信息技术呈指数级增长，基本上每年翻一番。曾安置在一栋建筑内的设备现在可放进你的口袋里，而今天可放进你口袋里的在25年之后将可以放进血液细胞中。
雷·库兹韦尔，2009年
当“二战”进入决定胜负的阶段时，艾伦·图灵和布莱切利园团队刚刚研发出第一台可编程电子数字化计算机，专门设计用于帮助英国解密人员进行洛仑兹密码机的密码翻译。洛仑兹密码机在战争期间被德国军队广泛用于发送加密信息和急件。巨像马克I号（Colossus Mark I）计算机在1944年2月5日投入使用。巨像计算机的改进版本（马克II号）在1944年6月1日投入使用，就在诺曼底登陆战役开始仅几天之前。
第一种非单一用途的可编程计算设备是电子数字积分计算机（ENIAC）。这种设备最初被美国军队用于计算火炮射表，在1947年6月29日投入使用。到1950年，在地球上也只有屈指可数的这种计算机器。然而不管怎样，计算能力算是起步了。
那与今天相比如何呢？
现在，即使是最普通的小玩意儿，比如音乐贺卡中的声音模块[1]，大约是“二战”结束时全世界所有计算科技处理能力的1000倍，而且其中每块芯片的费用只有10美分。摩尔定律再一次显示其巨大威力了！
图3–1 音乐贺卡中价值0.1美元的声音模块
图片来源：阿里巴巴
今天你在口袋中天天携带着的普通计算设备具有比20世纪80年代全世界所有大型银行、企业和航空公司更强的处理能力。你今天所使用的平板电脑若要在二三十年前达到同等计算能力则需要花费3000万—4000万美元去制造，而且在当时它还被称为超级计算机。很可能放在你口袋里的智能手机比20世纪70年代在阿波罗计划期间美国国家航空航天局所拥有的所有计算机还要强大，而且比尼尔·阿姆斯特朗、巴兹·奥尔德林和迈克尔·科林斯（Michael Collins）用于指引他们登录月球表面的阿波罗导航计算机强大约300万倍。1993年最强大的超级电脑由富士通为日本航空局建造，成本大约是3400万美元（1993年物价），像三星Galaxy S6这样的智能手机轻而易举地就可以超越它。这款智能手机比美国银行在1985年所拥有的所有计算机强大30—40倍。[2]一台Xbox360（微软的第二代家用游戏主机）的计算能力比航天飞机的第一台飞行计算机强大约100倍。
如果你手腕上佩戴着智能手表，它可能具有比15年前的台式计算机还强的计算能力。树莓派（Raspberry Pi）“Zero”计算机今天费用只有5美元，具有与2011年苹果公司发布的第二代平板电脑相当的处理能力。像特斯拉S型汽车配备了多个CPU（中央处理器）和GPU（图形处理器），建造出比747大型客机[3]还强大的协同计算平台。
在30年之内，你将在口袋里携带或在衣服、房屋甚至身体中嵌入比今天所建造的最强大的超级计算机还要强大的计算技术，甚至可能是比1995年连接到互联网的所有计算机[4]还要强大的计算技术。
网络和互联网
互联网早期开始于被称为阿帕网（ARPANET）的项目，是由美国高级研究计划管理局（ARPA，后更名为美国国防部高级研究计划局）和学术界建造出来的。第一个阿帕网链接是于1969年10月29日22：30在加利福尼亚大学洛杉矶分校和斯坦福研究院之间建立起来的。
我们在自己和斯坦福研究院那帮人之间建立起电话连接。我们键入字母L，然后在电话中问道：“看到字母L了吗？”对方回答说：“是的，看到L了。”我们键入字母O，问道：“看到字母O了吗？”“嗯，看到了。”然后我们键入字母G，系统就崩溃了……[5]
伦纳德·克兰罗克教授，加利福尼亚大学洛杉矶分校， 关于1969年第一次阿帕网分组交换测试的采访
与早期计算机网络的发展同步，多个计算机制造商致力于将计算机技术缩小化和个人化以便将其用于家庭或办公室。与流行的观点相反，IBM并不是建造出个人计算机的第一家公司。早在20世纪70年代，史蒂夫·乔布斯和史蒂夫·沃兹尼亚克就一直忙着创造出自己的个人计算机版本。他们的成果——第一台苹果电脑（后来被称为Apple I）——实际上比IBM原型机[6]早了5年，而且应用了一种截然不同的工程手段。然而，直到苹果公司发布Apple II（第二代苹果电脑），个人计算才真正成为一种举足轻重的事物。
图3–2 1976年发布的由乔布斯和沃兹尼亚克设计的Apple I原型机[7]
图片来源：纽约邦汉姆拍卖行
当乔布斯和沃兹尼亚克制造出最早的个人计算机原型的时候，在工作场所也出现了计算机的快速小型化。计算机不必再是填满整个房间的庞然大物，而是被分割成磁碟、打印机、输入设备和CPU，而且大型机不再只是企业计算领域才拥有的设备了。现在，大型机为小型机或者更广为人知的中型系统让路了。
“微机”一词对尺寸仍然还有大型冰箱大小的机器来说真的是很不精确的描述，但是它们比早期常见的大型计算机要强大很多而且体型较小。数字设备公司（DEC）开发出一系列PDP（程序数据处理机）微型机，以PDP–1为起点直到PDP–11发布的时候越来越受欢迎。在20世纪80年代，美国太阳微系统公司、惠普公司等开始主导会计领域的企业计算平台和基础企业系统。但是，个人计算机也开始引发办公环境的革命，这主要是由于新兴的网络科技的出现。
1979年，罗伯特·梅特卡夫创办了3Com公司，对施乐公司帕克研究中心（PARC）在20世纪70年代就LAN/WAN（局域网和广域网）以太网技术所做的工作进行拓展。起初，可以应用这些基于局域网协议的软件局限于简单的任务，例如分享文件、打印文件或发送邮件。这项科技很快发展成广为人知的多层架构（n-tier）计算，让我们能够连接许多个人计算机和应用服务器从而建成非常强大的办公网络系统。甲骨文等公司就是基于在这些新架构上建立数据库和软件系统的需求而诞生的。
