36氪领读｜人类必然被技术取代？不，增强能力即可

36氪专门为读书设立了【36氪领读】栏目，筛选一些值得读的书，并提供一些书摘。希望你手边有一本称心的书，让读书这场运动继续下去。

当阿尔法狗可以击败世界顶尖围棋大师，我们该如何恰当地使用它们，才能让人工智能大显身手？当新兴技术给商业和社会带来巨大影响，人们开始担心人工智能将取代自己的工作，蒂姆·奥莱利将告诉我们，如何利用技术来创造新的可能。本文摘编自《未来地图 : 技术、商业和我们的选择》作者［美］蒂姆·奥莱利（TimO’Reilly）。

CHAPTER 15：无须取代人类，增强能力即可

认知工作能否取代20世纪工厂中的大量就业？这样的工作是否会有足够的酬劳，以支持繁荣的飞轮继续运转？这是两个不同的问题。

对于第一个问题，我想说的是，在农业时代，很难想象这么多人能在工厂和城市找到工作。然而，自动化生产和大大降低的生产成本，使得对以前没有的产品和服务的需求大幅增加。现在，我们要再次让人们都有事情做，并创造新的繁荣。技术创新的经验提醒我们，想进步，就要想前人之未想，做前人之未做。

至于第二个问题，我们必须确保生产力成果为大众共享。第一步就是要让人们准备好迎接即将到来的未来。

从2013年到2015年，我都是马克尔基金会美国再就业项目专题工作组的成员，参与探讨美国经济的未来。工作组面对的问题是如何为数字时代的美国人提供机会。政治学家与作家罗伯特·帕特南的一句话打动了我，他说：“当我们投资他人的下一代时，我们社会的所有重大进步就已经到来了。”

他是对的。19世纪的最佳投资之一是普及初等教育，20世纪则是普及高中教育。别忘了，1910年美国只有9%的孩子能读到高中毕业，1935年时这一数字达到60%，1970年接近80%。《退伍军人法》将二战退伍军人送入大学，实现了战时到和平时期就业的顺利过渡。

面对今天的经济变化，2016年的总统大选出现了全民免费社区大学的提案。2017年1月，旧金山市索性超越提案，同意将本市的社区大学——旧金山城市大学，免费开放给所有居民。这是伟大的一步。

但我们需要的不仅仅是“更多”教育或免费教育，我们还需要种完全不同的教育。美国前驻澳大利亚大使、现任富布莱特奖学金委员会主席的杰弗里·布莱奇表示，“如果今天的学生能活到120岁，他们的职业生涯可能长达90年，但所受训练只够保证他们有10年的竞争力，那就会出问题。”我们目前的教育模式依旧将上学当作为一个雇主工作终身做准备，但医疗保健和技术的进步，以及不断变化的就业市场，都使这一教育模式显得日益落伍。

我们需要新机制来支持终身教育和再培训，而不仅停留在早期教育阶段。无论是运动员、医生、计算机程序员还是熟练制造工，每个领域的专业人员都已这样做了。对他们来说，持续学习是工作的重要组成部分，获得培训和教育资源是最吸引优秀员工的好处之一。尽管“岗位”正在消失，对教育的需求却从未止步，反而还在增长。但教育的本质也需要改变。在一个知识可按需提供的互联世界里，我们需要重新思考人们需要知道什么，以及如何知道。

增强工人

你可以把苹果零售店的店员看作生化人，即人类与机器的混合体。每家店都有一群配备智能手机的销售人员，为客户提供从技术问题到购买、结账等各方面的帮助。没有顾客从堆积如山的货架上取下商品、再排长队等结账的景象。整个店面就是一个产品的展示厅。当你确定所需商品时，销售员就会到里间提货，如果你已经是有信用卡记录的苹果客户（2014年时已达到8亿），你只需提供电子邮箱地址，就能拿着你的商品走出大门。苹果公司没有使用技术来削减工人和成本，而是为他们创造了新的能力，以创造惊人的用户体验。通过这种方式，他们创造了世界上效率最高的零售店。

这种设计模式与第三章讨论的来福车、优步的核心商业模式要素极其相似。苹果零售店和大多数人眼中的按需服务平台并不沾边，但它们有许多共同之处：联网协作、认知增强的工作人员与数据丰富、能识别客户需求并量身定制服务的平台一起联手打造有魔力的用户体验。

