人机平台：商业未来行动路线图
内容简介
安德鲁·麦卡菲和埃里克·布莱恩约弗森是数字时代的两位前沿思想家，在其代表作畅销书《第二次机器革命》中，他们总结——由数字技术引发的机器革命时代已经到来，我们的经济模式与社会发展正以空前的速度被改写。
承接第一部作品的内容，两位作者在这本新书中对当下和未来的商业形态进行了更广泛而深入的讨论，并提出了未来商业的三大关键词——机器、平台、大众。
大脑与机器的博弈、是产品与平台的制衡、是核心与大众的对抗，更是一个由机器、平台和大众打造的商业新世界。掌握这三个关键词就抓住了未来商业制胜的命脉。权衡好这三大方面，将对我们如何经营企业、如何维持生计产生巨大影响。作者在向我们描绘未来图景的同时，也不断提醒我们，与以往任何时候相比，我们都更为迫切地需要认清现状并且认真思考各自的前途和命运。这无疑是一部在全球智能制造、新技术产业化领域带来的革命性的作品。
作者简介
[美]埃里克 · 布莱恩约弗森，麻省理工斯隆管理学院教授，麻省理工数字商务中心主任，《斯隆管理评论》主席，国家经济研究局助理研究员。曾与人合著《连线创新》（Wired for Innovation）。《第二次机器革命》作者。
媒体推荐
读这本书，强烈地感受到自己被引领着，一次次领略直击问题本质的认知快感。通过多角度、案例与逻辑交相辉映的呈现，我前所未有地获取了一幅关于智能时代“三生万物”的生动图景。如果只有时间读一本关于智能时代的书，读这本书是一个靠谱的选择。
——吴伯凡 《21世纪商业评论》发行人，《伯凡时间》创始人，著名学者
即使在硅谷，人们也会对当下的变革速度和变革范围感到惊讶。与时俱进的最好方法，就是领悟历经颠覆仍颠扑不破的原理。本书是对这些原理的最佳解读。
——埃里克 · 施密特 谷歌公司前 CEO，Alphabet 公司执行董事长
本书内容
推荐序1
智能时代“三生万物”的生动图景
不少以未来为话题的书，传达的只是一些轻松的畅想和率性的臆断。而麦卡菲和布莱恩约弗森的这本新书，细致中不乏节制地分析和描述了未来商业和技术世界的真实情景。对所有用心思考商业世界正在发生的种种而不得其解的人，读这本书都会有茅塞顿开之感。
相比于他们三年前出版的《第二次机器革命》，这本书展望未来时更接地气。它所呈现的未来，的的确确是“早已发生的未来”。
按 IBM（国际商用机器公司）前 CEO（首席执行官）郭士纳的说法，商业竞争（商战）分为两种，一种是面向未来、值得打下去而且越打越精彩的战争；还有一种是实际上已经结束、属于昨天的、越打越乏味、即使赢了也没有意义的战争。有胆略结束“昨天的战争”，并发动属于未来的战争，是卓越领导者的重要标志。
《人机平台》是写给那些正准备发动面向未来的战争的领导者的。
2016年4月，阿尔法狗（AlphaGo，围棋机器人）战胜李世石，在全球引发了对人工智能持续至今而且在今后会愈演愈烈的追捧，以至不少人以为，对人工智能的热捧不过是媒体和资本炒作的结果。但如果你读过麦卡菲和布莱恩约弗森出版于2014年的《第二次机器革命》，你会很自然地意识到，人工智能成为科技界和商界关注的焦点实属必然。
颠覆性的力量“都是蹑着猫步而来”（安迪·格鲁夫语）。突变出现时我们之所以感到诧异，是因为我们对早已涌动的暗流缺乏感知。两位作者是那种感觉灵敏到能听得见猫的脚步声的人，所以他们能在热点出现之前就真切地描述热点。
在《第二次机器革命》中，作者明确地告诉读者，以蒸汽机为代表的1.0版机器，是四肢远比人类发达但脑力为零的“大力士”，“它们高效地‘外包’着人类的体力。而以机器人、3D（三维）打印机、超级计算机为雏形的新机器导致了人类脑力的大幅度外包。这种‘灵长类机器’是一个全新的‘物种’，其真正的特性不仅在于它们具有脑力，更在于它们的脑力能够以巨大的加速度持续进化。新机器大爆炸、大裂变式的脑力增长将不断释放令人震惊的生产力，在诸多方面将不断让人类自叹弗如，人类以往对生产力的计量体系将面临穷尽和崩溃”。（本人2014年为《第二次机器革命》中文版写的推荐语。）
三年后的今天我们更加清楚地看到了作为新物种的新机器进化的速度和样态，其中有两点格外明显。第一，它进化的速度比人们想象的快得多；第二，新物种已经呈现出新的变种。
如果说《第二次机器革命》关注的更多是有形的机器——新机器的“形”，作者三年后写的这本书，更深入地看到新机器的本质——新机器的“神”。作者看到，有形的智能机器之外，还有两种“大象无形”的机器，即两种我们不以为是机器但具备了机器的根本特征，而且比有形的机器更强大、更具“杀伤力”的机器——平台（platform）和大众（crowd）。
机器（machine）的本质是它所内含的机制（mechanism），即一种转化、放大、优化人的能量和技术的系统化能力。机器人、超级计算机当然具备这种能力，平台和大众同样而且更加具备这种能力。
两年多前，本人与凯文 · 凯利做过一场对话，我印象最深但又稍有迷惑的是他的一个观点：不要把人工智能狭窄地理解为机器人，与机器密切相关但比机器的智能更强大的智能，是一种人机化的智能，我们可以把它称为网络智能，也可以叫云智能——把机器与机器、人与人同时连接起来后涌现出来的网络。
读完《人机平台》，我才真正明白了他到底在说什么。
简单地说，当今世界上出现了三种“新机器”，或者说是三种智能——机器（智能），平台（智能），大众（智能）。
与这三种“机器”相对应的，是三种相当常见、传统的东西——人脑，产品，公司（作者称之为“核心”）。
作者首先向我们展示的是人脑与机器、产品与平台、核心与大众之间的竞争。这是一种看上去极端不对称的竞争。
要理解什么是“极端不对称竞争”，我们不妨回味一下孙悟空跳不出如来佛的手掌心的故事。
阿尔法狗已经没有任何悬念可战胜人类顶尖棋手，这就是一种不对称竞争。但对于我们这些对机器学习和围棋的真实难度不知其详的人来说，体会其中的“极端不对称”，可不那么容易。
书中讲到的一个案例也许更能感受到人脑与机器脑之间竞争的极端不对称。
美国有一个研发抗癌药的顶级研究团队做了一个有趣的对比实验。这个实验展示了机器人到底有多大的能耐。这个机器人是由 IBM 研制的，名叫沃森。该研究团队一直在寻找一种能有效抑制癌细胞生长的酶。研究人员把这个任务交给沃森来做——让沃森“阅读”了针对该主题公开发表的7万篇科学论文，并要求它提出方案。有意思的是，这7万篇论文都是在2003年以前发表的，而2003年到2013年发表的论文有意不让它“读”。他们就是让沃森回到2003年，与全球的顶尖科学进行一场科研竞赛。结果是，沃森提出了7个被证明有效的方案，而全世界这个领域所有顶尖的科学家在10年间提出的解决方案也只有10个。