梅特卡夫定律是以3Com公司创始人命名的，其主要内容是随着一个网络中连接（或结点）数量的增加，这个网络给用户提供的价值呈指数级增长。它解释了为什么像Facebook和Twitter这样的社交网络近年来会增长得如此之快。理解网络的影响对理解我们的未来至关重要。如果我们将网络增长的定律与摩尔定律所确定的计算机增长结合起来，我们基本上就能清楚地认识到互联的计算机和设备的指数级增长现在势不可挡了。2008年，连接到互联网中的“物”的数量超过了地球上的人口数量，[8]而且全球计算网络的增长还在继续加速。
今天，我们将灯泡、家庭温度调节装置、门锁、飞机、汽车、无人机、机器人真空吸尘器和更多其他的电器与小器具接入网络。我们处在互联且智能的设备、传感器和结点领域大爆炸的过渡期，这次爆炸将改变我们今天所认识的世界。到2020年，500亿件“物”将连接到互联网，但是到2030年，我们可能就有多达100万亿的传感器，也就是平均每人150个传感器。这些传感器将对包括我们的心率、电动汽车充电、周边空气污染、血液中的血糖含量甚至我们每日的浊物排出状况在内的一切事情提供反馈。它们将推动实现立足信息的、基于标准的未来，这将不仅延长寿命而且让地球更加安全干净。
图3–3 万亿传感器前景
为了让这样一种连接性的革命真正地改变地球的未来和命运，我们必须让每个人都可以获取网络，而不仅仅局限在发达国家。我们要怎样实现呢？
2014年，在中国香港，一款名为“火聊”（FireChat）的新应用相当引人注目，它利用了一种网状网络技术。基本上这种应用可以利用你手机上的Wi-Fi或蓝牙无线电与其他手机通信，即使是在互联网和蜂窝网络服务关闭的情况下也可以。Open Garden（开放花园公司）是火聊应用的发明者，2015年10月它在塔希提岛宣布建立了一个合伙企业，这将让岛上的居民无须利用数据计划或蜂窝服务连接就能实现互相通信。
网状网络很可能成为解决网络连通性的最终方案。从理论上讲，每个能够连接到互联网的设备都可以成为分布式网络中的一个结点，不仅使这台设备连接到网络而且也允许其他设备通过共享连接进行通信。在今天的网络中，你拥有不同的接入点，不管是通过互联网服务提供商的硬点（hardpoint）还是Wi-Fi的热点（hotspot），它们发挥着连接到更大的网络也就是互联网的作用。网状结点是小型的无线电发射器，不仅与该结点或接入点的用户通信，而且彼此间也进行通信。通过这种方式，如果这些结点中某一个与互联网的骨干网失去连接，它就仅与在其范围之内的其他结点分享连接。这是一种真正的分布式网络拓扑结构，不再完全依赖于每个连接点与互联网骨干网的连接，其影响深远，特别是在网络连接有限或根本不存在连接的非洲各国、印尼、印度和中国等地的农村。理论上讲，内嵌小型无线电的每一种设备，即使是在偏远地区，都可以成为连接到互联网的设备。
除了网状网络技术之外，Facebook和谷歌都在从事将无线互联网接入并提供给20多亿未连网的人群的科技研究。Facebook推出的免费上网计划Internet.org，正在开发一种高海拔、由太阳能提供能源的无人机“天鹰”（Aquila），无人机利用激光向地面上小的信号塔或小锅传输数据。无人机将每次在空中停留数月并在商用飞机上方飞行。谷歌在研究一个类似的项目，称为“高空气球计划”（Project Loon），只不过使用的是高海拔气球。
在接下来的20年里，最大的创新将不会出现在网络增长方面，而是存在于我们对智能的、联网的，嵌入我们生活各个方面的计算机的使用方式上。为了对此加以利用，我们将需要一个新的设计范例、一些新的软件以及与设备互动的新方式。这种对设计的关注在iPhone等设备的漂亮外形中（相对于早期移动电话而言），在特斯拉大显示屏的专业中以及在亚马逊智能音箱Echo（回声）显示屏的缺失中都一览无余。我们正在寻找越来越具有想象力的方式将科技构筑到身边的世界中。
界面和互动设计的演化
1982年，我在澳大利亚墨尔本的一所精英中学上九年级。墨尔本中学是澳大利亚最早将计算机科学列为一个学科的中学之一。今天，我们可以看到奥巴马总统等人进行第一次Java（计算机编程语言）序列编程，还有孩子们通过YouTube和在线编程知识平台Codecademy学习编程的情形，但是早在20世纪80年代，编程还是大学的功课。当我在学校开始学习编程的时候，我们使用了墨尔本大学遗留下来的计算机，允许我们使用Basic、Pascal、Cobol和Fortran等语言编程，但是只能使用纸卡片。
当时编码的时候，你不得不将代码手写到纸上，然后将你的代码一次一行誊写到石墨或穿孔卡片上。然后你使用一个卡片堆阅读器，一次阅读一张卡片并将铅笔符号或纸孔解释为字母、数字或者字符，然后再对其进行编译。经典的“Hello World”程序当时需要使用4种不同的卡片。
图3–4 20世纪70年代计算机编程经常是在穿孔卡片上而非通过键盘完成的
我上学时绝对是极客小组成员。我仍然清晰地记着自己破解了学校管理员系统并找到教师的记录，由于此事两周内我被禁止进入计算机房。我会收一点费用替其他同学完成编程作业。那不是为了钱，而只是为了检测如果利用不同的程序版本，我能否得到相同的答案或输出。
那时，我的伙伴丹·戈德伯格（Dan Goldberg）介绍给了我第一台Apple II，而且之后不久我就得到了第一台Vic-20（康懋达公司的一款电脑机型）微型机并在家里使用它。几年过后，我成功劝说我的爸爸投资购买一台家用IBM兼容机。于是我从在显示石墨铅笔符号的纸卡片上打孔编程升级到了键盘和黑白显示器。不过，它的界面，尤其是在游戏或图形方面，还极为原始。