苹果零售店也证明了一个事实：技术本身并不具改变力；我们在应用技术时，也并非发明了什么新事物，而是重新思考世界的运行方式，挖掘我们的新潜力，把原有的事情做得更好，甚至是远远更好，以至于看上去像是对它进行了彻底的改头换面。

早期的文明成就中，人类就已经尝试用机械来增强自我能力。正是人类与技术的结合，让我们成为万物之王，这种结合给了我们比任何动物爪子都更坚硬锋利的武器和工具，增加了我们的射程，直到能捕猎最凶猛的野兽；更不用说通过改良作物使它们的产量大幅提升，以及通过驯养动物来使我们更快、更强。

我记得曾读过一篇关于人类跨越西伯利亚和阿拉斯加之间的陆桥的报道，其中引用了一个奇特的事实来分析跨越陆桥的可能日期。作者指出，迁徙不可能发生在缝纫技术发明之前，因为有缝纫技术才可能拼凑出紧密合身的服装，让人们能在冰天雪地中存活。缝纫！看来用骨针缝衣服曾经也是WTF?技术，使以前不可想象的事成为可能。

我们生产力的每次进步都源于人与机器的结合，使我们可以用同等的劳动力、能源和材料获得更多产出。正是生产力的提速和累积造就了现代世界的财富。例如，从1820年到1920年的一百年间，农业产量只翻了一番，但下一次翻一番只用了30年，再后来分别缩短到15年和10年。

生产力增长的最终源泉是创新。亚伯拉罕·林肯虽然不是经济学家，但是能敏锐地判断人类历史的动力，他写道：海狸也会造房子，但与五千年前比并无任何长进……人类不是唯一会劳动的动物，但只有人类能不断通过发现和发明来改进手艺。

一项发现或发明只有在被分享后才能改善所有人的生活。想想世界上最引人注目的发明之一。你能想象第一个控制火的女人吗？(我喜欢想象是女性做到的)她的同伴该有多惊讶，也许一开始惊恐不已。但很快就受益于她的大胆发明，感到温暖和满足。然而比火本身更重要的，是她告诉了别人这件事。

语言是我们最伟大的发明，它让人们薪火相传。当知识被拥抱和分享时，社会就会进步并变得更加富有。当知识被封存或漠视时，社会将变得贫穷。

15世纪欧洲出现的活字印刷技术带我们步入现代经济，它们让知识与自由涌现，因为新事物发现者可以将知识的火炬传承给尚未出生或千里之外的人。这些发明和发现用了几个世纪的时间来充分发挥潜力，随着识字的价值慢慢惠及众生，受过良好教育的人进一步加快了发明和传播新思想的速度，创造了更多学习、发现和消费的需求。互联网又是另一次巨大的飞跃。但网络浏览器——或者说，在线的文字和图片——只是半途的驿站。它提升了知识的可获取性和传播速度，但并非是一次质的飞跃。

知识分享的最终阶段是将之嵌入工具。以地图和导航为例：从纸质地图到GPS和谷歌地图，再到自动驾驶汽车，这条路径阐释了我所说的“知识之弧”。知识共享经历了从口头语言到书面文字，从大规模实体生产到电子传播，再到将知识嵌入工具、服务和设备中。

过去，我可以找人问路，或者调用纸质地图中的知识储备。最早的在线地图只是纸质地图的复制品，而现在我可以准确看到自己所处的位置，实时看到如何抵达想去的地方。下一步就是我可以不必劳心劳力，只要让车子载我去目的地即可。再之后就是想象，当交通可以像流水一样通畅时，我们还能有什么新想法。

这种将知识嵌入工具的做法并非创新之举，它一直是我们从对物理世界的掌控中获得生产力提升的关键，必然会给社会带来巨大的变化。

亨利·莫兹里在1800年造出了第一台螺纹切削车床，让大规模生产成为可能。这种机器每次生产出的零件都一模一样——而如果使用手工工具的话，即便最熟练的工匠也无法做到。从第一批误差不超过千分之一英寸的螺母和螺栓，诞生了几百、几千乃至几百万的产品，它们都是莫兹里的创造所孕育的子子孙孙。

同样，当亨利·贝塞麦在1856年发明廉价大规模炼钢方法时，他不仅去除了铁中的碳和杂质，还加入了知识。当人类掌握了廉价大规模炼钢技术，未来就拥有了各种可能。安德鲁·卡耐基通过为一个比英国大得多的国家生产铁轨而发家致富，并取代英国成为全球钢铁行业之王。钢梁让摩天大楼拔地而起，钢缆促进了电梯和巨大吊桥的建造。19世纪的每项WTF?技术都环环相扣，与今天的技术成就如出一辙。

