人工智能时代：破解人机共存密码（套装共10册）

这8个设想能够互补互织，把现在创建成一个稳定和谐的世界，在这里，人们和社区能够实现全球交互。如果我们想要看到这些梦寐以求的设想变成现实的话，我们需要开始为此打下基础，一步步顺利地将其实现。正如穆格公司首席技术官冈萨洛·雷伊所说：“你经常可以看到未来的愿景以及许多阻碍，但是你也可以看到可能的未来，然后攻克这些阻碍。大多数阻碍来自社会，而不是技术。”随后他指出，“尼尔做出了这些疯狂的预测，但是随着时间流逝，预测可能会成真。也许不会十分精准，但是肯定是在那一方向上前进的。”我们的目的是打破这些梦寐以求的、可实现的设想的平衡。为此，我们引进了一个引导性模型。

预言性转化模型

为了实现这些梦寐以求的愿景，甚至更多愿景的组合，我们需要解决在第2章中就提出的基本挑战。我们必须广泛改善数字制造硬件、软件和材料；我们必须培养技术和文学素养，使每个人都能有效利用这些技术；我们必须创造一个可用的生态系统来促进共同目标的实现；我们必须确保逐渐减少风险。

除了解决这些基本挑战，还有一个存在已久的问题需要不断管控。在这些不同的数字制造参与者和社区（比如“数制”工坊、创客工厂、骇客空间，等等）中，存在着一个有关互相依存和独立的紧张关系。硬件和软件开发者需要平衡这些易用性，使这些技术公开扩展。管理人员会在集中化和层次化的效率与分散化和分布式代理的平衡中挣扎。导师会一直面临教授别人知识与开发自己的项目的抉择。在这些情况下，存在着一个新兴生态系统和根深蒂固的制度之间的紧张关系。

伴随着这些令人向往的场景、门槛挑战和持久的紧张心理，当我们试图为塑造第三次数字革命提供指导时，我们找不到一个与任务相匹配的模型。尤其是，我们需要一个模型来优化数字和实体世界，这个模型是一种分布式参与方和利益间的复杂组合，不依靠单一管理者或实体来控制其进程。通过写这本书，我们开发了这种“预言性转化”模型。

这一模型具有预言性是因为它是以一张已被预测过的技术路线图为主、基于提高数字制造性能的可观察的指标的模型。这一模型是一种变革，因为我们不但对简单的预测感兴趣，而且对创造一个能够与社会系统一起演进的技术，进而给社会带来积极结果的预测也感兴趣。我们写这一章更多是为了路径创造者，而不是路径观察者。

该模型建立在许多已建立的变化模型的基础上，并与之形成对比。大多数早期的模型——从黑格尔基于康德理论提出的辩证模型（正题、反题、合题）到库尔特·勒温^[7]在1947年提出的具有影响力的改造模型（解冻、变革、再冻结）——能够预见变革和变革的必要性。但是他们也假定变化速度是线性的，最后以平稳状态结束，而不是以持续加速的变化结束。

现在受人欢迎的组织变革模型也是以平稳状态结束的，而不是以持续加速的变化结束的。例如，约翰·保罗·科特于1995年提出的被广泛引用的领导变革模型提出了管理变革的8个步骤，并以制度化变革（一个新的稳定状态）结束。同样，威廉·布里奇斯的2000年转型管理模型在个人层面上对人很有帮助，它记录了人们在接受新事物之前需要如何摆脱旧事物。然而，在一个技术呈指数级增长的世界里，抛弃陈旧事物成为一种无休止的状态。与我们的模型最接近的是W.爱德华兹·戴明的持续变化模型，这是一个计划、执行、检查和调整的循环，尽管他的模型并不是为利用分布式生态系统的力量和广泛的社会变化的力量而设计的。

许多分析新技术的采用、影响或周期性的常用模型都提到了埃弗雷特·罗杰斯的《创新的扩散》（1962年）、杰弗里·摩尔的《跨越鸿沟》（1991年）和克莱顿·克里斯坦森的“颠覆性创新”理论（1997年）的内容。美国政府还制定了一些有帮助的评估准则，包括美国国家航空航天局的“技术就绪水平”和美国国防部的“技术就绪水平评估”，以评估特定技术的成熟度水平。尽管所有这些模型都对将技术引入市场或渠道具有宝贵见解，但没有一个模型能将对持续加速的技术的分析与围绕一致的社会影响目标对不同的独立的参与者进行吸引和授权的机制结合起来。

我们设计了第三次数字革命的预测转化模型，但该框架可能与识别和塑造其他加速发展的技术相关。当然，这个模型只是在技术加速发展的世界中组织思想和行动的众多可能方式之一。这一模型是按照以下4个步骤建立框架的：