我当时拥有的Vic-20微型机大约有4K（千字节）内置内存，一个16K扩展包和一个用于存储程序的盒式磁带录音座。我将Vic-20连接到一台我父母闲置一旁的旧黑白电视机上，而它能够显示16种鲜艳的颜色。我记得购买过与Vic-20相关的“发烧友”杂志并仔细研究一行行代码，费尽心思将这些代码行键入，这样我就可以玩新游戏。我就是这样学会编码的。通过改变参数，我学习句法，学习编程逻辑。当我中学毕业的时候，我具备了足够的编程技能，直接获得了一份商用编程工作，使我可以每天在从事我喜欢的工作——编码——的同时用部分时间读大学课程。
当微软操作系统Windows 3和Windows 3.11出现的时候，突然之间就有了图形用户界面，使计算机操作更简单了。你具有标准的控制键和元素，例如编辑框、单选按钮和其他设计元素，与旧的绿色操作界面的技术相比，你拥有了很多的灵活性。
计算机变得越来越强大，而界面同时也变得更易用。第一代计算机界面只有工程师才懂。第二代界面允许用户在经过培训后使用特定的程序，而无须是一名程序员。即使有了这样的进步，了解一种计算机系统或操作系统并不能说明你就能够操作或利用另外一种并不十分熟悉的系统。
不久之后你就能够购买现成的软件，将磁碟片或盒式磁盘放进控制台或计算机，即使你之前从未使用过这种软件，你也有能力使用它。今天，我们下载应用到我们的手机或者下载软件到我们的笔记本电脑，都只需要几分钟就能弄清楚，而无须数周的紧张培训。YouTube和其他基于网络的工具让我12岁的儿子在几周之内就学会如何为流行的《我的世界》（Minecraft）[9]游戏生态系统用Java编码游戏模组。
最终，随着这种趋势的推进，我们将获得内嵌于我们周边世界中的强大无比的计算机，除了对说出来的话语或者某种动作进行回应以外，我们不需要更明显的互动就能使用，想想佩戴Fitbit设备及这种穿戴设备内嵌的计算机在工作时所需要的输入吧。
多点触控的使用是个人设备界面设计方面的巨大进步。它使我们可以随身在口袋中携带极为强大的计算机而无须额外的鼠标或键盘等硬件。从输入精确性的角度讲，据称多点触控降低了我们的能力，但是同时没有人可以否认，这些设备的简易性意味着一名两岁的儿童都可以拿起平板电脑轻松地操作。
图3–5 计算机界面的演化
计算的下一个阶段将见证我们使用计算机的方式出现巨大的进步。输入将区分为由操作人员直接输入，或者由用户通过虚拟键盘、语音、触摸、手势或反馈，通过捕捉从生物统计学数据、健康数据、地理定位、机器/设备性能到环境数据中的一切信息的传感器，以及最终通过可以预判和比较你的行为的社会启发式行为分析输入。输入将既不是线性的也不是基于单个屏幕或界面的。
从屏幕转向传感器
如果你携带智能手机、穿戴式健康手环或智能手表，你的设备就已经获取了每天关于你和你的运动情况的大量信息。内部加速计与GPS（全球定位系统）芯片联合起来获取移动数据，这非常精确，甚至可以计算出你的步数和你在爬楼梯时的高度变化。像智能手表和健康手环这样的设备捕捉你的心率并起到计步器的作用，但是下一代的传感器将能够获取更多的信息。
2014年，三星发布了一种称为“Simband”（智能腕带）的原型可穿戴设备，具备6种不同的传感器，可以记录你每天的步数、心率、血流和血压、皮肤温度、氧气含量及正在产生的汗液量等——总共12种关键数据点。Simband的显示屏看起来与在重症监护室中看到的心率显示器相似，只是戴到手腕上。
与GPS或导航软件预测交通并影响你的行程或在途时间的方式十分类似，在接下来的10年里，健康传感器与人工智能和算法结合将能够感知到已患上的心血管疾病，将出现的中风、消化道问题、肝功能损伤或急性肾功能衰竭，[10]而且甚至能推荐或实行直接的治疗，防止当你寻求更直接的医疗救助之时出现危险病情。
图3–6 Simband传感器阵列
图片来源：三星
图3–7 Simband显示屏上的心电图（ECG或EKG[11]）和其他反馈信息
图片来源：三星
提供健康和人寿保险的保险公司开始认识到这些工具将显著降低它们在承保中的风险，也有助于保险客户（也就是我们）与医学专业人员一道更好地管理自身的健康。保险将不再仅仅关注评估你发生心脏病的潜在风险，也同样地关注并监控你的生活方式和生物识别数据以便发生心脏病的风险可以受到控制。你今天在申请保险单时所填写的纸质申请表与保险公司从这类传感器阵列中所获得的数据相比几乎将毫无用处。此外，申请表并不能够帮助你积极地管理饮食、进行体育活动等以降低发生心脏病的风险。这就是像美国保险巨头约翰·汉考克保险公司这样的组织已经对佩戴健康跟踪器的保险客户打折的原因了。[12]
随着每天每秒如此大量的数据上传到互联网，我们已经远远跨越了人类能够不利用其他计算机就可以有效地分析世界上所搜集的数据的深度和广度的时间节点了。这也将显著地改变我们看待诊断的方式。
你可能记得在几年前IBM派出一台计算机上场，在《危险边缘》游戏节目中与两位长期的冠军进行竞争。这台计算机名为沃森（Watson），在游戏节目中取得了令人信服的胜利，打败了两位之前未曾失败的人类挑战者詹宁斯（Jennings）和鲁特（Rutter）。[13]最近，沃森获得纽约基因组中心（NYGC）理事会同意担任医学诊断专家。[14]据我们所知，这是第一次一个特定的机器智能获得学术或专业认证从事医学工作。这肯定不会是最后一次。
这次医学认证背后的推手是什么呢？研发沃森的团队想弄清楚如果他们给沃森提供正确的数据，它是否可以学习通过假设解决问题，例如诊断癌症或者找到遗传病症中的基因标记。连续数月，IBM的团队将20多年的肿瘤研究医学期刊、病人病例研究和分析方法论提供给沃森的数据存储，以此验证他们的理论。