大数据技术的崛起，充分诠释了知识的创造、分享和嵌入工具这三部曲。为应对不断攀升的网络规模，谷歌不得不开发了全新技术，其中最重要的是MapReduce，它将大量数据和计算分割成许多块，分布到成百上千台并行工作的计算机上。它可以用于解决很多各种各样的问题，而非只是搜索。

谷歌在2003年和2004年发表了关于MapReduce的论文，将其秘密公之于众，但直到道·卡廷在2006年开发出基于Map-Reduce的开源应用Hadoop，这项技术才得以大规模应用。Hadoop使得许多面临着谷歌当年困境的公司都能更便利地应用MapReduce技术。

这一步是软件工程取得进展的关键。新问题催生新的解决方案，但最初的解决方案往往都是手动完成的。只有当它们嵌入工具，更便于使用以后，这些非凡的创新才会成为下一代开发者的日常工作。机器学习也正在从手工建模阶段向工具阶段过渡，将来普通开发者也可以搭建自己的机器学习。一旦实现，人工智能将渗透和改变整个社会，一如大规模制造业对19世纪和20世纪的改造一样。

农业生产力的大幅提高也是思想与物质融合成新工具的结果，但又略有不同。农业生产力的提高不仅是使用机器从事种植收割等工作和高效化肥(也是工业产物)的结果，也离不开培育更高产的作物品种。卢瑟·伯班克培育出了目前种植最广泛的赤褐色伯班克土豆，他与发明了联合收割机的海勒姆·摩尔一样，都提高了生产力，但二者投入的知识和材料的比例却非常不同。

简言之，在实体上的增强和在精神上的增强彼此交织，共同起舞。其中一个前沿领域是给实体世界加上传感器，以前所未有的规模来收集和分析数据。这也是理解“物联网”这一概念的关键。过去只能猜测的事物现在都可知了。（由于数据驱动让一切有据可循，不确定性得以消除，保险可能是物联网原生的商业模式，就像广告是互联网原生的商业模式一样。）这不是单指Nest温控器、亚马逊智能音箱、Fitbit运动手环或苹果智能手表，甚至自动驾驶汽车这些智能的联网设备，而是这些设备所提供的数据。未来的可能性正不断突破人们的想象。

孟山都收购了谷歌前员工大卫·弗莱德伯格和斯拉吉·哈利奇创建的大数据气象保险公司，并将其技术与基于土壤成分进行播种布局的数据控制系统精密播种搭配使用。他们很好地诠释了农业生产力的新焦点在于数据和控制。当空中的眼睛能精确地告知农民其土地状况和庄稼生长情况，并自动引导他的设备据此操作时，就可以减少种子、肥料和用水量了。

这同样适用于工程与材料科学。记住索尔·格里菲斯的话：“我们用数学代替材料。”索尔的一家公司Sunfolding向大规模太阳能电场出售一种太阳追踪装置。这套装置用简易的气动系统取代了电机和齿轮，所用材料就是用来生产软饮瓶的塑料。它的重量和成本只是传统同类装置的一个零头。另一个项目将储存天然气的巨大碳素钢储气罐替换成肠道一般的塑料细管，既能放进任何形状的空间，又降低了灾难性爆炸的风险。事实证明，当你正确理解了物理原理，就真的能用数学代替材料。

格里菲斯告诉我，“1660年，罗伯特·胡克提出了胡克定律1。”“这意味着我们可以把任何材料都看成是线性弹簧，”格里菲斯继续道，“这在前计算机时代很重要，因为在设计承重桁架与结构时可以简化数学计算。但在现实世界中，没有任何材料是完全弹性形变的，尤其是塑料和橡胶。现在我们有这么多可用的计算技术，足以让我们设计出全新的机械和结构，完成以前不可能完成的任务。”

新的设计能力与新的制造技术密切相关，就像3D打印。3D打印不仅可以提供低成本的原型制作和本地制造，还可以超越传统制造技术，产出不同的几何形状。各种软件应运而生，鼓励人类设计师走出熟悉的领域，探索更多可能性。未来不仅关乎融合了传感器和智能的“聪明材料”、工具和设备，也包括用智能工具和更好流程制作的“傻瓜材料”。