这是一场一个“人”对所有顶尖科学家的竞争。换言之，如果让沃森与人“单挑”，人胜算的可能性是零。最重要的是，沃森的“智商”是呈指数级增长的，而个体人的智商几乎是不变的（如果不是退化的话）。想象一下10年后沃森的智商，我们会不寒而栗。
这是一种动态的、“道高一尺、魔高一丈”的不对称。已处于明显弱势的一方如果不放弃竞争的话，就只能以不懈的努力来反复证明自己注定并且越来越不成功，只能从初期的一方尚有些许胜算的战争，演变为“屠杀”和“被屠杀”。
平台与产品，机构与大众（众包、众创、众筹之“众”）之间，也呈现出这种极端不对称。Facebook（脸谱网）是一个不自产任何内容的媒体平台，但它提供的媒体内容、实现的媒体收入，已经超过了美国所有自产内容的传统媒体的总和。不拥有自己的商品和仓储、物流系统的阿里巴巴的市值，已经是沃尔玛的两倍多，而且这种差距会持续增大。优步让全世界无数的出租车公司和司机恐慌不已，不拥有一间房的爱彼迎接待客人的数量早已把传统酒店业巨头万豪抛在脑后。这就是产品与平台之间的极不对称。
大英百科与维基百科之间，传统操作系统与 Linux 之间，则代表着核心（机构）与大众之间的极端不对称的竞争。
但这本书并非在发布关于未来的一系列灾难预言。
坏消息是，人与机器的“标准伙伴关系”——人掌握勿庸置疑的主动性和控制力，机器高效完成辅助性工作——已开始松动甚至瓦解，机器正在拥有逐级而上的自主性。我们已经感受到了机器不甘与人平起平坐的气势。
好消息是，如果人和企业有自知之明，明了机器“尺有所短”，自己“寸有所长”，在某些方面优雅地放手或退位，在显而易见的“极端不对称”中发现机器、平台和大众的软肘，找到隐秘的逆袭点和平衡点，我们就能重建人机生态，在“新寒武纪”里成为与众多新物种和谐相处的新物种。
读这本书，强烈地感受到自己被引领着，一次次领略直击问题本质的认知快感。通过多角度、案例与逻辑交相辉映的呈现，我前所未有地获取了一幅关于智能时代“三生万物”的生动图景。如果只有时间读一本关于智能时代的书，读这本书是一个靠谱的选择。
吴伯凡
《伯凡时间》创始人，著名学者
推荐序2
数字化时代的创新生存：替代工作与创造工作
早在半个多世纪之前，控制论的创始人，美国数学家诺伯特 · 维纳就在《人有人的用处》（1950年出版）中预言，“人与机器之间、机器与人之间以及机器与机器之间的信息势必要在社会中占据日益重要的地位”。美国学者尼葛洛庞帝在其影响广泛的《数字化生存》（1996年出版）一书中指出：“人类将生存于一个虚拟的、数字化的生存活动空间，在这个空间里人们应用数字技术（信息技术）从事信息传播、交流、学习、工作等活动。”今天，确实正如这些学者所预言的，人类已经快速进入了信息社会和数字化时代，生产方式和生活方式正在发生巨大的变化。而且，这种巨变正在以人们未曾预料的速度演进。美国学者安德鲁 · 麦卡菲和埃里克·布莱恩约弗森在《第二次机器革命》一书中描述了快速的技术进步，并讨论了一些经济后果。
最近，他们又出版了新作《人机平台》一书，向读者展现了一幅各个领域运用信息技术特别是互联网和人工智能技术，进行颠覆性创新并获得很大商业成就的精彩图景。智能化的机器大规模地替代人的工作，在越来越多的领域中越来越多的工作岗位上，智能机器（通常称为“机器人”）超过了人类能力。这使许多人开始担心：越来越多的人类工作被智能机器所替代，意味着大量工作岗位的消失，那么，会不会导致出现大规模失业群体？这样的技术进步对人类有何意义？这不仅是一个重大的技术和经济问题，而且深刻地触及了伦理、法律以至哲学性的社会问题。
最近，沙特阿拉伯政府宣布，给予一个叫作“索菲亚”的人形机器人以公民权利。有评论家认为，这是一个危险的趋势，它突破了伦理和法律界限，技术如果向这样的方向发展，可能严重扰乱整个人类社会。这将是一个错误的行动路线。当然，其他人对此也可能有不同的主张。
安德鲁 · 麦卡菲和埃里克 · 布莱恩约弗森在《人机平台》一书中指出，在这样的时代，如果要了解人们接下来想要什么，就需要了解人之所以是人的意义和技术路线选择的意义。他们引述了阿尔伯特 · 爱因斯坦的忠告：“如果你们想使自己一生的工作有益于人类，那么只懂得应用科学本身是不够的。关心人本身应当始终成为一切技术上奋斗的主要目标；关心怎样组织人的劳动和产品分配这样一些尚未解决的重大问题，以保证我们的思想成果可以造福于人类，而不致成为祸害。”进而深入讨论了在高度数字化的信息化时代，人类必须以正确的行动路线走创新之路。他们通过对各个领域的现实创新案例的描述和分析来说明，“当今社会有众多机会让更多人做贡献，用技术创造更广泛可共享的繁荣”。书中指出：“今天数以百万计的人口从事工作，创造出我们祖父母辈不曾想过的产品和服务。经济体的要件之一，就是专门发明这些新工作的人。……机器并不擅于这种大规模的创意和规划工作，但人类精于此道。企业家之所以成为个人回报及社会回报最好的工作之一，原因就在于此。新技术与合适人选配合起来，可以创造更具可持续性、包容性和生产性的高薪工作，从而使雇主、雇员和客户受益。”
关于人与智能机器关系的深入讨论，最终触及了一个深刻的哲学性问题：人类推动技术进步的价值何在？是代替所有人的工作岗位，让人变得彻底闲暇和懒惰，以至成为工作场上的“垃圾人口”吗？也就是说，消灭人的工作，是人类技术进步的最终目的吗？这不是《人机平台》作者的主张。相反，他们认为，智能机器人仍然是人的工具，所要探讨的是，在高度信息化和智能化的未来世界，人类需要有怎样的行动路线，按照人的价值取向，发展信息技术和平台技术。他们说：“个人可以绘制自己的行动路线，企业和社会也同样可以。我们希望这本书能帮助你绘制自己的行动路线。”
以满足人的需要为目的，人类经过极大的努力，实现信息化、智能化和平台化的科学发明和技术创新，并在此基础上进行社会秩序重构，实际上就是要求，以机器包括智能机器替代人的大量传统工作的方式，创造更多的新工作方式，并培养擅长新工作的人。人类发展的意义是人的潜能的发挥和全面发展。科学发明和技术进步的目标绝不是创造一个普遍懒惰和无所事事的世界，而是一个不断探索未知和不断创新的世界。因为人民对美好生活的需要，归根结底是人的全面发展的需要，所以，人、企业和社会都要有不断创新的行动路线和可行方案。这就是《人机平台》一书给我们的充满乐观主义和积极进取精神的启示。