在由美国贝勒医学院和IBM发表的同行评议论文中，根据研究的结论，科学家能够论证一种衍生的科学问题的合理新途径，可能对新的、有效的疾病治疗方法的长期研发有所裨益。在几周之内，生物学家和数据科学家利用沃森的技术精确地找到了修改p53（人体抑癌基因）蛋白质结构的蛋白质。[15]研究指出，这项成就如果没有沃森认知能力的帮助，科学家们需要花费数年才能完成。沃森分析了70000篇关于p53的科研文章以预测激活或关闭p53活性的蛋白质。这项自动化的分析让贝勒医学院的癌症研究人员找到6种可能的蛋白质作为开展新研究的目标。鉴于过去30年间科学家们平均每年只能发现一种相似的目标蛋白质，这些结果非常值得关注。沃森的表现超过在美国开展的、耗资50亿美元的全部癌症研究工作成果的6倍。
而更为引人注目的是当将特定病人的症状输送给沃森的时候，它在90%的时间里可以精确地诊断出特定的癌症类型和最为有效的治疗方法。[16]为什么它的意义重大呢？医生、具有20年医学经验的癌症专家通常只能在50%的时间里给出正确诊断。为什么沃森始终能够超越这个领域内的人类专家呢？首先，这是因为“他”有能力在几秒钟之内整合20年内的研究数据，而且可以分毫不差地回忆起来。
下一个显而易见的行动就是让医生们使用沃森以更好地对病人进行诊断，对吧？困难在于医生只能依据持有执照的诊断师的建议治疗病人。这便是纽约基因组中心努力并获得了理事会批准，让沃森在纽约注册成为持有执照的诊断师的原因。
沃森可以做到的是——他读取你所有的医疗记录。他经由世界上最棒的医生们提供信息和教导，然后给出最可能的诊断、置信度、原因、基本原理、诊断、概率、矛盾。我的意思是，这刚刚开始在东南亚开展起来，涉及数百万的病人。他们将永远不会像身处此地的你和我一样看到纪念斯隆–凯特琳癌症中心（Memorial Sloan-Kettering Cancer Center）。（不过）他们将可以对其加以利用。我觉得，这非常了不起。
罗睿兰，IBM董事长和首席执行官， “查理·罗斯专访”，2015年4月
既然我们已经证明在癌症诊断上沃森比人类医生更为精确，那么我向你提出的一个问题是：如果你的全科医生认为你可能患病，你更想让谁给你做诊断呢？沃森医生还是一个人类医生？你可能会说沃森可能不具备很好的临床判断，但是理解这种科技把我们带向何方可能会彻底地改变你对医疗卫生的观点。顺便一提，你注意到IBM的首席执行官用“他”代指沃森了吗？只是说……
很可能未来你所携带的或你体内的传感器将能够精确地评估你的健康状况变化并在病情成为难题之前对其进行诊断。不久，计算机将自动评估你的基因构成并标记已知病情从而让这些算法或机器智能加以注意。通过标记某种异常，像沃森这样的算法或智能就可以推荐明确的饮食改变、日常习惯需进行的改变，例如更多睡眠或更多锻炼，以及营养品甚至个人化的、针对特定DNA（脱氧核糖核酸）的药品。可以把这些机器智能看成潜在的教练，类似于营养学家、私人教练或医生。随着可穿戴和可摄取医疗设备的进展，治疗措施可能自动得到执行。就糖尿病而言，你可以让你的胰岛素水平由一个植入物维持恒定。如果病情变得严重，这种设备就可以标记此病情并提示你的医疗专业人士，通过更好的临床举止他可以让你坐下来进行一个更为人性化的病情讨论。
到2020年，个体病人的医学数据将每73天就翻一番。[17]我们需要科技从这些数据中理出头绪、标记离群值并推荐行动方案，这些过去是医生所做的工作。帮助可管理的病情避免出现急诊情况将成为标准做法，而最大的支出可能来自订购医学服务和你所佩戴或注射的设备，而非看病或就医方面。
电视剧《绝命毒师》通过一名中学教师为了能够负担癌症治疗费用不得不借助于制造非法毒品的故事，戏剧化地展现了美国医疗卫生体系可承受能力的相关问题。未来医疗卫生方面的差距可能不是在拥有保险和不拥有保险的人之间，而可能是在获得医疗卫生人工智能和可穿戴医疗科技的人与无法获得它们的人之间。智能社会将确保其所有公民都可以获得这项科技，因为它将大幅降低社会对医疗卫生的经费负担。
由于到2030年将可能存在50万亿——100万亿的传感器，绝大部分输入我们周边的计算机系统的信息将自动生成，而不是通过直接输入。不管是我们智能手表中的传感器、智能手机中的加速计、生物识别阅读器、无源相机，还是捕获行为数据的算法，直接来自周边环境中的数据量与我们通过键盘或屏幕输入的数据之比将在10年之内达到10000∶1的比率。换言之，嵌入我们周边环境中的计算机反馈方式将更多地受我们做什么、说什么及怎么做的影响，而非键入或点击什么。
计算的未来将结合传感器和机器智能。传感器将是我们输入数据的渠道，而算法将推动数据的整合。交互界面将直接提供重要的结果。我们几乎将不再需要介入驾驶或输入行为——至少不会是传统意义上的。
从软件到普适计算的演进
界面和体验设计的趋势正在将我们从对计算机软件和界面的传统认识带入一个非常不同的方向。未来将出现对软件应用本身的巨大偏离。
虽然输出显示已经明显改善了，但是输入并未发生根本改变。我们从卡片穿孔机提升到键盘，然后添加了鼠标、摄像头和麦克风，而且最近我们将屏幕变得可以多点触控。然而，大多数输入仍然基于QWERTY（柯蒂键盘）。
我们逐渐从非常简单的基于文字的界面过渡到越来越复杂的互动方式。早期的计算机显示器是原始的黑白色。当我们刚开始使用网络浏览器和移动手机时，互动方式曾经是非常原始的。随着iPhone的上市，移动应用出现了，比有限的移动网页更具有互动性。智能手表、智能眼镜等新式设备的使用已经创造出一种软件的分布式途径。我们可以在我们的手机上装应用，但是与该应用相关的显示和通知可以在智能手表或智能眼镜上展示出来。不久之后，我们的办公桌、起居室墙壁、车辆仪表盘及其他的环境都将装备内置屏幕用于互动。我们将利用增强现实智能眼镜和隐形眼镜在真实世界上叠加数据、洞察力和场景。
