牛頓用幾個簡單的公式，比如力學三定律和萬有引力定律，就把宏觀物體的運動規律描述清楚了，而焦耳用一個公式就說清楚了能量守恒原理，麥克斯韋用幾個公式就描述清楚了電磁的原理。

值得注意的是，人工智能還會將貧富差距越拉越大，唯一能做的是爭取擁抱智能時代的任何新技術和新工具，努力跟上時代的步伐，才能成為受益的那一小部分人。

比如弱勢球隊的崛起，首先通常是一個大老板喜歡這個球隊，然后花錢買下球隊，然后繼續砸重金購入球星和大牌教練，再通過各種廣告招攬球迷。

再比如美國很多航空公司利用個人隱私發財，當航空公司發現某個人最近必須出行時，而這個人之前又對票價不敏感，那么航空公司就會報給比其他人高的價格，尤其是最近如果只有少數航班的情況下，他們就會坐地起價。

智能革命會讓傳統的產業加上大數據變成新產業。

谷歌拍攝街景的汽車，一輛汽車每天生產數據量大概是1TB，也就是1024GB，而一部電影按照1000MB算，也就是說一輛街景汽車每天能夠產出1000部電影那么大的數據量。

而如今機械思維方式大多數時候就不太管用了，因為這個世界具有不確定性，比如測不準原理，說的就是像電子這樣的基本粒子，如果你要測量它的位置，總會有一定的誤差， 因為你測量這個動作本身就對它的位置產生了影響。

機械思維被普遍接受的一個大前提是，默認這個世界的所有事物都有規律，而且世界的規律是確定的規律。

硅谷的一個球隊就很特殊，他們的管理層由風險投資人和數據分析師組成，他們不買大牌的球星，反而將對立特別有名的球員都賣掉，然后圍繞一個沒有名氣的球員定球隊的戰術，這個球隊則靠著這個打法逆襲成功，成為那個賽季的冠軍。

我們一直是單純的機械思維，云服務器租用，要轉變為大數據思維，機械思維的本質是確定性和因果關系，云主機租用，如果在兩個世紀之前一個人具有機械思維，那么這個人就是頂級的精英。

大數據的不確定性。

思維上的轉變。

我們現在發現智能機器人發展很迅猛，但是讓機器擁有智能的鑰匙其實是大數據，大數據并不是簡單的一堆數字，網上所有的東西都可以算作數據。

比如通過測量星球之間的相對位置和時間，就能夠得到數據，通過數據就能得到星球運動的軌跡，這就是信息，通過這些信息總結出的開普勒三定律，這就是知識。

有了數據再經過系統性的整理，就變成了信息，信息經過簡潔抽象的加工，就變成了知識。

依靠因果關系認識世界的效率非常低，大數據思維則給機械思維做了完美的補充，大數據解決了不確定性的問題，「信息熵」這個概念指出，信息量和不確定性有關。

大數據有三個主要特征：體量大、多維度和完備性。智能問題的實質則轉變為如何處理數據的問題，機器的智能水平也會隨著數據量的增長而增長，所以智能革命的上升趨勢是不會變的。

手機號能夠調出你的搜索習慣，通訊信息，然后你的性別、年齡、位置、文化背景這一連串的信息都會被調出來，然后根據大樣本的統計，你平時的關注，生活習慣等都會清楚地展現出來。

比如你看一本心理學的書籍，如果你本來就很了解心理學，那你可能很快就能看完這本書，也就是這本書提供了很少的信息量就能消除這本書的不確定性。

比如奸商的精準營銷，他們會通過你的反饋記錄看出你是個好惹的人還是不好惹的人，如果你特別在乎自己的權益，買到假貨就立即維權，商家就會覺得你這個人不好惹，還是給你推送真貨比較省心，而如果你對自己的權益不敏感，買到假貨也懶得退，那就總會受到給你推送的假貨。

大數據帶來的麻煩。

又比如大數據在醫學上的應用，美國一位高中生，設計了一種確定乳腺癌癌細胞位置的算法，輸入了大約760萬個病例，對癌細胞的位置預測的準確率高達96%，這比一個資深大夫要強很多，相信不久后醫生這個職業會被機器慢慢取代。

但如果你看一本編程的書，而你又是小白，那么可能需要一字不落看完才能理解，需要大量的信息才能消除這本書的不確定性，消除不確定性的最好辦法就是引入信息。