金碚
中国社会科学院学部委员，中国区域经济学会会长
2017年11月17日
革命三重奏（上）
这些相似的事件对比令人吃惊，它们足以使人确信：就像早期的工业革命一样，信息革命对未来社会的重大影响还在后面。
彼得 · 德鲁克（Peter Drucker），2001年
棋盘上的电脑
对人类来说，学好围棋一直很难，而电脑编程下围棋几乎不可能。
围棋是一种纯粹的战略对弈，其中没有运气成分，至少2500年前就在中国出现了。对弈的一方执白子，另一方执黑子。双方轮流在纵横各19格的棋盘的交叉点下子。如果一个或一组棋子完全失去自由，即其实质上已完全被对方的棋子包围，那么就成为“死子”，必须从棋盘提走。比赛结束时，取得较多实空的一方获胜。
喜欢战略的人也喜欢下围棋。孔子说过：“饱食终日，无所用心，难矣哉！不有博奕者乎？为之，犹贤乎已。”在很多方面，围棋的地位甚至高于国际象棋——另一种很难的无运气成分的策略性博弈。正如国际象棋大师爱德华·拉斯克（Edward Lasker）所说：“虽然只有人类才能创造巴洛克式的国际象棋规则，但围棋的规则是如此优雅、有机和逻辑严谨，因此如果在宇宙的其他地方存在智慧生命形式，他们几乎肯定会选择下围棋。”
围棋表面上看起来很简单，但它掩盖了一种难以概念化的复杂性。由于棋盘很大，所以对弈双方下子时的自由度也很大。据估计，在标准的围棋棋盘上有2×10170种下法。这个数字有多大呢？它比可观测宇宙中的原子数还要大。实际上，这是一个完全不合适的基准。可观测的宇宙只含有约1082个原子。也就是说，即使宇宙中的每个原子本身是一个充满原子的宇宙，那么围棋的棋局还是比原子要多。
妙不可言的围棋
顶级的人类围棋选手如何操控如此玄妙的复杂性，然后连出妙手？这个问题没人知道答案，就连选手们自己都说不明白。
围棋选手学习定式，并依此出招。然而除了这些经验法则，顶级选手经常无法解释自己的战略。迈克尔 · 雷蒙德（Michael Redmond）是少数取得围棋最高段位的西方人之一，他说：“我看到一手围棋，并确定它是对的，但是无法准确说出我是怎么知道的。我只是看出来而已。”
这并不是说围棋选手是一群舌头打结的怪人。事实证明，所有人都不能通晓自己所了解的全部知识。当我们识别一张脸或骑一辆自行车时，事后反思一下，我们也不能完全解释自己为什么能这么做。这种隐性知识很难显性化。20世纪英籍犹太裔大学者迈克尔 · 波兰尼（Michael Polanyi）的观察精彩地总结了这个状况：“我们所知的多于我们所能说的。”
这一所谓的“波兰尼悖论”给任何试图开发围棋电脑程序的人设置了重大障碍。如果没人能清楚地表达战略，那么你又如何编写包含最佳对弈战略的程序呢？退一步说，对一些定式进行编程是有可能的，但是当面对那些能够以自己说不清楚的方式超越定式的优秀选手时，这样做是无法取胜的。
程序员通常借助模拟来操控诸如围棋的所有可能下法之类的复杂环境。他们编写程序，下一手乍看还好的棋，然后探测所有对手对这手棋的合理回应，以及对每次回应的所有合理回应，等等。最终选中的一手棋，本质上就是有着最多后续妙手、最少后续恶手的一手棋。然而，围棋的潜在棋局如此之多，下法如此丰富，因此即使是装满超级电脑的机库，也无法模拟哪怕其中的一小部分。
由于关键知识不可得，模拟又无效，因此围棋编程进展缓慢。2014年5月，哲学教授艾伦 · 莱维诺维奇（Alan Levinovitz）在《连线》杂志发表文章，探讨电脑围棋的现状和可能进展，结论是：“再用10年让电脑围棋胜出，这可能太过乐观。”2015年12月，心理学教授及游戏专栏作家克里斯 · 查伯里斯（Chris Chabris）在《华尔街日报》撰文，标题就是“为什么电脑依然无法攻克围棋”。
跨越波兰尼悖论
2016年1月，也就是一个月之后，有一篇科学论文面世，它介绍了一台未尝败绩的电脑围棋。总部设在伦敦、隶属于谷歌的人工智能研究实验室 DeepMind 专攻机器学习（人工智能的一个分支，详见第2章），发表了《用深度神经网络和树形搜索掌控围棋》一文，成为著名的《自然》杂志的封面故事。该文介绍了阿尔法狗，它是一个找出波兰尼悖论解决方法的围棋应用程序。
阿尔法狗的开发者并没有尝试用超级围棋战略和定式进行编程。相反，他们创建了一个可以自我学习的系统。该系统通过大量对弈研究棋盘下法，并从中学习。阿尔法狗被用来识别大量数据中存在的微妙模式，并将动作（如在棋盘某个特定位置下子）与结果（如赢得围棋对弈）联系起来。
该软件可从在线棋局库中获取3000万种棋盘下法，并且被告知“用这些数据来了解如何获胜”。阿尔法狗还与自己进行多场对弈，生成了另外3000万种下法，然后进行分析。系统在对弈过程中进行模拟，但只针对重点下法；它使用从研究数百万种下法中累积的学习结果，模拟它认为最有可能获胜的下法。
阿尔法狗的工作始于2014年。到2015年10月，测试已经准备就绪。它与当时的欧洲围棋冠军樊麾进行了5局秘密比赛。5∶0，机器全胜。
在这一竞争水平上，电脑围棋获胜完全出人意料，这震动了人工智能界。几乎所有的分析师和评论员都认为，阿尔法狗的成就是一个突破。然而，激辩也随之而来。正如神经科学家加里 · 马库斯（Gary Marcus）指出的那样，“围棋本不是欧洲的项目，而且这位冠军在世界只排第633名。一个击败世界第633名职业网球选手的机器人令人钦佩，但是说它已经掌控了比赛，这还不够公平”。
DeepMind 团队显然认为这是公平的说法，2016年3月，他们在韩国首尔举行5局对弈，挑战李世石。许多人认为李世石是当今世界上最好的围棋选手，也是人类记忆中最好的围棋选手之一。他的棋风被描述为“凭直觉、不可预测、有创造性、强烈、野蛮、复杂、深刻、快速、混乱”，李世石觉得这些特点使他在面对电脑时有明显的优势。正如他所说，“围棋有一种美，我不认为机器了解这种美……我相信对于人工智能来说，人类的直觉太过先进，依然没法捕捉”。李世石预测自己将在5局中赢得至少4局比赛，他说道：“看了去年10月的比赛，我认为（阿尔法狗的）水准不及我。”
李世石和阿尔法狗之间的对弈引起了韩国和其他东亚国家的浓厚兴趣。阿尔法狗赢了前三局比赛，确保了自己在五局三胜制中的胜利。李世石反击赢下第4局比赛。他的胜利让一些观察家期盼人类的聪明才智能洞悉数字化对手的缺陷，而李世石可以继续利用这些缺陷。然而就算真是这样，这些缺陷也不够大，不足以令下一场比赛翻盘。阿尔法狗再下一城，以令人信服的4∶1终结比赛。