软件设计公司欧特克是这个理念的忠实践行者。他们的下一代工具组件支持所谓的“生成设计”。工程师、建筑师或产品设计师都可使用一系列设计条件——功能、成本、材料，并通过运行在云上的遗传算法（一种基本的人工智能）返回数百种甚至数千种可能的目标实现方案。在这个迭代的过程中，人和机器一同设计出人类前所未见、也从未想到过的新样式。

最吸引人的是借助计算来帮助设计全新的外形、材料和工艺。比如全球性的建筑和工程公司奥雅纳运用最新手段制造出了仅有原来一半大小和一半用料，承重力却不变的结构部件。机器设计的最终成品看起来甚至不像人类能设计出的东西。

新设计、新材料、新制造的融合最终将让我们能创造出新的产品，就像1889年震惊世界的埃菲尔铁塔。我们是否有一天也能造出科幻小说里的太空电梯，或埃隆·马斯克的超级高铁交通系统？

人类与最新技术的融合不止于此。已经有人尝试将新的感官直接植入大脑和身体——请不要误会，GPS已经算是加入到人类的感觉中枢了，虽然还只在体外。也许，我们有一天能把纳米机器人——极微型机器——输入血液，以修复细胞，使当下令人惊艳的器官移植与髋关节置换都退位到老技术博物馆中？或者我们不是通过让机械艺术尽善尽美，而是沿着卢瑟·伯班克踏过的路，拓出新天地？合成生物学与基因工程领域正不断取得惊人的突破。

乔治·丘奇正与他的哈佛同事展开一项有争议的十年研究计划，从零开始创造一个完整的人类基因组。莱恩·费伦和斯图尔特·布兰德的重生与重建项目则试图用基因工程来挽救濒危物种的基因多样性，也许有一天能让灭绝物种复活。诸如CRISPR-Cas91这样的技术则使得研究人员能改造生命体的遗传物质。神经技术——研究机器与大脑和神经系统直接对接的技术——则是另一个前沿领域。人们已经在能提供传感反馈和能直接响应意识的义肢技术上取得重大进展。在创新的更前沿，在线支付平台Braintree创始人布莱恩·约翰逊，在以8亿美元将平台出售给贝宝后，用所得收益再次创业，致力于用神经记忆植入体来治愈阿兹海默症。布莱恩确信，现在是神经科学走出实验室激发商业革命的时候了，它不仅能修复受损大脑，还能增强人类智力。

布莱恩不是唯一高调进军神经技术领域的企业家。微软的IE浏览器之父托马斯·雷尔登在离开微软后，攻读了神经科学博士学位，于2016年与人合伙创办了CTRL-Labs，生产出首个消费级人脑-机器界面。雷尔登在给我的电子邮件里写道，“每段数字体验可以也应该受神经元控制，这些神经元能传递你的思维，能够直接支配你的肌肉。这是神经科学与计算科学的伟大结合。我们用机器学习来翻译生物物理信号，甚至可以精确到单个神经元，以便你完全掌控数字体验。”

埃隆·马斯克在2017年携Neuralink加入了这个领域，按他的话说，这是“为了在大概四年时间里给市场带来一些能改善严重大脑受损的成果(无论是中风、癌症病变、还是先天性造成)。”被允许大量接触Neuralink团队的趣味科普博客WaitButWhy博主蒂姆·厄班解释说，“埃隆做公司的早期核心策略往往是通过发起竞赛来点燃一个行业，从而吸引整个人类的智慧参与其中。”在前人未涉足的领域做出可盈利、可自我维持的事业，就能够让其他人都来蜂拥尝试新机会。也就是说，马斯克和布莱恩·约翰逊一样，他们的愿景不仅在于建立公司，更在于开辟新行业。

对Neuralink来说，这个新行业就是广义的脑机接口，可以让人类和计算机更高效地进行交互。谈到目前数字设备已经带给人类的增强能力时，马斯克指出，“其实你已经是数字化的超人了，”但他指出，我们与这些设备的界面交互非常低效——总得打字甚至大声说话，“我们应该能够借助直接的神经交互界面来大大提升速率。”

这些技术像其他人工智能技术一样，会引发大量的问题和恐惧。它们可能会像其他拥有强大能力的工具一样，在初期经历动荡与激烈抗拒后才能普及使用。但我认为最终我们能驾驭它们，让自己过上更长久、更快乐、更充实的人生。

