第十四章 信息科技
视力正常的人可以看见一根人的头发。一根头发宽约50 微米或5 万纳米( 1 米等于100 万微米或10 亿纳米) ，约为人眼能分辨的最小尺寸的五倍(我们能看见的最小尺寸是0.01 毫米)。容我举个例子说明这些尺寸的概念。旧金山湾最宽处有20 公里长。如果你身处丹麦哥本哈根，望过海湾到瑞典那边，最宽处也大概是20 公里。如果我们将所有东西放大4 亿倍，那么头发的宽度就跟旧金山湾最宽处，或哥本哈根至瑞典海岸的距离相同。在这样的世界里，东西至少要有4 公里宽，人眼才能看得见。
我知道，想象一根头发20 公里宽是很怪的事，但请耐心一点，因为这可以帮助我们理解一些奇特的事。在这样的世界里， 1 纳米等于是0.4 米，一般的细菌细胞直径约为10 米。隔着适当距离看这10 米宽的细菌，我们可以看到一些氢原子跟其他原子连结在一起。这些氢原子每颗直径约为4 厘米，也就是一颗大卵石那么大。一颗电子则约有0.00000000000001 厘米那么大，一个夸克则约为0.000000000000004 厘米。因此，即使在这个所有东西均放大4亿倍的世界里，你也无法看见电子或夸克。
那么，在这样的世界里，一颗功能强大的计算机微芯片有多大呢? 为你提供一个线索: 诺贝尔物理学奖得主理查·费曼(Richard P. Feynman) 1959年就未来芯片的资料储存能力提出他的看法。他说，如果我们能制造一台只需要100个原子(10 纳米大)就能代表一个位元的计算机，我们将能把有史以来所有书籍(当时有2400万册)的文字存在一颗100000 x 100000 纳米大(也就是1 x 10-8平方米)的计算机芯片上。因此，在我们这个放大4 亿倍的世界里，代表一个位元的东西有100 颗大卵石，也就是4 米大。
那么，费曼说的那颗芯片到底有多大呢?如果丹麦与瑞典的距离(20 公里)等同一根头发的宽度(5 万纳米) ，费曼说的芯片是40 公里乘40 公里那么大(边长等同旧金山湾宽度的两倍)。在真实世界里，其边长是两根头发的宽度。真的只有一粒微尘的大小。
因此，费曼说的是一粒可储存2400万本书的微尘。这些书若印在纸上，总重量约为80 万吨。如果将它们连成一条"书径"，长度等同伦敦与纽约的距离。当然，这只是费曼1959 年时的设想。本章稍后我们就能看到他的假想有多接近事实。
要制造费曼所说的芯片，我们需要应用晶体管这种发明。事实上，我们需要许多微型晶体管，数量绝对是天文数字。
我个人认为晶体管是人类历史上最伟大的两项发明之一，另一项是轮子。有一种特别的轮子称为钝齿轮( cogwheel) 。你将一个结构复杂的机械表拆开，会发现里面有无数个大小不一的钝齿轮，它们巧妙地相互配合，将你上发条产生的简单机械能转化为复杂的讯息。这机械表会显示日、分、秒，可能还显示日期、时区、月相以至更多资料。这些资料全靠一条又一条的简单规则，由钝齿轮以各种尺寸比例及连结方式产生出来。负责分针的钝齿轮转60 次，负责时针的钝齿轮就会转1 次。负责时针的钝齿轮转24 次，日期显示就转一次。诸如此类。
写程序的人也会使用许多简单规则，最常用的其中一条是"如果……就……否则……"譬如说，你开车到红绿灯前，那规则就是:
如果亮绿灯，就继续前进，否则就停下来。
晶体管就是执行这种简单规则的物理装置。1925 年，加拿大首度有人为晶体管注册专利。在此之前，尝试制造计算机的人使用的是钝齿轮，就像制造钟表那样(真有人试过几次)。有了晶体管，人类两大发明的其中一项取代了另一项的某些用途。
令人惊奇的是，晶体管面世后整整22 年，没有人用它做出任何有意义的东西。事实上，没有什么人知道世上有晶体管这东西。直到1947 年，晶体管的第一个技术突破才出现:贝尔实验室的工程师发现，错晶体可用来制造晶体管。只要给错晶体电流，它就是一个很好的导电体; 关掉电流，它就失去导电功能。错晶体因此可成为一个控制电流通过的开关键:
如果接上电流，它就能导龟，否则就不行。
晶体管最常见的用途之一是制造放大器。例如，助昕器就是使用晶体管，以微型麦克风接收的声音驱动控制电流(或称"基极" base) ，然后使用一块电池，令较强的电流通过晶体管，驱动一个微型扬声器。