李世石终于发现竞争严酷，他在失败后说：“我感到无能为力……我有丰富的围棋对弈经验，但从来没碰到过这样的情况，感受到这么大的压力。”
一些新事物已经在围棋领域产生了。
资产也疯狂
2015年3月，战略家汤姆 · 古德温（Tom Goodwin）点破了一种模式。他写道：“Uber 是世界上最大的出租车公司，它不拥有车辆；Facebook 是世界上最流行的媒体所有者，它不创建任何内容；阿里巴巴是最有价值的零售商，它没有库存；爱彼迎是世界上最大的住宿供应商，它不拥有房地产。”
持怀疑态度的读者可能会说，这当中有些公司比它们一开始看起来的革命性要小一些。例如，出租车行业的许多公司本身就不拥有自己的汽车。相反，它们持有授权在城市经营出租车的牌照，然后将牌照租给车主和司机。同样，许多酒店公司实际上并不拥有其冠名的所有物业，它们选择与房地产持有人签署许可协议或管理协议。
在上述例子中，有关公司都持有授权、合同之类的长期资产，这些资产对行业至关重要，因此是有价值的。Uber 和爱彼迎都没有这些。Uber 在世界上任一城市都没有车辆或牌照，而爱彼迎与任何房主都没有长期合同。然而，两家公司都很快获取了数百万的客户，达到数十亿美元的估值，这使得古德温观察到的成功现象更为引人瞩目。在他发表专栏文章时，每天有超过100万人乘坐 Uber 汽车抵达世界上60个国家的300座城市，爱彼迎在191个国家提供了64万种不同的住宿选择，从蒙古的蒙古包到詹姆斯 · 乔伊斯（James Joyce）笔下的爱尔兰童年小屋。
中国的阿里巴巴给零售业带来了一种轻资产的方式，在这个行业，大生意历来意味着大家当。例如沃尔玛在2016年年底拥有150多个分销中心，以及一个装备着6000多辆卡车的私人车队，每年车程达7亿英里a，将货品运抵美国各地4500家商店的货架。截至当年10月31日，该公司的资产负债表包括1800亿美元的财产和设备资产。然而就在同一天，沃尔玛的总市值却低于阿里巴巴，后者在2016年的销售额超过5000亿美元。
阿里巴巴于1999年由曾经当过教师的马云和17位同事创立，它是连接买家和卖家的在线中间商。其最受欢迎的网站是淘宝和天猫，前者让个人和小企业向消费者出售商品，后者则向大公司提供同类服务。到2016年年底，每月使用阿里巴巴应用程序的中国人口数量超过了整个美国人口数量。
2009年，天猫开始在中国推广“光棍节”。这最初是一项庆祝活动，20世纪90年代中期起源于南京大学，本来与零售没什么关系。光棍节于11月11日举行，因为这天的“1”（象征光棍）最多。一开始，天猫的“光棍节”活动只有27个商家参与，但它很快成为中国最重要的购物活动，参与者不仅替作为单身汉的自己购物，而且还替自己心仪的人准备礼物。2016年11月11日，阿里巴巴的市场销售额达到178亿美元，是美国“黑色星期五”和“网络星期一”两天销售额总和的3倍。
在古德温提到的4家公司中，Facebook 可能有着最特别的故事。11年前，它从马克 · 扎克伯格（Mark Zuckerberg）在哈佛大学的宿舍起步，由几所美国精英大学的社交网站发展成为全球性的通信、连接和内容设施，每天的访问量达9.36亿人次。正如古德温指出的那样，Facebook 吸引了所有这些人，他们每天平均访问50分钟，且无须生成网站上出现的任何信息。其成员的状态更新、意见、照片、视频、指向和其他记录如潮水般提供给其他访客，吸引人们回访。
在向用户提供这些内容的同时，Facebook 也向他们推送广告，甚至是大量的广告。2016年第二季度，Facebook 的收入几乎全部来自广告业务，达64亿美元，利润达20亿美元。
新闻组织和其他用人工、采风等传统思路开发内容的在线组织惊慌失措，这不仅是因为 Facebook 的成本较低，而且因为在广告主的眼中，其质量更高，策略更好。社交网络巨头对其成员非常了解。毕竟，这些成员提供了信息，留下了记录，让网站知道了自己的许多情况，因此网站可以更精准地发布针对他们的广告。
每位广告商都受到美国百货店先驱约翰 · 瓦纳马克（John Wanamaker）的一句“魔咒”的困扰：“花在广告上的一半的钱被浪费掉了，麻烦的是我不知道是哪一半。”人们普遍认为，广告在很大程度上是一门非常不精准的学科，因为它做不到只针对最有可能回应的人。Facebook 为许多广告商提供了针对性的具体标准，这是主流媒体网站无法匹敌的，而且 Facebook 可以一直这么做，在全球大规模这么做。
四两拨千斤
古德温将他所谈论的公司描述为“难以形容的薄层”，并表示“没有更好的生意了”。它们是如此之“薄”，主要持有应用程序和代码，而不是实体资产和基础设施，因此可以快速成长。在古德温的文章发表之后的一年内，通过爱彼迎网站预订的夜间住宿的数量翻了一番，而它的备受热捧使得巴黎、巴塞罗那、里斯本、柏林和旧金山等城市的政府开始担心它正在对历史居住区产生负面影响。该公司的增长如此之快，如此有争议，致使技术作家汤姆 · 斯里（Tom Slee）于2016年7月在《哈佛商业评论》的网站上发表了题为“爱彼迎正面临生死攸关的扩张问题”的博文，当时，越来越多的城市和地区正在反击爱彼迎的扩张。
Uber 也经历了快速增长和频繁的争议，它同时测试着新服务。其 UberPool 拼车服务于2014年推出，在包括纽约在内的许多城市迅速普及。该公司于2016年5月宣布，每周所有高峰时段在曼哈顿第125街区下方乘坐 UberPool 将一律收费5美元，当年7月的特惠价则允许纽约人以79美元的价格购买4周的乘坐权。在这个价位上，该项服务比许多地铁票价还要便宜。
当古德温在2015年3月撰文推介时，Facebook 已经是赢利的巨型公司，它的规模和影响力不断扩大，对主流内容生产商的影响力大大增强，它还在创新方面进行了大量投资。2015年8月，网络流量分析公司 Parse.ly 发布的报告显示，在其跟踪的主要新闻和媒体网站中，来自 Facebook 的访问者多于谷歌及其他搜索引擎。2016年3月，马克 · 扎克伯格公布了该公司的10年路线图，其中包括人工智能、虚拟现实和增强现实等主要举措，甚至包括用太阳能飞机为数百万远离电信基础设施的人群提供互联网接入。
那些只由一个“难以形容的薄层”组成的公司是如何产生如此大的影响，并取得如此成功的？