我还小的时候，长年坚持每天读一部科幻小说，但人类现实中的成就却远未达到我的期望，导致我长期对未来感到失望。但今天，我看到人类已取得长足进步，越来越接近我童年的梦想。

让我们再说回到人工智能。人工智能不是某种激进的搅局者，也不是来自未来、敌视人类价值、让所有人失业的机器。知识是国家财富的真正源泉，而人工智能能进一步传播和运用知识。我们不应感到害怕，而应深思熟虑地让它创造更多价值而非破坏社会。它已经被用于增强人类智慧，而不是取而代之。

“我们已经看到棋类游戏的发展，像芒努斯·卡尔森这样的年轻冠军已经利用人工智能象棋引擎形成新的下棋风格，”布莱恩·约翰逊指出，“加上普通人类和无人机合作的先例，很明显，人类和人工智能可以有多种多样的组合形式，创造新的艺术、科学、财富与意义。”和埃隆·马斯克一样，布莱恩·约翰逊相信我们必须使用神经技术直接提升人类智力对人工智能的使用效率。“要真正激发人类智力＋人工智能的潜力，”他说，“我们需要将人们吸收、处理和利用信息的能力提升数个量级。”但即便人类智能的直接提升程度还未达到布莱恩的设想，企业家们也已经在用人工智能增强人类能力了。

让许多旅行社倒闭的旅游搜索网站Kayak联合创始人保罗·英格利什已成立名为Lola的新公司，通过让旅行社代理与聊天机器人、后端机器学习环境配对协作，达到最佳人机互动。保罗这样描述Lola的愿景，“我想让人类重新酷起来。”他认为，既然人类的象棋大师与象棋计算机结合可以击败最聪明的象棋计算机或最聪明的人类顶级大师，那么经由人工智能增强的旅游顾问就能应对更多客户，比起普通旅行社、或游客自己使用传统搜索引擎搜寻优惠和攻略，能推荐更好的旅行计划。

联结旅行社、Kayak和Lola，将曾经只归于旅行社代理的专业知识嵌入更先进的工具中，这一实践教给我们一些重要的道理。Kayak靠自主搜索服务这一自动化模式取代了旅行社，而Lola又将人类拉回来，以提供更好的服务。当我们在说“更好的服务”时，我们通常指的是“更人性化，不那么机械化的服务”。Fin是一家基于人工智能的个人助理创业公司，其创始人兼首席执行官萨姆·莱辛表达了同样的观点：“技术圈的人经常问我‘人工智能何时会取代Fin的运营团队？’”他在邮件中写道，“然而，在Fin，我们的使命不是为了自动化而自动化。我们的指导原则是为Fin的用户提供最佳体验……技术显然是其中一环，但人也是系统的关键部分，这样才可能带来最佳客户体验。技术在Fin的角色主要是让运营团队将时间精力专注于那些绝对需要人类智力、创造力和共情的工作上。”

让我们再次回顾克莱顿·克里斯坦森的高利润守恒定律：当某件商品平价化后，其他事物随之变得有价值。当机器将一些重复性、机械化的脑力劳动商品化后，真正由人类贡献的成果将更富价值。

寻找能提升人类价值的前沿领域，是下一代企业家乃至全社会面临的重大挑战。

除了能提供更好、更人性化的服务外，自动化还能挖掘不起眼工作的价值。年轻的英国程序员乔西·布劳德在收到一张他觉得不合理的停车罚单后，花几个小时写了一个抗议交罚款的程序。罚单撤销后，他意识到这能变成一门服务。此后，被乔西称为“机器人律师”的DoNotPay（“不要支付”）已经撤销了超过16万张罚单。乔西进而在FacebookMessenger上创建了聊天机器人，帮助难民自动生成到美国、加拿大和英国的庇护申请。

有许多工作因为成本太高而无法完成——如抗议不合理的停车罚单——而试图降低其成本又与现行商业模式相冲突。曾受过律师培训的程序员蒂姆·黄告诉我，他在律师事务所上班时，就着手降低自己的工作负担。“每天我都有一系列任务要做，于是晚上回家就写程序，下次帮我自动完成这些任务，”他说，“我工作越来越高效，但这又给公司带来了问题，因为他们的商业模式是按时计费。于是我就在被解雇前自己辞职了。”