在APP时代，银行和航空公司等行业倾向于增加产品功能的捆绑利用，但是随着越来越多的性能的加入，出现作家杰瑞德·斯普尔（Jared Spool）所说的“啮合腐烂”（engagement rot）的倾向将变得非常高。问题是当你拥有丰富的功能时你就无法保持低摩擦[18]用户体验；从本质上讲，这些功能就到了导致复杂和混乱的节点。这个节点会在哪里出现呢？举例来说，比如零售商的特惠或打折。如果优惠或折扣内嵌在银行应用中，当到了某个节点时从设计视角看，你就面临它是属于“打折”应用还是银行应用的问题。设计方案已不再明晰，因为你有两种对立的、令人瞩目的用例为获得客户关注而竞争。
图3–8 互动模式的演化[27][28][29][30]
对界面设计、嵌入式计算和互动科学演化的长远认识必然导致一种结论，即随着时间的推进，应用将变得越来越不重要。
在那个夏天，谷歌制造了一种8磅重的戴在脸上的计算机原型。对当时还不知道谷歌计划的埃维[31]来说，这种物品“显而易见且合适的位置”应该是在手腕上。后来当他看到谷歌眼镜的时候，埃维说，对他来说很明显脸部“并不是合适的地方”。苹果首席执行官（蒂姆·库克）说：“我们一直认为眼镜并不是一个很好的决策，因为人们不会真正希望佩戴它们。它们太扎眼了，而不是按我们通常所认为的那样将科技置于背景中。”
伊恩·帕克谈论埃维对可穿戴通知型设备的看法[19]
由于场景变得对更好的互动至关紧要，功能就渐渐从应用中转移出去了。不管是在你的智能手表、智能眼镜还是内嵌于周边环境的其他形式的界面中，改善联系及创收时机的最佳建议及最佳触发点将是短小的、基于目的而创造的体验块。
让我们想想软件或科技内嵌于客户生活中的体验。优步是这方面很好的例子。优步背后的团队看到了人们移动中的问题，以一种与之前出租车公司解决出行问题完全不同的方式将应用嵌入用户生活，而且为个人出行带来革命性变化。这不是应用本身而是优步所设计出的整体体验。在这样做的同时，他们重新设计了招募司机的方式、优步车辆调派的方式、出行支付的方式及一些其他的创新。优步甚至允许其驾驶员租车或者在他们报名的时候开设银行账号。
在优步出现之前，美国旧金山的出租车市场收入总和为每年1.5亿美元。2015年年初，优步首席执行官特拉维斯·卡兰尼克透露说这个数字迅速增长到了6.5亿美元，其中优步创收5亿美元。[20]通过创造一种体验，而非仅仅是应用，优步吸引到了大量根本不会投向出租车公司的新业务。优步并没有建造更好的出租车，也没有强调出行本身——它从头开始创造出全部的体验。这对传统出租车公司造成了什么影响呢？《旧金山观察报》在2016年1月6日报道旧金山黄色出租车公司（Yellow Cab Co-Op）申请破产。
将越来越多的特性和功能捆绑在一起的诱惑很大。想一想Facebook和飞书信（桌面窗口聊天），以及飞书信现在如何从Facebook中分离出来。对一些人来说这是一项有争议性的变化，但是它承认了聊天和与新闻传送进行互动是非常不同的优先任务，不应当彼此竞争。互动的发展移向了嵌入我们日常生活中的截然不同的体验，而非软件应用中捆绑在一起的功能集。
我再举另一个不同的例子。
在20世纪，人们在特定时间、特定频道观看自己最喜欢的电视节目。如果你希望再看一遍这个节目，在VCR（盒式磁带录像机）发明之前，你就只能等待下次重播。这种方式不是今天我们的孩子们消费内容的方式了。他们选定一个他们想看的节目，然后在YouTube或Netflix上实时观看。YouTube上的“PewDiePie”频道和Netflix上的《纸牌屋》之间几乎没有什么区别。实际上，一些研究显示，就观看偏好来说，流媒体内容已经取代了电视。[21]
虽然你仍然在手机上安装应用，例如游戏或你正在阅读的书籍，但是行为和场景内容将不可避免地成为个人化、定制性的内容体验的构成部分。今天所面临的限制就是场景化、带宽及预测分析或定位分析。将这些性能联合起来，它的重点将不再是关于应用的，而是关于响应你的需求内容的。
从芯片上的CPU到无处不在的计算机
1997年，英特尔推出了ASCI Red，第一台具有稳定的万亿次浮点运算能力的超级计算机。这种系统配备了9298块奔腾II芯片，填满了72个计算机箱。最近，英伟达发布了第一种用于移动设备的万亿次浮点运算处理器Tegra X1。我们在说的是一种可以放到智能手机、车辆[22]、平板电脑或者智能手表中的CPU，它可以每秒处理或计算1012项指令——与1997年那台超级计算机一样。为了强调在仅仅15年间科技已经取得了怎样的进步，请考虑这一点：ASCI Red占据1600平方英尺[32]，耗费500000瓦电，另外还需要500000瓦电使它所在的空间保持低温以达到万亿次浮点运算能力。与之相比，Tegra X1是拇指盖大小，在10瓦电力下运行。
这些计算设备的一种新平台显然是车载计算平台，这种平台需要足够的运算能力实现自主驾驶以及对车载显示和仪表盘可视化的改善。在接下来的10年内，车载嵌入式计算将呈现指数级增长。在2015年国际消费类电子产品展览会（CES）中亮相的梅赛德斯F015从概念上展示出了车辆内部空间因自动驾驶而出现的变化。汽车将很快成为一种娱乐、工作、游戏、社交而非仅仅是驾驶的空间——成为一种互动式休闲空间，也可以这么说。当你不再需要必须四周有窗户从而为驾驶提供视野的汽车的时候，这些窗户可以成为集成显示器。我将在后面更详细地探讨这一点。
图3–9 梅赛德斯F015内部空间使用与传统汽车大为不同
图片来源：梅赛德斯
当万亿次浮点运算芯片（或更为强大的计算机）可以嵌入我们日常空间中的时候，所有事物都将有可能成为互动式显示器。这在康宁公司创作的主题为“玻璃中的日子”（A Day Made of Glass）的一系列未来概念视频中得到了很好的展示，视频中我们看到镜子、桌面、墙壁和汽车成为互动设备，触摸屏互动与场景智能一应俱全。
