴特（Atul Butte）教授建立起醫學大資料中心，專門從事利用大資料尋找個性化藥品的研究工作。
根據該中心的陳斌副教授介紹，美國只有1/7左右的臨床證明有效的藥品最終能夠走完FDA（食品藥品監督管理局）全部審批流程並最終上市。剩下來的6/7的藥品，雖然在小範圍內使用時對一些病人確實有很好的療效，但是在使用到大量患者身上時，平均的效果並不顯著，因此最終被FDA否決。
該中心通過研究發現，其中不少藥其實對特定的人群有效，現在的關鍵是找到那些特定的人群，讓那些研製過程中被淘汰的所謂“廢藥”經過改造後能夠重新被利用。在未來，可能一種疾病會有不同的藥品醫治，而不同的人會有不同的特效藥。
 
人類是否可以長生不老？
據麻省理工學院理學院院長邁克爾•斯普瑟（Michael Sipser）博士介紹，在過去的10年裡，美國癌症、愛滋病、心臟病和中風的死亡率都在下降，下降的幅度在20%~40%左右，但是阿爾茨海默症導致的死亡率卻上升了40%。
在李文森博士看來，延長人的壽命關鍵是要找到衰老基因。至於怎麼找，則需要使用大資料，而Google的特長是善於處理大資料，因此這便促成了李文森博士和Google共同創建大資料醫療保健公司Calico一事。
當然，Google也明白，光靠自己一家的力量是無法解決如何防止衰老這一難題的，為了便於全球科學家們一同努力來解決這個難題，Google和斯坦福大學醫學院以及杜克大學醫學院一起，將建立一個標準的人類醫療資料庫，這個資料庫中包括5 000人全部的生理和醫療資訊。三家參與方希望該資料庫能成為全球科學家們做研究和發表科研成果的基準（Baseline）資料庫。
除了Google之外，更多的IT公司和IT人士開始涉足醫療領域。事實上，由加州大學聖達戈分校教授約翰•克雷格•溫特（John Craig Venter）等人創辦的人類長壽（Home Longevity）公司在這方面甚至走到了Google的前面，該公司于2013年成立，今天已經開始為一些大的製藥廠提供與基因技術有關的服務了。
 
05 未來的律師業
相當多的人會失業
 
大資料對司法領域的另一個重大影響在於機器智慧會逐漸取代律師做一些案例分析工作，這使得訴訟的成本有可能大幅度下降。
今天，一些公司利用自然語言處理和資訊檢索技術，發明了讓電腦閱讀和分析法律文獻的軟體，可以取代很多人工。位於矽谷帕羅奧圖市的Blackstone Discovery（黑石發現）公司發明了一種處理法律檔的自然語言處理軟體，使得律師的效率可以提高500倍，而打官司的成本可以下降99%，這意味著未來將有相當多的律師（尤其是初級水準的律師）可能失去工作。事實上這件事情在美國已經發生，新畢業的法學院學生找到正式工作的時間比以前長了很多。
 
06未來的記者和編輯
電腦重新定義行業
今天電腦寫作的本領到底有多大？我們可以把寫作從簡單到複雜分為下面5個層次：
1. 書寫完整的句子。
2. 組織幾個句子構成符合邏輯的段落。
3. 給予特定格式，或者寫作範本，能夠清晰傳遞資訊，
表達意思。
4. 能夠不限定格式地寫作內容，達到一般人平均水準。
5. 能夠達到專業記者、作家和學者水準。
 
在組織構造問題答案時，電腦已經達到了第二層次。實際上目前電腦的寫作水準比這個層次還高一點，它能夠完成結構比較清晰、格式固定的新聞稿，因此基本上達到了第三個層次的要求。
 
今天美國很多媒體的財經新聞，尤其是對公司財報的評述，其實已經是電腦產生的了。比如IBM公司發佈了去年四季度的財報，電腦會先“讀”一遍該公司財報的內容，然後提取出主要的資訊，比如該季度的收入、利潤，與華爾街預期的對比，人員情況，市場份額，等等；然後電腦可以寫一篇關於IBM業績的新聞稿，當然最後在發表前多少還是經過了人工的一些潤色處理。
 
電腦是如何寫作的？實際上它的寫作方式和我們人在學習外語時造句的方法完全不同。它不是根據語法和所要表達的意思編句子，而是從大量文本語料中學習寫作。我們常用“熟讀唐詩三百首，不會作詩也會吟”說明背誦過去的範文對寫作的説明，而電腦的長處恰恰在於它能夠背，而且能夠快速讀非常多的樣本並背下來。
 
電腦寫財經評論其實是根據以前很多報紙上多年積累的財經類的文章，訓練出各類財經文章的範本，然後每次根據從財報中讀出的資訊，合成一篇文章。當然，這樣合成的文章讀起來未免生硬，因此電腦還要用一種被稱為語言模型的概率模型，將文字構造成優美的句子，再用另一個語言模型將句子組合成段落。這些模型也是從以往的資料中訓練出來的。
 
電腦寫作大大提高了新聞行業的效率，但是同時也讓記者和編輯這類工作正在萎縮。或許再過若干年，我們在編輯部裡看到的景象不再是一批伏案工作的編輯，而是一台台電腦，這個行業也就被重新定義了。