通往机遇之路

开优步或来福车的司机演示了两种不同能力的增强。第一种由谷歌地图和类似服务提供，将城市布局等内容嵌入到工具中，司机就再也不需要对城市了如指掌了，谷歌已经代劳。另一种增强由优步或来福车应用自身提供，这类应用提供的是通往机遇之路，提醒司机有乘客可接，并告知何处接客。按需服务应用的真正创新在于为劳动者和需求方提供了更精简、更灵活的匹配方法。

匹配居家护理人员与病人的Honor公司，其创始人塞斯·斯特恩伯格将提升匹配效果奉为公司业务核心。和优步不同，Honor的护理人员都受雇于公司，但客户的服务需求又经常变化。有些护理人员和病人保持长期关系，其他人则只需满足短期服务需求。赛斯对我说，给病人匹配合适的护理人员非常重要。不是离得近就好，护理技能也很重要。有些病人可能需要一个足够强壮、能抬得动人的护理人员，有的则可能需要特定的专业护理。一个能帮助员工提前了解他们工作内容的平台能创造更好、更长久的客户关系，让客户更满意，系统更高效。

Upwork是一个让企业能寻找如编程、图像设计、写作、翻译、搜索引擎优化、会计、客户服务等领域自由职业者的平台，对于它来说，提高匹配效率也是业务的重要组成部分。Upwork首席执行官史蒂芬·卡斯利尔指出，如果想了解求职市场动态，Upwork是最佳途径，因为这里的“工作流动性”非常高。平台上典型的职位期只有几天或几周，而不是几年。史蒂芬告诉我，平台上有三类用户，而平台能为他们提供不同的工作。

史蒂芬说，第一类人，已经在平台上有拿得出手的技能和良好声誉，且因为自己处于“流动状态”不愁接单，平台不需要再花太多力气帮助。

第二类人，有技能，但尚未建立声誉，也接不到足够多单子。Upwork内部数据科学团队的工作重点是要找到这些人，指引他们投递合适的在招岗位。难点不仅在于帮他们找到与其技能完美匹配的工作，通常也需要引导他们关注人才供应不足的新领域，这样只要稍加学习或再培训就能在树立声誉和获得推荐的良性循环中站稳脚跟。史蒂芬举例说，几年前有充裕的Java开发人员，但安卓开发人员不足，让第二类人在平台上找到岗位（还能挣得更多，因为安卓薪酬比Java高）的最好方法就是学习新技能。如今，有数据科学技能的工作者不够，因此这类工作会有更高的报酬。

第三类人，能力与所申请岗位不匹配。这时正确的做法是阻止人们继续申请不适合的工作。史蒂芬告诉我，“他们花在申请不合适工作上的时间其实可以用在其他工作上。”

Upwork已经发展出了一套自己的技能评估系统，每个月进行10万小时的评估量。Upwork评估机制的过人之处在于，其结果是立即可查的，因为每个人要么能满足雇主要求，要么不能。与此形成鲜明对比的是很多教育公司出售的评估工具，虽然提供了纸质认证，却鲜有能表明工作者确实称职的证据。

所有这些都表明，我们可能正处在一个摆脱当前劳动思维惯性的转折点。我们要重新发现如何利用技术来增强工人的能力，让他们发现自身优势以及与其相匹配的机会，打造更便于高效协作的工具，并创造出“高度自由”与“高速流动”兼具的动态化按需劳动力市场。

学习是最重要的增强途径

理解未来的关键之一是要认识到，随着已有知识嵌入工具，就需要学习另一种知识来使用它，再有另一种知识来改进它。每次增强的飞跃之后，学习就成为一种当务之急。

我在我的职业生涯中对此屡见不鲜；而我的工作就是向程序员们讲授关于下一代技术的知识。1978年，我为数字设备公司的“LPA11K实验室外围加速器”编写了第一本计算机手册，它描述了如何用汇编语言从高速实验室数据采集设备上获取数据。汇编语言是低级语言，非常接近于在计算机底层运行的机器代码。给计算机的指令必须十分明确：将数据从该设备端口转移到硬件内存寄存器；对其执行运算；然后将结果存入另一个内存寄存器，并写进永久存储器中。

虽然有些程序员依旧需要深入了解汇编语言，但大多数程序员都是通过诸如C、C++、Java、C#、Python、Javascript、Go和Swi这样的高级语言来编写更通用。更高级的指令，然后再借助这些高级语言的编译器或解释器来生成机器代码。同时，这些程序员也在创建用户界面，让那些不懂编程的人也能调用强大的功能，要是在几十年前，如果不了解计算机实际内存结构和指令集合，根本做不到这点。