正如古德温所观察到的，“有趣的事情正在发生”。
巨人跨界
无论从任何标准看，通用电气都是美国最成功的公司之一。通用电气的起源可追溯到大发明家托马斯 · 爱迪生（Thomas Edison）和他的爱迪生电灯公司，它是1896年入选首期道琼斯工业平均指数的12家公司之一。在这些公司当中，通用电气是至今仍位列该指数的唯一一家公司。它在许多行业进退自如，包括发电、航空航天与国防、塑料、医疗保健和金融，但是在漫长的历史中，通用电气一直为消费者开发产品，从爱迪生的电灯到收音机和电视，再到其他家用电器。
通用电气也是经营大型多元化全球性公司的先驱和佼佼者。它经常与大学合作，在研发方面投入巨资。它是率先投入大量时间精力提升技术和管理技能的大公司之一。1956年，通用电气在纽约克罗顿维尔创立第一家企业大学，这个地名由此成为管理实践专业化的代名词。
进入21世纪，通用电气在克罗顿维尔和整个公司推出深化营销能力的重大举措，其定义是理解、满足所有业务领域的客户需求。2013年，一份针对该公司在这方面工作的评论发现，其最非凡的能力是“从内部创造营销创新”。
那么，作为一家年度研发预算达52亿美元，仅在美国市场的营销支出就达3.93亿美元的公司，通用电气为什么会选择在2015年与一群互联网“路人”合作，帮助公司思考并设计一种新的消费品？作为一家市值达2800亿美元并持有900亿美元现金的公司，它为什么会在产品还没推出之前就要求潜在客户下数百美元的订单？
点冰成金
2014年，通用电气和路易斯维尔大学联合推出了一项名为“FirstBuild”的计划，这是一个“正在改变产品上市方式的共创社区”。
它包括一个在线站点和一家配备原型产品所需工具和材料的微工厂。通用电气路易斯维尔电器公司的高级开发工程师艾伦 · 米切尔（Alan Mitchell）决定使用 FirstBuild 作为测试平台。他想试试是否有可能创造一种更容易满足许多人迫切需求的特殊冰块。
大多数冰块只是各种尺寸和形状的冻块。块冰则不同。它的桶形小块是多孔的，是半冻的。这些特质使它能很好地吸收香味，也更容易咀嚼，这显然是一些人很想要的东西。2008年，伊兰 · 布拉特（Ilan Brat）在《华尔街日报》发表的一篇报道认为，“可咀嚼的冰像烤饼一样热销”。索尼克快餐连锁店在饮料中使用块冰，发现很多客户就是想要这东西。因此，该公司开始销售各种冷藏块冰，有一小杯的，也有一袋（4.536千克）的。
制作块冰比简单把水冷冻起来要复杂得多，生产它的机器卖几千美元，这对于大多数家庭来说太贵了。米切尔想看看 FirstBuild 社区能否设计一种可行的家用制冰机并做出原型，于是在2015年举办了一次在线竞赛。
获奖者是来自墨西哥瓜达拉哈拉的设计师伊斯马尔 · 拉莫斯（Ismael Ramos），其“Stone Cold”设计作品构想了一种非常适合厨房台面的立体机器，配有可拆卸的透明塑料冰桶。拉莫斯获得2000美元奖金以及一件根据他的点子做出来的首创产品。该项比赛的两名亚军也获得了现金和制冰机奖励。
微工厂的人们开始制作制冰机并改进其原型。他们自始至终频繁地与围绕该项目形成的在线社区进行互动，探讨可移动冰桶的外观该是怎样，水满时如何感知，这种机器是否应有冰铲等一系列问题。
无中生有
在开展上述工作的同时，通用电气还尝试了一种新兴的、非传统的营销和市场研究组合。2015年7月，该公司在 Indiegogo 网站为制冰机发起了名为“蛋白石”（Opal）的活动。Indiegogo 是一个在线众筹社区，它将自己描述为“各式各样创意和创业想法的启动板”。为这些想法提供财务支持的人不是投资者，他们投入资金，但没有索取股份、收入分成或利润分成。不过在很多时候，赞助者都会得到承诺的回报。例如，如果他们赞助一部电影，他们就会被邀请先睹为快；如果他们赞助一件产品，他们就可能是第一批收到产品的人。实质上，他们预订了一件尚未面世的产品，而如果没有他们支持的话，这件产品就可能永远不会面世。
Indiegogo 最初是一家为无法筹资圆梦的普通人和小公司开办的网站，但是到2015年年中，大公司也使用该网站来测试潜在产品的需求。在“蛋白石”活动中，通用电气和 FirstBuild 要求每位人士贡献399美元（后来增加到499美元），并设定了筹资15万美元的目标。在几个小时内，该项活动的筹资额已经是预定目标的两倍多，然后它在一周内吸引了130多万美元。“蛋白石”活动于2015年8月下旬结束，在 Indiegogo 网站筹款超过270万美元，成为该网站十大热门活动之一。最终产品在2016年第四季度送到5000多名预订客户手中，之后再向公众出售。通用电气不需要通过预订筹资，但是它非常想要市场情报。
通用电气找到一种新方式，它既激活了“外脑”，又开发了制冰机市场。
01 最难接受的事（上）
这些新机器的趋势是在各个层次上取代人类的判断力，而不是用机器的能量和力量取代人类的能量和力量。
诺伯特 · 维纳（Norbert Wiener），1949年
大约20年前，世界各地的企业理顺了人与电脑之间的分工，它看起来合乎情理。机器负责基础计算、记录保存和数据传输。这样就把人解放出来，让他们做决策，做判断，利用自己的创造力和直觉，彼此交流以解决问题，服务好客户。
从人手到人机
这种方法广为流传，以至现在的人已经很难想起此前的文书流转时代，当时，一车车满载的文件夹往返于人群和部门之间。“文书矿井”是该时代“硕果仅存”且令人困扰的一个地方，它设在地下，是由美国政府人事管理办公室负责的一个低效率部门。保留这个地点，是为了处理联邦雇员退休时所需的行政手续。由于这些手续尚未电脑化，因此需要600人处理日常业务，他们在超市一般大小的房间工作，房间里放满了高高的文件柜。由于巴洛克设计风格的原因，这个房间设在地下200多英尺的一个废弃石灰岩矿井处。1977年，完成联邦雇员退休的文书工作平均需要61天。该项工作现在用的是基本相同的流程，仍然需时61天。在得克萨斯州，工作流程已经数字化，事情只用两天就做完了。
迈克尔 · 哈默（Michael Hammer）和詹姆斯 · 钱皮（James Champy）于1993年出版《企业再造》（Reengineering the Corporation）一书，提出了化解世上繁文缛节的知识蓝图。这本书取得了巨大成功。它在世界各地的销量超过200万册，被《时代周刊》提名为有史以来最具影响力的25本商业书籍之一。