随着计算机嵌入我们周边——我们的汽车、家庭、学校和工作场所，我们所认知的屏幕和操作系统的概念将开始破碎。在植入镜子或桌面的屏幕上，我们将不会看到用于下载软件的应用商店，但毋庸置疑我们将具备对其进行个人化的某种能力。更为重要的是，这些屏幕将连通到某种中央人工智能或代理，从我们的个人云中获取相关信息了解我们继而反映出来——从我们的约会日程到所关心领域的突发新闻，或者其他提供通知或建议的相关数据。这些计算机将不仅仅显示相关信息。虽然三星Simband具有6个不同的传感器，能不断地搜集关于你的信息，但未来嵌入我们周边所有地方的计算机将进行全天候倾听和学习。
图3–10 依靠芯片中价格低廉的超级计算机，一切都能成为互动显示器
图片来源：康宁公司，“玻璃中的日子”
两个最近的计算平台发展勾勒出了这种界面范式的转变。亚马逊Echo和Indiegogo（众筹平台）所支持的新兴家用机器人Jibo（吉宝）最近作为家用个人设备上市了。两种科技都嵌入你的家庭中，并且可以倾听、学习并对它们周边世界的信号进行反应，而且是实时的。Jibo如此前卫甚至将自己定位为家庭个人助理。这些都运用谷歌语音、苹果公司的语音助手Siri或者微软小娜的科技并将它们嵌入我们的家庭，以至能够使用互联网所提供的几乎无尽的信息资源。
图3–11 家用机器人Jibo 被称为个人助理和家用沟通设备
图片来源：Jibo
它开始运转时非常简单。你可以问Echo或Jibo类似“明天会下雨吗”“牛奶列入我的购物清单中了吗”“提醒我下周度假订酒店”等问题。Jibo更先进一点，因为它可以移动并配备内置摄像头，允许你让它给你的家人拍照片。Jibo界面内部的屏幕甚至使用其显示功能，根据它是与家庭中哪个人互动而展示出不同的个性。
虽然这些第一代“家居助理”现在仅限于信息查询，但是用不了多久我们将在家庭和办公室中使用与这些相类似的可靠科技管理我们的日程、进行购物并做出日常决定。在20年之内，这些设备将成为足以满足我们可能通过数字化执行或解决的任何需求的人工智能，并且与我们自己的个人仪表盘/用户界面、云和传感器网络进行沟通，为我们提供关于身体健康、财务状况和许多其他我们曾认为是属于人类顾问领域的建议。
你能够分辨出你是在跟电脑交谈吗
2013年12月，《时代周刊》刊登了一则故事，标题为“见见否认自己是机器人的机器人电话销售员”，[23]描述了《时代周刊》华盛顿办事处主任迈克尔·谢勒（Michael Scherer）所接到的一个推销电话。谢勒在感觉到有点不对劲儿的时候问机器人，她是人还是计算机。她热情地说她是真人，还带着迷人的笑声。而当谢勒问“西红柿汤里面有什么蔬菜？”的时候，那个机器人回答说，她听不明白这个问题。那个机器人自称萨曼莎·韦斯特（Samantha West）。
诸如此类的算法的目标很简单，就是预先确定电话接听者的资格，然后转成人工以完成成交。语音识别是这种算法的主要先驱。虽然今天像Siri和微软小娜这样的工具能很好地识别不带口音的话语，但是在以前人们曾认为语音识别是科幻小说中才有的。
早在1932年，贝尔实验室的科学家们就试图解决基于机器的“言语感知”（speech perception）问题。到1952年，贝尔已经发明出了一个单位数语音识别系统，但是它的作用非常有限。然而，在1969年，贝尔实验室首席工程师之一约翰·皮尔斯（John Pierce）写了一封致美国声学学会，批评贝尔实验室语音识别的公开信，并将其比为“把水变成汽油、从海洋里提取黄金、治愈癌症或登陆月球的计划”。具有讽刺意味的是，在皮尔斯发表公开信一个月之后，尼尔·阿姆斯特朗登上了月球。然而，贝尔实验室还是在不久之后消除了对语音识别的经费支持。
到1993年，由雷·库兹韦尔研发的语音识别系统可以辨识20000个单词（一次说一个单词），但是精确度仅仅只有10%左右。1997年，比尔·盖茨非常看好语音识别，他预测：“在这个10年期间，我相信我们将不仅仅使用键盘和鼠标进行互动，在此期间，我们将完善语音识别和语音输出使其成为界面的标准构成部分。”[24]到2000年，那仍然还有10年的路要走。
巨大突破的出现是由于马尔可夫模型（Markov Model）和深度学习模型或神经网络的应用，从根本上说是由于更好的计算机性能及更大的源数据库。然而，我们今天所拥有的模型是有限的，因为它们仍然学不会语言。这些算法不像人类那样学习语言，它们通过识别功能确定出一个短语，从数据库中对其进行查询，然后给出合适的回应。
识别语音和维持会话能力是两种非常不同的能力。一个计算机要成功让他人误认为它也是一个人需要什么呢？
图灵测试，是与否……
1950年，艾伦·图灵发表了一篇著名的文章，标题为“计算机器与智能”。在此文章中，他不仅仅提出计算机或机器是否可以被认为是能够“思考”的事物的问题，而且更为具体地提出了“是否存在能想象到的、能在模仿游戏中表现卓越的数字化计算机”[25]。图灵认为这种对机器智能的测试——他称之为模仿游戏——通过人类和机器之间的问答环节来实现。图灵在他文章中继续谈道：“如果你在5分钟之内无法将计算机或机器与人类区分开来，则它已足够像人类，并通过了他的基础机器智能或认知的测试。”之后继续从事图灵的工作的人将模仿游戏归类为现在更广为人知的图灵测试的一个版本或方案。
自主的、无人驾驶的汽车不必通过图灵测试就能让出租车司机丢掉工作。
虽然计算机尚未达到总能通过图灵测试的程度，但是我们正在靠近这种程度。2014年6月7日，伦敦皇家学会主办了一场图灵测试竞赛。这次竞赛在图灵逝世60周年的时候举办，其中有一个俄罗斯聊天机器人，名为尤金·古斯特曼（Eugene Goostman），成功地说服33%的人类评委它是一个13岁的乌克兰人，英语为其第二语言。虽然一些人，例如麻省理工学院数学心理学教授约书亚·特南鲍姆（Joshua Tenenbaum），认为这种竞赛成绩“没什么大不了”，这仍然证明我们将计算机误认为是人类的程度比以往任何时候都深。