储在接上电流时有导电的功能，不接则不导电，因此是一种"半导体"。将许多晶体管连接起来，就成了一个开关阵列，可支撑许多功能。这一点跟机械表相似: 大量钝齿轮互相配合，可产生许多复杂功能。但晶体管与钝齿轮有一个重大差异: 计算机芯片中的晶体管运作速度极快，每秒可开关数十亿次。速度如此惊人，原因之一是电讯号移动速度极快(是电场移动速度快，而不是电子，后者移动速度其实相当慢)。事实上，电场的移动速度接近光，而光每秒可围绕着地球赤道转7.5 次。
早期的晶体管相当大，但很快就缩小，而错最终也遭硅和其他物料取代，后者加人小量杂质，如砷、磷、锑、棚、嫁或铝[这过程称为"掺杂" (doping)] ，就能当半导体使用。这是很好的技术发展，因为硅比错便宜，而且也比较容易处理。
接下来的发展，是将晶体管微型化，令手指甲大小的一颗芯片容得下大量的晶体管。这构想成真之后，一些工程师开始计算若将所有东西按比例缩小(例如较小的芯片、较低的功率) ，芯片会有怎样的效能。他们发现，缩小后芯片功能如常，而且速度快得多，这可能令他们有些意外。相较于电路设计完全一样的芯片，较小的芯片甚至不会产生更多热能(以每表面单位计) ,因为互连电容降低之下，需要的电力也减少了。工程师因为将所有东西缩小，制造出愈来愈微型的芯片。
生产这种芯片需要"晶圆" (wafer) ，这是纯度接近百分百的单晶硅圆片，以镶上钻石边的金属切出光滑元瑕的平面。接下来是一连串的工序，极其重要的一道是加上"光阻剂"液体，然后放一个模板在晶圆上，这模板反映芯片中的电路及电晶板设计。
这有点像放一个模板在某个平面上，然后以油潘喷出一个商标。不过，在芯片制造过程中，"喷棒"工序既不是使用油漆，也不是用喷的，而是用曝光的方式。厂商以形态复杂的光照射晶圆，产生化学作用，将芯片线路刻在晶圆上，随后洗去多余的光阻剂，就制造出集成电路。为省钱省时，一个流程会同时生产许多个集成电路，也就是一片晶圆将产生许多颗芯片，切割出来封装测试，就成了实体的集成电路成品。厂商会尽力提升这过程的"良率"(yield) ，也就是优良成品的百分比。
第六章提到的摩尔定律指出，一块芯片(或集成电路)上可容纳的晶体管数目每两年增加约一倍，而且这可以在符合成本效益的情况下达致。这定律显然不是像牛顿定律那样可永久有效。摩尔定律是戈登·摩尔1965 年首度在一篇论文中提出的，当时他追溯半导体业的发展至1959 年，而差不多半个世纪后，这定律仍有效，真是惊人。摩尔的说法实在太吸引人，摩尔定律因此得到一些自我实现的力量一一它成了业内的金科玉律: 既然对手的技术跟得上摩尔定律，我自然也不敢怠慢，努力希望超越对于。1970 年代某些时期，芯片的晶体管容量实际上每12 个月就增加一倍。
这是如何办到的? 这种持续的进步是拜许多因素所赐。例如，晶圆的尺寸变大了，芯片上的所有东西则日益微型化，工程师想出多种方法更有效地利用空间。此外，芯片线路的某些部分是由多层不同物料堆积起来的。2000年时，一块芯片上通常含有超过50 种化学元素，每一种元素对提高芯片的速度与可靠性均非常重要。芯片微型化的另一方法，是逐渐降低制造过程中使用的光的波长，因为波长较长的光，最终无法产生够精细的线路。因应这趋势，光阻剂也必须改变，才能配合短波长的光;这任务极其艰巨:在某波长的光开始应用于制造芯片之前十年，化学家就必须开始开发相应的光阻剂。毕竟，光阻剂不仅必须适合所用的光，还必须产生高对比度及清晰的边，而且还必须能粘在晶圆上，不会在清洗过程中脱落。
困难并非仅此而已。工程师必须开发出比晗伯太空望远镜更精密的光学应用，使用波长愈来愈短的激光。此外，工程师还必须解决所谓的"穿隧"( tunneling) 问题，也就是避免晶体管或电线极度接近时，电子自发地在晶体管或电线之间跳动。为此工程师开发出隔离材料，应用于只有数个原子宽的空间。应用先前的比喻，如果一根头发有20 公里宽，工程师得有效地隔离0.5 米宽的空间，而且必须毫无错差、一个不漏地隔离数以百万计的这种空间。