哈默和钱皮的基本想法是：企业不能认为自己是在部门内执行任务（例如在采购部门内购买原材料），它们应该把自己看成在执行业务流程（例如采购、组装并按客户订单装运），这本来就是跨部门的事。这种说法现在听起来理所当然，在当时却被认为是新颖的、重要的。20世纪杰出的商业大师彼得 · 德鲁克当时表示：“再造是新的，它必须完成。”流程视角往往能看出许多不必要的、可以剔除的任务，或者像哈默和钱皮说的那样，干脆把它们抹掉。
20世纪90年代中期，有两项进展使业务流程再造运动加速，这就是企业信息系统和万维网。在企业信息系统出现之前，企业通常有一堆各种各样的软件包，其中许多没有相互连接。公司越大，软件就越杂乱。企业级系统坚守用单一大型软件包代替一堆软件的承诺，它设计清晰，用于执行一组特定的跨职能业务流程。这种软件可从思爱普和甲骨文等供应商那里购买现成产品，然后在一定程度上进行配置和定制。
企业信息系统迅速流行。据估计，到1999年，超过60%的《财富》1000强公司已经采用了其中至少一种。尽管这些系统的安装维护相当昂贵和费时，但它们在很大程度上兑现了承诺。例如，布莱恩约弗森与同事思南 · 阿拉尔（Sinan Aral）和 D.J.吴（D.J.Wu）的研究发现，一旦企业开始使用新的企业级系统，那么其劳动生产率、库存周转率和资产利用率就有显著提高。
万维网的出现，使企业级系统的覆盖面和功能通过电脑（以及稍后出现的平板电脑和手机）延伸到个人消费者。万维网诞生于1989年，当时，蒂姆 · 伯纳斯–李（Tim Berners-Lee）开发了一套协议，允许文本、图片等在线内容相互链接，从而使科技大腕范内瓦 · 布什（Vannevar Bush）和电脑预言家泰德 · 尼尔森（Ted Nelson）提出的超文本愿景变成现实，布什于1945年首先描述了这一设想，但只是使用微缩胶片进行理论探讨，而尼尔森的仙那度项目（Project Xanadu）则从未落地。
万维网迅速将互联网从纯文本网络转变为可以处理图片、声音和其他媒介的网络。1994年，网景公司发布了名为“领航员”的第一款商业化网络浏览器，由此，比以往任何时候都更丰富、更容易导航的多媒体奇观进入主流。网景公司的共同创始人之一是马克 · 安德森（Marc Andreessen），他当时是一名22岁的程序员，曾开发过早期的网络浏览器，我们将在第10章更多地谈到他。这一事件与先前主打学术的互联网的商业化进程成为“天作之合”。
万维网使企业能够将业务流程扩展到边界之外，一直延伸到消费者，这一趋势被称为电子商务。人们开始使用万维网，他们不仅可以搜索和了解企业的产品，而且还可以订购和支付。这种效率和便利性的结合被证明是无法抗的。网景浏览器推出10年后，电子商务占了美国非美食、非汽车类零售业销售额的10%左右。
此后20年，基于万维网的企业级系统完成了各种常规任务，包括跟踪账户余额和交易，计算原材料交付的数量和时间，给员工发放工资，让客户选择产品并进行支付，等等，从而促成了越来越多的业务流程。
人要相信自己
一旦企业级软件和万维网之类的技术把员工从繁文缛节中解放出来，那么他们应该做些什么呢？哈默和钱皮在《企业再造》一书中给出了明确的答案：随着电脑接管日常事务，人们应该被授权行使自己的判断力。“大多数的检查、调和、等待、监测、跟踪——也就是非生产性工作……通过再造被剔除了……在再造后的流程中工作的人必须得到授权。作为流程团队工作人员，他们被允许和被要求进行思考、交流，行使判断力，并做出决定。”
这是关于一种共同信念的明确表述：即使身处硬件、软件和网络无处不在的世界，人类仍然因其判断力而彰显价值，我们的推理能力比利用现有数据进行机械式计算要高出一筹。大多数人都承认，如果我们能做的无非就是常规工作，那么我们现在就会失业，因为电脑做这些事太容易了。但几乎所有人也都相信，即使数字化技术继续从摩尔定律中获益，我们也能够比它们做更多的事。所谓摩尔定律，是指随着时间的推移，同额美元购买的电脑硬件在数量上剧增，导致处理能力的指数级增强。
数十年来的研究证实，我们实际上有两种不同的推理方式。这一突破性的工作使丹尼尔 · 卡尼曼获得了诺贝尔奖，他与合作者阿莫斯 · 特沃斯基（Amos Tversky）一起在行为经济学领域开宗立派。卡尼曼及其同事的工作表明，我们有“系统1”和“系统2”两种思维方式。系统1快速、自发、事关小脑皮层，不怎么费脑力，它与我们所说的直觉密切相关。系统2则相反，它是缓慢、有意识的，事关大脑皮层，很费脑力。正如卡尼曼在《思考，快与慢》（Thinking，FastandSlow）一书中所写：
系统1的运行是无意识且快速的，不怎么费脑力，没有自主控制感。系统2将注意力转移到费脑力的活动上，包括复杂的计算。系统2的运行通常与行为、选择和专注等主观体验相关联。
这两个系统都可以随着时间的推移而改善。系统2通过学习数学或逻辑课程而改进，而系统1则通过谋生计、理解实例而变得更自如、更广博。消防队员久经历练，能够判断大火如何在建筑物蔓延；人事经理阅人无数，能够看出谁更适合公司；围棋选手用心下棋，终成大师。当然，这两个系统可以——也应该同步改进。病理学家（诊断疾病的医学专家）既研究生物化学，也观察许多患病组织和健康组织的实例，从而改善自己的技能。当我们既了解基本原理，又通过活生生的个案将其实例化时，学习往往更深入、更快速。
商业教育的主导方式也是这两个系统的结合。商学院学生通过会计、金融和微观经济学课程提高了系统2技能。他们还讨论了企业家精神、领导力、道德和其他领域的许多案例，以此改善自己的直觉和判断，这些是系统1技能。许多课程结合了两种方法。医学院和法学院也采取类似的措施。
关于人在系统1和系统2方面的能力，一个公认的终极发现是人与人的差别很大。有的人在解方程、动脑筋方面得心应手，但缺乏直觉和实践智慧。有的人连算术都不会做，却具有强大的直觉能力。
随着技术的普及，后一类人不再低声下气。实际上，他们时来运转。电脑做了所有合乎逻辑、合乎规矩的工作，使他们得以脱身，从事哈默和钱皮所倡导的事务：做判断，做决定，与他人交流以解决问题，抓住机遇，服务顾客。