像订机票或修改酒店预订、解决与银行之间的问题、为车预约服务或者查找亲子鉴定的结果这样的互动很快就都能由机器智能承担。在很多情况下，它们已经做到了。人类将无法足够有效地区分这种体验，这也合理地解释了人类呼叫中心代表的成本。实际上，根据我的猜测，不久之后如果你想跟真正的人类交谈，你将不得不答应支付费用。如果你打电话而非在线预订，许多航空公司和酒店已经开始收取一种电话服务费用。很明显，人类礼宾服务将成为一种将来仅提供给最有价值的客户关系的高级服务。对其他人来说，基本的服务模式将是基于人工智能的。不过，我们要认识到的一件事是——在未来，人类实际上将无法提供更高水平的服务。
我们可以很正当地猜想未来我们将跟计算机谈话，但是这种互动如此真实以至我们无法百分之百确认——或许我们压根儿就无所谓。从现在起15年内，机器互动将遍布各处，人工智能/机器智能本身将得以区分和识别，因为它们将更好更快地解决某些问题。例如，优步可以在广告中说其人工智能的、无人驾驶的汽车是“世界上最安全的驾驶员”，因为从统计上讲无人驾驶的汽车比人类自驾要安全20倍。
实现这种未来的关键是人工智能学习语言和对话的需求。在2015年5月接受《卫报》采访时，人工神经网络专家杰夫·辛顿（Geoff Hinton）表示谷歌正“处在研发出有能力进行逻辑思维、自然对话甚至打情骂俏的算法的边缘”。谷歌现在正致力于将思想编码成由数列描述出来的向量容器（vector）。按照辛顿的说法，这些“思想向量容器”可以在10年之内赋予人工智能系统与人类相似的“常识”。
辛顿预测说，在一些方面的交流可能更具挑战性。“反语将很难理解，”他说，“你不得不首先掌握字面意思，但话说回来，美国人也不懂反语。计算机将在达到英国人的程度之前先实现美国人的水平……”
2015年5月21日《卫报》对辛顿的采访
让机器实现认知理解的这些算法类型只有当大规模数据处理和计算能力得以应用时才会成为可能。
图灵测试或一种能够模仿人类的机器是否为人类与计算机互动所需要的基准呢？未必。我们必须认识到我们并不需要一种机器智能完全实现与人类的对等，因为这对就业或我们的生活方式具有颠覆性。
为了认识到为什么与人类相当的计算机“头脑”并非是关键目标，我们需要理解人工智能在其三个不同阶段上的演进。
机器智能——基础的机器智能或认知，替代人类思考、决策或处理特定任务的一些元素。神经网络或算法可以对非常具体的功能做出与人类相当的决定，并在基准基础上比人类有更好的表现。这并不限制这种智能具有学习或认知能力以便其能够在其原初编程之外学习新的任务或处理新的信息。实际上，许多机器智能已经具备了这种能力，比如谷歌无人驾驶汽车、IBM的机器人沃森、高频交易（HFT）算法、脸部识别软件。
通用人工智能——与人类相当的机器智能，不仅通过图灵测试以及能像人类一样做出反应，而且能够做出与人类相当的决定。它也将可能处理非逻辑或信息方面的提示，例如感情、语调、面部表情和现在具有生命的智能可处理的细微差别（你的爱犬是否可以分辨你是在生气还是在伤心？）。从本质上看，这样一种人工智能将能够成功地完成人类可以完成的任何智力任务。
超智能——一种机器智能或机器智能组合（到底应该怎样称呼一群机器智能呢？），已经作为个体或集合体超越了人类智能，以至它们能够理解和处理人类所无法理解的概念。
我们并不需要完全的人工智能对就业模式产生重大影响或将从事服务行业的人们置于风险之中。我们不需要再等下一个10年、15年或30年去看到这种事情发生，而且图灵测试作为一种对机器智能颠覆我们生活和工作方式的能力的测量方法几乎毫无作用。
事实上，机器若要真正地被认为是有智慧的，并不需要进化出与人类完全相同的智能。按照我们应用到动物界的一套测量方法，沃森可能已经展示出了比今天地球上生活着的许多物种远为强大的智能。机器必须像人类一样聪明或比人类更聪明才能被认为是智能的吗？否。实际上，就其核心而言，我们真的不应该期待人工智能会像人类一样思考。为什么机器智能一定要演化或进化成与我们完全一样从而进行思考呢？这并不是必要的，而且也很可能不会如此。让我列举两个例子。
2009—2013年，机器智能高频交易算法占全美股权交易量的49%—73%，2014年在欧盟占到38%。2010年5月6日，道琼斯急跌至最大日内指数损失，而几分钟之内就收复了这种损失。在为期5个月的调查之后，美国证券交易委员会和美国商品期货委员会发布了一份联合报告，结论是高频交易从很大程度上造成了这种所谓的“闪电”崩盘。一家大型期货交易机构——芝加哥商品交易所集团，调研发现高频交易算法很可能稳住了市场并降低了这次崩盘的影响。
对已经在过去100年间将交易发展成为一种高雅艺术的行业来说，高频交易算法代表着对高盛、瑞银集团和瑞士信贷的交易室的重大脱离现象。这些算法本身已经严重偏离了典型的人类行为。在分析高频交易的交易模式时，我们观察到了非常不同的行为和决策。是什么导致了这种变迁？
也许是因为高频交易既不具有人类交易员可能具有的偏见（例如，持有一种资产类别头寸比所建议的时间长，原因是个体交易员喜欢这个股票或这个行业），也不具有决策时相同的伦理基础。虽然一些人可能主张华尔街并不是真正的道德堡垒，但事实上除非这些技巧被编到程序中，否则高频交易算法完全不具备决策的道德基础。
人们在跑道上测试奥迪无人驾驶汽车——两辆改良的奥迪RS7，其行李箱中安装着PS4（一款家用游戏机）大小的智能设备。这两辆可以赛车的奥迪车在这个阶段并不能完全地无人驾驶，因为工程师需要首先驾驶它们跑几圈以便车辆能知道自己的边界所在。这两辆赛车称为阿贾伊（Ajay）和鲍比（Bobby），[26]有趣的是尽管硬件、软件和地图构建（mapping）相同，它们却养成了不同的驾驶风格。尽管奥迪工程队伍具有大量的专业技能，他们却无法轻而易举地解释为什么这两辆赛车在驾驶风格中存在这种明显的差别。