但即便是现代编程语言和人机界面也只是中间阶段。谷歌聚集了全球数万名最优秀的软件工程师，但如今它也意识到，需要在机器学习这一新学科上对员工进行再培训，因为它采用完全不同的方法来编程和训练人工智能模型，而不是直接写代码。他们不仅送员工上学，还实行学徒制。

这凸显了我在职业生涯中屡次观察到的一个事实：技术发展远远领先教育系统。在早期个人计算机还采用BASIC语言时，程序员可以相互学习，看书自学，或查看用户组共享的程序源代码。当BASIC教学班第一次出现在课堂上时，行业已经远远超越了它。当学校在教如何用PHP搭建网站时，更大的机遇已经转移到搭建智能手机应用或掌握统计学和大数据了。

这种滞后性，是奥莱利在过去几十年中作为专注于新兴技术的出版社能取得成功的关键所在。没有人能告诉我们人们需要什么，我们必须相互学习。我们会去寻找那些处于创新前沿的人亲自写作，或派作家跟随专家，提炼他们的知识。我们的所有畅销书都是这么做出来的，包括Linux的最前沿技术，互联网技术，Java、Perl、Python和JavaScript等新的编程语言，全球顶尖程序员的最佳实践，以及最近的大数据、DevOps和人工智能。2000年，我们在《出版人周刊》的封面广告中大胆宣称：“奥莱利的图书成就了互联网”，这一事实得到了每个人的认可。

随着技术发展步伐的加快，组织线下活动成为我们工作的重要部分。我们还建立了知识共享平台，让任何具有独到技术或业务技能的人向我们的客户传授知识。这一平台取名Safari1，以纪念我们出版物封面上19世纪木雕风格的动物们。如今该平台上已有来自数百家出版社的数万本电子书，数千小时的教学视频，学习路径，整合了文本、视频和可执行代码的学习环境，以及领军人物讲解尖端技术的在线直播。

我们业务的一大变化是，曾经只在创新前沿的实验性技术已经成为了主流。不只是程序员个人或小型初创公司，哪怕是财富500强公司，都必须追上技术本身发展的步伐来学习。我们正面临深刻变革的时代，但我知道，无论获取新知识的技术与方式如何变化，总有些东西是不变的：

人们要有一定的基础：起码要能够正确提问和接受新知识；

人们相互学习；

人们在动手解决实际问题、寻求他们需要的知识时，学习效果最好；

人们因着迷于所做的事情，出于兴趣愿意投入个人时间来学习，而不仅出于工作需要时，学习效果最好。

《未来地图 : 技术、商业和我们的选择》

内容简介

从3W网站到开源软件，到Web 2.0，到创客运动，再到大数据——蒂姆·奥莱利凭借自己的天分，洞见了那些“将从根本上改变世界的新兴技术”，并清晰地指出它们到底意味着什么。从2015年开始，蒂姆·奥莱利的目光转向“技术将如何影响未来的工作”这一焦点领域：人工智能和算法将把世界带往何处？商业组织的发展能否找到新路径？收入不平等和技术失业是否不可避免？按需学习将如何颠覆传统教育……

《未来地图 : 技术、商业和我们的选择》是蒂姆·奥莱利写给大众读者的第一本书。在这本书中，他揭示了人工智能、按需市场、增强现实和其他新兴技术给商业和社会带来的巨大影响，并对企业和员工乃至全社会提出了诸多实用性的建议，即：如何在巨变中成为时代的领导者。在这本书中，我们还可以看到他对全球大脑、平台思维、平台型政府、天网等诸多重要概念的精准描述。

作者简介

蒂姆·奥莱利（Tim O’Reilly），生于 1954年6月6日，爱尔兰裔美国人，硅谷的传奇人物，因倡导Web 2.0及开源运动等革命性思想，不止一次引领了全球互联网的走向，让IT界及商界受益无穷。1978年，他创办了“奥莱利传媒”，通过传播前沿技术与先进理念，不断推动着互联网的发展。因其对未来趋势与商业模式的准确把握，他被媒体、学者、作家、企业领袖称为“业内权威”、“趋势观察员”、“值得信任的向导”、“思想领袖”、“硅谷先知”、“硅谷布道师”、“硅谷精神领袖”、“伏地听声的人”。

来源：36氪