事实上，在我们看来，在当今大部分的商业场合中，系统1的重要性都在上升。卸任的公司老总写书时用上了诸如“坚守初心，直面艰难”这样的书名。而那些太过专注数据，与现实世界复杂性脱节的公司领导人，则背上了“技术控”的骂名。2010年出版的《重新思考 MBA：十字路口商业教育》（Rethinking the MBA：Business Education at a Crossroads）一书将“在凌乱的非结构化环境中形成判断和直觉”列为 MBA 课程未能满足的重大需求之一。上述论据与《企业再造》的观点不谋而合：让人们发展、行使自己的直觉和判断力，做出明智的决定，让电脑做好计算和记录。我们已经多次听过、看过人脑与机器之间的这种分工，故而称之为“标准伙伴关系”。
除非自己不靠谱
标准伙伴关系的说法很生动，但有时它根本不奏效。完全不靠人的判断，甚至不靠那些经验丰富、声誉卓著的人的判断，只依靠代入公式的数字，常常会带来更好的结果。
这是一个违反直觉的发现。由于明显的原因，它也不受人欢迎。所以我们必须“一站到底”。然而在这样做之前，我们应该强调，系统1在商业上并非一文不值。事实上，它远非如此。我们将会看到，人类的直觉、判断力和快思维仍然具有重要的作用，领先的企业正在以新颖、精彩的方式运用它们，这些方式意味着人脑与机器之间新的、改进的伙伴关系。
但我们必须先说出系统1的一些弱点。看看下面这些标新立异的研究，它们表明，即使是专家的判断和直觉也常常有严重的局限。
社会学教授克里斯 · 斯奈德斯（Chris Snijders）用荷兰企业购买的5200台电脑建立了一个数学模型，可用于预测预算的遵从度、交货的及时性及买家对每笔交易的满意度。然后，他使用这个模型来预测在若干行业发生的一组交易的相关结果，并同时请这些行业的一组采购经理做同样的预测。斯奈德斯的模型击败了经理人，甚至击败了处于平均水平以上的经理人。他还发现，资深的经理人比新手好不了多少，而且一般来说，经理人在分析自己所在行业的交易时，其结果与他们分析其他行业的交易差不多。
经济学教授奥利 · 阿森费尔特（Orley Ashenfelter）建立了一个简单的模型，它仅使用4个可公开获取的气候变量，在波尔多葡萄酒还未能品尝的时候，该模型就成功地预测了它们的质量和价格。这些未熟酒的价格历来深受知名葡萄酒专家意见的影响，但是阿森费尔特写道：“这类研究提出的最有趣问题之一，就是它所暗指的专家意见对葡萄酒定价所起的作用……有证据表明，专家意见与葡萄酒质量的根本决定因素无关，亦即两者彼此独立……这自然而然地提出了一个悬而未决的问题，即究竟是什么决定了对专家意见的需求。”
布莱恩约弗森与沃顿商学院教授吴林恩（Lynn Wu）合作研发了一个预测房屋销量和价格的简单模型。他们使用谷歌趋势中的数据，这些数据显示了美国各州每月搜索“房地产代理”“房贷”和“房价”等关键词的次数。他们用该模型预测未来的房屋销量，并将预测结果与美国国家房地产经纪人协会专家发布的预测进行比较。结果，他们的模型以高达23.6%的优势完胜专家。这反映出将谷歌搜索数据纳入预测模型的威力。
布莱恩约弗森的另一个项目更接近本行，这是一个为学术界开发的“开脑洞”模型。他与麻省理工学院的迪米特里斯 · 伯特西马斯（Dimitris Bertsimas）、约翰 · 希尔伯霍兹（John Silberholz）和沙查尔 · 雷奇曼（Shachar Reichman）合作，预测谁将在顶尖大学取得永久教职。他们研究了青年学者早期出版记录和引用形式的历史数据，并利用网络理论中的一些概念，观察有哪些学者写出最具影响力的论文。他们校正模型，预测哪些学者将最终在运筹学领域获得永久教职。该模型的预测结果有70%与职称员会的意见一致，但是在不一致的情况下，通过模型预测产生的一批学者与职称员会遴选的学者相比，前者此后在顶级期刊上发表了更多的论文，其研究也被更多地引用。
沙伊 · 丹吉格（Shai Danzinger）及其同事的一项研究表明，以色列法官在一天的开始和用餐休息之后更有可能给予假释。在法官休息之前，他们想必已经疲惫不堪，抑或血糖过低，因而更有可能建议继续监禁。其他研究支持了司法决定往往受手头罪案之外因素影响的观点。经济学家厄兹坎 · 埃伦（Ozkan Eren）和纳吉 · 莫坎（Naci Mocan）发现，在美国某个州，毕业于某所区域名校的法官在母校橄榄球队意外败北之后，马上就给出了极其严厉的判决，而且这些判决“多数由黑人被告背黑锅”。
在佛罗里达州布洛沃县学区，父母或老师的提名曾经是把孩子认定为天赋学生的第一步。布洛沃县的大多数学生都是少数族裔，但天赋班的学生中竟然有56%是白人。21世纪的前10年，该区决定取消主观选方式，尝试使其尽量系统、客观。他们让区内每个孩子进行非口头的智商测试。根据经济学家戴维 · 卡德（David Card）和劳拉 · 朱利亚诺（Laura Giuliano）的记录，这一变化的结果令人震惊：被认定为有天赋的非洲裔学生和西班牙裔学生分别增加了80%和130%。
法学教授泰德 · 鲁格（Ted Ruger）、宝丽 · 金（Pauline Kim）与政治学者安德鲁 · 马丁（Andrew Martin）、凯文 · 奎因（Kevin Quinn）一起，对马丁和奎因开发的一个6变量简单模型进行了测试，看看它对美国最高法院2002年期间的裁决预测是否优于一个由83位著名法律专家组成的团队的预测结果。这83位法律专家中，有38位担任过最高法院法官，33位是法学讲座教授，6位是现任或前任法学院院长。平均而言，该团队的预测与法院裁决结果相符的略低于60%。而算法则预测对了75%。
以上所列事例是否有代表性？是否公平？或者说，我们是否有意无意地凸显了人类判断败给纯数据驱动方法的个例，同时忽略了人类胜出的例子？有足够的研究表明，答案是否定的。
由心理学家威廉 · 格罗夫（William Grove）领导的一个团队查找了50年的文献，挑选出心理学和医学领域公开发表且经同行评议的论文，这些论文研究的是临床预测和统计预测的配对比较，即比较经验丰富的人类专家判断与100%数据驱动方法的预测。他们找到了136项这样的研究，涵盖从智商预测到心脏病诊断的方方面面。在48%的研究中，两者并无显著差异，换言之，平均来说，专家并没有比公式做得更好。
然而以下发现给了人类判断力的优越性当头一棒：在46%的研究中，人类专家实际上表现得比纯数字和公式差得多。这意味着人类只在6%的研究中胜出。作者由此得出结论，几乎在人做得更好的所有研究中，“临床医生得到的数据比机械预测要多”。保罗 · 米尔（Paul Meehl）是一位传奇心理学家，他从20世纪50年代初开始记载和描述人类专家判断的不良记录，正如他所总结：