我们可能在机器认知中看到很多不同的智能变种，虽然它们无法符合传统的人类模型或我们的期待，但仍然将对传统的人类决策进行改善以及颠覆人类传统的批判性思维方式。一种发展自机器的智能不同于人类智能并不意味着它就是下等的或具有更低级的智慧。
最为担忧人工智能掌握世界或控制人类的人很可能将所有的人工智能都认为是拥有超级智商的人类，拥有人类所具有的相同的欲望、道德、暴力及自我主义倾向。人类自己的超智能版本肯定会非常令人恐惧。然而，根本没有理由认为人工智能具有人类的性情、偏好和偏见。事实上，与之相反的情况更有可能。
我们所拥有的人工智能将能够在未来几年之内探测情绪和感情，当你撒谎的时候它们也将能够探测到。在某个时间点，我们将很可能把选举政府的流程交给人工智能。想象一下，一个真正清洁的、不具有偏见的选举流程会怎样开展，尤其是我们要使用人工智能并通过最佳的边界和选区配置在最大程度上代表每个合格选民。资源分配和气候变化等问题的应对会怎样呢？当人工智能能够建立具有高精确度的数千年地球气候的模型，并给出关于持续使用化石燃料的精确可靠的影响预测或者奶牛放屁对二氧化碳水平的影响的时候，想一想那将如何影响资源分配和可再生能源采用。
是的，人工智能确实代表着对现状的威胁，因为它将很可能是最纯粹形式的常识和逻辑。任何在今天无法通过气味测试的东西将在人工智能的世界中被快速揭露出来。由于参与其中的机器学习及做出假设的能力，很快我们就将不得不承认浅薄的人类决策在面对事实详尽、思维高效、无可辩驳的机器逻辑时根本无法与之相抗衡。在15年之内，人类将很可能在一些城市中被禁止驾驶，因为无人驾驶汽车将明显面临更少的风险。保险公司也将对人类驾驶的车辆收取更高的保险费。
我们需要认识到机器智能在其构成形式上可能仍然与人类相差甚远，而且在与人类对等的人工智能得以实现之前肯定就会具有颠覆性。不要仅仅因为我们离与人类相当的人工智能还有二三十年之久就认为这一切都是理论性的。很久以前机器就在抢人类的工作了——从200年前蒸汽机出现的时候就开始了。算法和机器人仅仅是颠覆行业的科技长线中的一个机械系统而已。
[1]常见的音乐贺卡能够存储3.5MB音频文件。
[2]在1985年，美国银行在其旧金山数据中心拥有7台IBM3033型主机，联合处理能力是每秒400亿次浮点数运算能力。三星Galaxy S6具有每秒1.2万亿次浮点数运算能力或者相当于每秒3800亿次浮点数运算能力的多核架构。
[3]不包含舱内娱乐系统。
[4]作者的计算结果。在1995年，有4500万台计算机连接到网络。如果它们当时都安装奔腾处理器或与之相当的处理器，就等于120MHz×4500万，大约是5.5千万亿赫兹（每千万亿赫兹为1015赫兹）。如果在2045—2050年摩尔定律继续适用，我们就会制造出具有同等能力的单个芯片。
[5]Gregory Gromov,“Roads and Crossroads of Internet History,”NetValley,1995,http://history-ofinternet.com/.
[6]IBM个人计算机（5150型）在1981年8月12日面世。很快又于1983年3月8日发布了IBM5160，也就是我们现在所知的IBM XT。这款机器配置了希捷公司的10MB硬盘。在之后10多年里，人们说到的主流个人计算机是IBM兼容机，这显示出了IBM个人电脑品牌宣传在当时的强劲势头。
[7]2014年10月22日纽约邦瀚斯拍卖行举办的“科学史”拍卖会上，50台Apple I原型机中的一台（也是其中仅存的还能运行的大约15台中的一台）以惊人的905000美元价格售给了亨利·福特博物馆。
[8]来源于思科物联网。
[9]“Minecraft”商标为魔赞公司（Mojang）/微软公司所有。
[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]在全球范围内，ECG一词最为常见，代表“心脏”的希腊语单词cardia或者kardia是这种首字母缩略词的核心（elektro-cardia-graph，直译为“电–心–图”）。在美国常见用法是EKG，使用原希腊拼写词组而非英语的音译（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经常被称作“肿瘤抑制蛋白”，因为它在防止身体产生癌细胞方面发挥着作用。
[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]此处，摩擦指使用软件所需要的用户工作量。高摩擦需要多种互动、点击或登录。低摩擦需要少量互动，基于之前的互动、外部数据等构建数据模型。低摩擦界面具有最佳的信息展示效果、高度可读性及可用性。
[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]特斯拉在其车辆中使用了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]选自比尔·盖茨在1997年10月1日微软开发者大会上的演讲。
[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]阿贾伊和鲍比分别为测试车A和测试车B。
[27]单色字符终端，只能显示黑白字符，不能显示图像。——编者注
[28]IBM 的一款台式机。——编者注
[29]运行于苹果电脑中的操作系统，是首个在商用领域成功的图形用户界面操作系统。——编者注
[30]苹果公司的移动操作系统。——编者注
[31]乔纳森·埃维，苹果公司首席设计官。——编者注
[32]1 平方英尺≈0.09 平方米。—编者注