然后还有时脉速度(clock rate) 的问题。假设你想做连串计算，因此输入电讯号，令电场以每秒接近30 万公里的速度移动，瞬间完成计算。然后呢? 然后你想做下一串计算，可能需要用到先前的计算结果。那么，你该输入新的讯号。怎样才能做到呢? 你使用某种晶体，它们本身有某种频率一一举个例子，你用手滑过水晶酒杯的湿杯口时，杯子会视水晶的频率发出某种声调。计算机芯片启动时，围绕着晶体的线路会随意发出声响，当中必然包括晶体的自然振动频率。晶体开始振动，放大离开晶体的电讯号。这些讯号之间的间隔就称为"时脉速度"。第一台商业个人计算机AI阳8800使用英特尔的8080 中央处理器(CPU) ，时脉速度为每秒200万周期(2 MHz) 。到1995 年，时脉速度已达每秒1 亿周期，约5 年后突破10亿大关。到2010 年，芯片的速度通常超过每秒30 亿周期(3 GHz) 。
这种进步来之不易。每一个时钟脉冲过后，晶体管中的连接需要时间稳定在新状态; 如果下一个脉冲在此之前来到，讯号就会乱掉。此外，因为速度这么快，芯片的运转会产生大量热能，可能会将集成电路烧掉。散热是非常关键的问题一一工程师若想延续摩尔定律的寿命，散热是必须解决的关键难题之一。因为目前无法解决高速芯片的散热问题，芯片设计师被迫开发多核心处理器技术。
只要摩尔定律仍然有效，计算机的能力每两年就会增加一倍，也就是未来两年的能力增幅，等同1943 年第一台计算机面世迄今的总能力累积。因此，假设现在是2010 年，而且摩尔定律到2012 年仍有效，那么这两年内的计算机能力增幅，等同先前67 年的能力总增幅。
那么，摩尔定律可以有效到何时? 专家并不知道，因为他们只能根据眼下的知识展望未来。不过，2010 年时，多数专家表示，很有信心摩尔定律可持续运作至2020 年，甚至是2025 年。那么之后呢?他们通常会说，或许可以，或许不可以，因为"发明面世之前，我们不知道自己会创造出什么东西来"。
不过，我们确实知道的是:集成电路中的逻辑闸(logic gate) 若是小于5纳米，即使在"关闸"的情况下，电子也会跳出去(但这已比费曼1959 年在论文中假设的最小尺寸小一半)。1 纳米相当于10 个氢原子的宽度，因此，芯片中的电子不会无意中自发征服的距离约为50 个氢原子的宽度。按照目前的计算机芯片设计概念，那就是微型化的极限。
回到那个一根头发20 公里宽的世界，时间快转到2020 年，届时计算机芯片会是怎样的模样? 估计一块芯片上会有150 亿~200亿个晶体管，最小的闸门已缩至只有5 个氢原子的宽度，也就是仅20 厘米宽。这芯片含625 个核心，时脉速度为73 GHz ，也就是每秒发送730 亿次电磁脉冲经过相连的晶体管，速度为每秒近120 兆公里(速度随尺寸同比例放大)。按目前的集成电路概念，那是我们将迈向的境界。
但是，目前已有强烈迹象显示芯片于2020 年压缩至极致后将如何发展。我能想象立体设计帮助延长摩尔定律的寿命一二十年，也就是到2030 至2040 年。
稍早我提到，轮子是世界最伟大的两项发明之一。如果你有一辆汽车与自行车，你已经拥有六个轮子。此外，现代抽屉、办公椅椅脚以至许多其他地方，都有小轮子。如果加上手表里的钝齿轮，以及电机与机械中的轮子，你很可能拥有数以百计，甚至成千上万个轮子。
那晶体管呢? 2010 年晶体管世界总产量估计接近10000000000000000000个，相当于全球蚂蚁数量的10~100倍。每年我们生产的晶体管，比米粒还多。事实上，如果我们将2010 年的晶体管产出平均分配给世界上每一个人，每人可得约14 亿个晶体管。如果你是一家四口，总共可得60 亿个。如果你是计算机玩家，这一年你个人可能分到接近1 侧亿个。人类的晶体管产量，远大于所有其他产品元件，而我们目前每18 个月就增加产量一倍。
到2020 年时，一台标准计算机的性能，应将是2010 年时的30 倍左右。而如果摩尔定律可以延续至2030 年，这倍数将扩大至约1000倍。不过，晶体管产量的成长速度将快得多，因为不但每一块芯片将容纳更多晶体管，每一个家庭、每一家工厂均将使用更多芯片。
但是，你买计算机或智能型手机时，显然不是要买晶体管，而是它们的资料处理能力及相关功能。资料处理能力通常是以每秒百万指令( MIPS) 衡量。1972 年， IBM 开发出"systernl370 model 158 - 3" 大型主机，拥有1 MIPS 的资料处理能力，令人们目瞪口呆。每秒一百万个指令! 一百万!而且IBM 还矢言不会仅此而已。