像（统计预测与临床预测的相对效度）这样，展现数量如此众多的、多样化的定性研究，如此一致地指向同一方向，这在社会科学中是没有争议的。当你进行100多次调查，预测从足球比赛结果到肝脏疾病诊断之类的事情，而你却很难找到几项研究来表明哪怕是一点点有利于临床医师的趋势时，就是给出实际结论的时候了。
我们认为，这个实际的结论就是：我们要更少依赖专家的判断和预测。
越来越多的美国公司也得出了同样的结论。布莱恩约弗森和多伦多大学教授克里斯蒂娜 · 麦克尔赫伦（Kristina McElheren）与美国人口普查局合作，对一个包含1.8万家制造工厂的代表性样本进行了调查，结果发现，数据驱动型决策的应用正在快速增加，其动力来自日益增多的信息技术应用，以及采用这一做法的公司的优异业绩。
尽管有这些令人信服的例子，我们仍需列出一些重要的条件，把关于算法成功的热议冷却一下。显然，为了将人的判断与数学模型进行比较，首先必须有一个模型。而如波兰尼悖论所暗示，这并不总是说有就有。这类模型必须用多种相似实例的数据集进行测试和改进，而这种情况只代表了人类必须做出的决策的一小部分。不过总体格局是明朗的，一旦模型可以建立和测试，那么在一个接一个的事例中，它的表现就与做类似决策的人类专家一样好，甚至更胜一筹。然而在许多情况下，即使机器做得更好，我们还是继续依靠人的判断。
人心精妙，但有错漏
仅靠系统2，一味对数字进行逻辑理性的计算，这种方法怎么可能比结合了系统2和系统1的方法更好呢？毕竟，系统1是人类与生俱来的、深刻的本能思维工具，它已经做得足够好，帮我们克服了各种无情的、全球75亿人口仍需面对的达尔文进化挑战，使人类获得生存，继续发展。它怎么会让我们这么失望呢？
这些问题太大，只用一本书是说不清楚的，更不用说是书里面的一章。但是在《思考，快与慢》一书中，卡尼曼对大量研究（许多是他自己进行的研究）给出了简单总结：
系统1自发运行，不能随意关闭，因此直觉的错误往往难以防止。偏见总是难免，因为系统2可能没有错误的线索。
简而言之，系统1很棒，但它同时也是错漏的真正所在。它常常走捷径，而不是透彻地推理。它还有一个惊人的偏见大集合。在心理学和卡尼曼帮助建立的行为经济学领域，研究人员已经确认了许多系统1的错漏并加以命名。
这些错漏的完整列表会使人不胜其烦，灰心丧气。罗夫 · 多贝尔里（Rolf Dobelli）关于这一主题的专著《清晰思考的艺术》（The Art of Thinking Clearly）共有99章，而根据最近的统计，维基百科的“认知偏见清单”有175个条目。软件公司 Slack 的产品经理巴斯特 · 本森（Buster Benson）找到了一种我们认为很好的方法，将这些偏见归类，并提醒我们它们带来的问题：
- 信息过载很糟糕，所以我们尽力过滤……（但是）我们过滤掉的一些信息实际上是有用的、重要的。
- 意义的缺失令人困惑，所以我们填补空白……（但是）我们寻求意义时会产生错觉。我们有时会想象由自己的假设所填补的细节，由此建构本来没有的意义和故事。
- （我们）需要快速行动，以免失去机会，所以我们匆匆得出结论……（但是）快速决策可能有严重缺陷。我们草率做出的一些快速反应和快速决策是不合适的，自私的，甚至是适得其反的。
- 全部记住不易，所以我们试着记住要点……（但是）我们的记忆强化了误差。我们记住一些东西，留待他日所用，这只会使上述认知更有偏见，进一步损害我们的思维过程。
请注意认知能力的另一个严重问题：我们无法知道系统1何时奏效，何时失效。换句话说，我们拿不准自己的直觉。我们不知道自己做出的快速判断或决定究竟是准确的，还是受制于自己的一种或多种偏见。于是，发生了与波兰尼悖论相悖的怪事：对系统1的认知结果而言，我们所知的竟然少于我们所能说的。系统2的理性计算通常可以复查，但是正如卡尼曼所指出的那样，系统1真的做不到，它只能靠自己。
最近的研究揭示了一种与波兰尼悖论有关的鬼使神差般的偏差：往往是系统1得出一个结论，然后让系统2来解释它。心理学家乔纳森 · 海德特（Jonathan Haidt）说：“判断和举证是两个独立的过程。”系统1激发的判断几乎在瞬间发生，然后系统2用理性、合理的说法给予肯定。a这种“托词”不仅经常愚弄别人，而且也愚弄始作俑者自己。事实上，正如心理学家理查德 · 尼斯比特（Richard Nesbitt）和蒂莫西 · 德坎普 · 威尔逊（Timothy DeCamp Wilson）所说，我们往往“说的比我们知道的更多”。所以说，我们标记为理性化和自适化的行为并不只是制造借口的手段，它们是一些更本质的事情：工作中的系统1。
2006年，在财捷集团和微软工作的两位数据分析专家阿维纳什 · 考希克（Avinash Kaushik）和罗尼 · 科哈维（Ronny Kohavi）提出了首字母缩略词“HiPPO”，用它来总结大多数公司的主要决策风格。HiPPO 的意思是“最高薪酬的人的意见”（highest-paid person’s opinion）。我们喜欢这种速记并多次使用它，因为它生动地说明了标准伙伴关系。即使做出决策的人不领最高薪酬，他们也总是以观点、判断、直觉、本能和系统1为依据。很明显，这种办法通常效果不佳，而且 HiPPO 往往败事有余。
推荐序3
推荐序4
译者序
革命三重奏（下）
01 最难接受的事（下）
本章总结
02 最像人脑的机器（上）
02 最像人脑的机器（下）
本章总结
03 你好，机器人（上）
03 你好，机器人（下）
本章总结
04 技术与人性
本章总结
05 新技术的冲击（上）
05 新技术的冲击（下）
本章总结
06 从互补品到数字化平台（上）
06 从互补品到数字化平台（下）
本章总结
07 算法速配的 O2O 平台（上）
07 算法速配的 O2O 平台（下）
本章总结
08 产品有出路吗（上）
08 产品有出路吗（下）
本章总结
09 大众的勃兴（上）
09 大众的勃兴（下）
本章总结
10 大众与专家的较量（上）
10 大众与专家的较量（下）
本章总结
11 万物民主化之梦（上）
11 万物民主化之梦（下）
本章总结
12 公司过时了吗（上）
12 公司过时了吗（下）
本章总结
超越计算的经济和社会
致谢
阅读全文: http://gitbook.cn/gitchat/geekbook/5a582543e286423809d4a7e5