预测：变化速度

结盟：参与者

培养：赋能的生态系统

共同演化：技术和社会

因为这一模型需要对加速发展的技术有清晰的了解，所以这会在科学家、技术人员、社会科学家、故事讲述者、政策制定者、推动者和其他人之间形成一种持续的跨产业合作。这一模型被设计为一个框架，用来帮助传播进程，建议人们采用那些可被分布式参与者采纳、调整并推行的平台、工具和实践。这一模型应当具有灵活性、可适应性以及可扩展性，以在本土、区域、国家甚至国际层面上运行。

尽管模型中的4个元素是按顺序呈现的，但它们之间的交互是动态的。图6–14显示，模型的前三个部分（预测变化的速度、协调结盟的参与者和培养新兴的生态系统）是相对连续的，当每个阶段都取得进展时，它有助于技术和社会的共同进化。此外，它是一个连续的循环一个螺旋，只要有稳定的支架（不断努力），它就会持续上升，在整个过程中保持收益。

由于一本书在很大程度上是以线性呈现的，所以我们按顺序处理模型的每个阶段。在最后一节，关于共同演化的部分，我们可以很清楚地看到它们的综合。

科学即新闻

我们描述的所有愿景和其他正在出现的愿景，都是建立在数字制造性能不断改进的假设之上的。我们从指数角度而非线性角度思考并不是一种本能。所以，我们从预测数字制造技术的改变速度开始这一模型。这需要对驱使技术加速的、和现在的研究路线图有关的基础科学有一个基本的了解。当共同演化先驱者斯图尔特·布兰德在2016年的线上沙龙问答中被约翰·布罗克曼——一位思想领袖和代理人——问及“你认为最近科学新闻上最有趣的是什么”时，布兰德的回答十分具有建设性：“科学就是新闻。当你翻阅报纸或杂志时，所有人感兴趣的内容就是老一套的“他说她说”，有关政治经济的内容就像反复表演的戏剧一样，有关时尚的内容就像对新事物乏味的幻想一样，甚至，如果你了解科学，便可以预测技术。人性不会改变太多，科学也是。改变越来越大，不可逆转地改变着世界。我们现在生活在一个改变速度最快的时代。所以科学是一大趣事。”

布兰德说：“如果你了解科学，便可以预测技术。”在我们的模型中，我们从最开始就侧重于了解科学以及科学如何给研究路线图提供框架，给社会带来机会和风险。

我们在对数字制造领导者的调查中，询问了理解数字通信、计算和制造的基础科学的重要性。这些回答表明，对于超过70%的参与者来说，对基础科学的理解是非常重要的。与此同时，近40%的人表示这很难做到。对于这些反应我们用与第2章相同的可视化方法进行了说明（中间代表集中趋势，外面是离群值）。

如6–15图所示，对于难度的回答有很多种。当系统中存在大量的可变性因素时，改进就很困难。对于那些想要理解和深入讨论变化率的人来说，尼尔的章节值得一读。但这并不意味着你必须赞成他所有的假设，这是一个明智的讨论和辩论的起点。目前，只有大约1/4的“数制”领导人认为很容易了解基础科学。在这本书的写作过程中，我们不断地敦促尼尔，希望他能让我们和读者都能更容易地接触更关注科学或技术的章节，因为他所写的内容涵盖的资料对于理解可能的变化速率是必要的。我们对科学和技术路线图了解得越多，就越了解形成第三次数字革命的关键步骤。对基础科学的共同理解也会影响拉斯定律，这有助于组织我们的思维，也有助于确保我们在讨论数字制造性能时不会互相推诿，使我们的合作更加有效。

审视拉斯定律

数字制造路线图中的改变速率可能会随着时间的流逝而加快或减慢。比如说，在1975年，戈登·摩尔重新修改了他的预测，认为数字计算性能会从每年翻一番变成每两年翻一番。直到现在，数字计算性能的核心定义对于摩尔来说仍是不变的，而且需要适用于数字制造——这样在改变速率上的讨论和争辩就能运用相同的标准。对于拉斯定律来说，正如整本书所讨论的，我们用这个定义来定义数字制造性能：

现在“数制”工坊的性能是能够智造（几乎）万物，制造实 体物品并对其功能进行编程。

找到大家一致认同的有关数字制造性能标准的定义，对于帮助不同领域的参与方对拟建的发展路线图以及（技术）变化速率等有社会意义的问题进行有效讨论、争辩、预测是十分关键的。一些由未来学家、权威人士及新闻记者组成的“家庭小作坊”对未来技术和社会的组成进行了预测，其中大多数人设想数字制造的未来会更好、更快速、更经济。他们的结论表明，他们并没有真正意义上地投入这项技术。不幸的是，缺乏这种意识是许多教育者、政策制定者、慈善家和投资者的通病。正如我们在书中所述，3D打印机对于数字制造来说是增材制造过程的一个重要部分，但只能算“数制”工坊内众多数字技术的一种。就像尼尔说的：通过3D打印的单一角度去观望数字制造的天空就等于通过微波炉去观望食物制作的整个世界一样，具有片面性。

鉴于新兴技术的复杂性，许多人不愿放眼未来，并对预测行动提供信息的技术的发展感到犹豫不决，这是可以理解的。当然，我们可能会在许多社会科学家和政策制定者的身上看到这样的不情愿。

的确，这在学术报告中经常出现，初出茅庐的学者常引用这样的措辞：“预测是困难的，尤其是关于未来的预测。”这句话来自对尼尔斯·玻尔、塞缪尔·戈尔·德温、尤吉·贝拉、马克·吐温、诺斯特拉德马斯等人的格言的总结。在学术演讲中，这会被认为是一种自嘲式幽默。然而，它有一个微妙的不容置疑的影响，即强化了一种倾向：既做出小的增长性预测，又避免任何可能被视为“出头鸟”的东西。

即使是前两次数字革命中最老练的思想家和实践者也采取谨慎态度。在他们最近的一本名叫《爆裂：未来社会的9大生存原则》的书中，尼尔的同事伊藤穰一——麻省理工学院媒体实验室的主任和《连线》（Wired）杂志的编辑杰夫·豪强烈宣称：没有一个人可以预测未来，只有傻子才会去尝试。随后他们共同提出了9个组织原则来引导指数级变化。其中，他们建议把要解决的事件放在权威性之前考虑，把牵制放在推进之前考虑，把风险放在安全之前考虑，把整个系统放在个别研究物体之前考虑。这些原则都是为了解决这个问题：我们目前的认知使我们无法理解从通信到战争的各个领域的快速进步所带来的深远影响。

尽管这9个原则都是对数字时代中的合作的新思维模式的进一步洞察，但我们并不赞成伊藤和豪发表的言论：改变速度过快导致人们不能对未来进行预测。他们指出这一点是为了培养自立能力和灵活性，就像他们说的，拥有指南针而不是拥有路线图的重要性。相反，我们认为，如果没有路线图，就无法培养所需的机构，这样，分布式的个人就能够被授权进行集体辩论、讨论，并最终使发展加速、减速或以其他方式改变路线图。你不仅需要一个指南针，还需要一张路线图。一个更具有远见的态度能够帮助我们把观察由预测转化成集体行动（运用伊藤和豪的原则），从而实现这些预测。正如管理圣人（和其他人一同被授予这一评价）彼得·德鲁克所说：“预测未来的最好的办法就是创造未来。”因此，预测改变速度是一项团队合作活动。

戈登·摩尔在初次观察数字计算性能的过程中一丝不苟。他发现，在集成电路上，每平方英尺的晶体管数量每年都会翻一番，而且如果这个数量的变化速度一直如此，那么这一变化就是真的。然而，随着时间的推移，摩尔定律在许多相关技术上都有所体现，这些技术可以帮助计算性能变得更加有效、快速、实惠，从而改造社会。

对于数字制造来说，拉斯定律指出：鉴于过去的指标和现在的研究路线图，数字制造性能每一年半会翻一番。这种变化的速度是否成立，很大程度上取决于所有参与者，从字面上讲，他们与这种指数级变化的速度有很大关系。如果像摩尔定律一样，拉斯定律从一个观察报告发展到一个标准程序，再发展到一个不同参与者的集体目标，那么，正如我们在第4章中提到的那样，我们可能会在接下来的半个世纪看到数字制造性能的增长速度与摩尔定律相似。

现在拥有了可观测的数据、清晰的定义和已掌握的足够信息，我们能够预想第三次数字革命将会是怎样的。我们和“数制”工坊的领头人合作起草了在本章开头所预想的设想——如果事物可以通过一种转化的方式发展会怎么样呢？通过分析，我们画了一张与尼尔路线图中4个步骤相对应的图。这张图展示了每一种连续的技术将如何以更快的速度增长，当它赶上前一种技术时，前一种技术可能会趋于平稳，形成尼尔在第3章中提到的S形曲线。精确的轨迹不能被精确地指定，并且图形不能按比例缩放（我们不能使它既适合于页面又指示前两条曲线的形状）。我们的目的是详细说明并预测不断加速的变化浪潮。