许多人因此开始问自己，每秒百万指令以上的资料处理能力，实际上可以做些什么。美国机器人专家汉斯·莫拉维克(Hans Moravec) 以机器人为例说明这种能力(此分析工作相当容易) : 能力为1 MIPS 的机器人，可指出或跟随一些很简单的东西(例如一条白线，或是一个有颜色的点儿1972 年的IBM 大型主机，拥有的能力正是如此。
那么， 10 MIPS 呢? 拥有这样的能力，就可以像智能型炸弹那样，寻找并追踪灰色调物体(摩托罗拉1987 年推出拥有这种能力的芯片。1990~1991 年第一次波斯湾战争期间，我们见识到智能型炸弹之精准)。
下一步是100MIPS。拥有这样能力的汽车，可在一个天然地域中慢慢找到出路。英特尔1996年推出的Pentium pro 就有这样的能力。四年之后， 1000 MIPS的处理器面世，资料处理能力足够引导机器人经过不熟悉的环境。
发展到10000 MIPS 时，资料处理能力进人立体阶段，机器人可以寻找并抓住物件。这在2005 年已成为事实。到2008 年，英特尔推出Intel Core i7 Extreme 965 EE ，速度高达76000 MIPS。如今所有人着眼的目标是100000000 MIPS ，因为据说这是人脑的资料处理能力。
硬件性能高速成长，令应用创新也以惊人速度发展。试举一例:好好看看2010 年时的iPad 或iPhone ，实在是了不起的电子产品。但是，2000年资讯科技泡沫破灭时，这样的产品完全不可能做出来。但是，不过是十年后，数以亿计的此类产品已投人日常使用。
计算机性能的成长并非仅限于MIPS ，还包括存储器、资料储存、频宽，以及行动装置的电池寿命。2009 年春，贝尔实验室公布光纤传输速度的新世界纪录。该实验室使用7 旺阳公里长的单一光纤，以及155 组同时波长( simultaneous wavelengths) 的光，创造出每公里每秒100千兆位元( petabit) 的传输速度，相当于每秒15.5 兆位元( terabit) 的有效载量( payload) 。这载量足够同时传输10 430 个非压缩高画质视讯讯号。
随着这些技术全都继续快速进步，十年后必然将有我们今天难以想象的新信息科技产品面世，而且销量可能数以亿计。未来我们或许买一个小装置，就能取得大批电影。
事实上，相关技术的开发已大有进展。加州大学的科学家已示范如何将相当于250 张DVD 的资料，存在一个只有小硬币那么大的装置上。澳洲斯威本科技大学微光电中心开发出5D 技术，使用彩色滤光片及偏极光( polarization)技术，令DVD 在原有的三维资料储存之外，再增二维。应用此技术制造出来的DVD ，容量是传统DVD 的2 旺)()倍。在我看来，这样一张DVD 巳足够储存有史以来所有值得看的电影。假设我们以这样一张DVD 储存2500 部电影(包括数据量远低于高画质电影的老电影) ，而你是狂热的电影迷(不过你还是会时常出门见朋友) ，每年看250 部片子。那么，一张DVD 就够你看10 年。而看完后，你很可能会重温自己喜欢的片子。
一些新的信息科技应用是利用高效能微型传感器，跟计算机惊人的计算性能无关。未来查明物品位置主要有三种方法: 无线射频辨识(RFID) 、全球卫星定位系统(GPS) ，以及手机。撰写本章时，我刚滑过雪。在滑雪场，我接近上山缆车时，不必出示门票，缆车就会为我开门。大型缆车甚至会向工作人员显示我的大头照。这是因为我口袋里有一张信用卡大小的缆车季票，上面贴了一个RFID 标签。这是一个成本低廉的微型芯片，里面是一小粒集成电路，周边是扁平的金属天线。这芯片贴在塑胶卡上，几乎完全看不出来。未来的十大信息科技应用
1. 遗明的智能型手机: 配备透明荧幕，透过荧幕看现实世界中的事物时，可获得解说及相关信息。
2. 电子纸: 柔软、可折的电子阅读器，可下载并播放任何媒体档案。
3. 家庭电影服务器: 一个储存数干部电影的小型服务器，每部电影均有附注说明，方便搜寻。
4. 媒体墙: 看起来像单色光亮表面或镜子的整面墙，按一下就能变成媒体显示器。
5. 大荧幕计算机显示: 数米宽的平面显示器，非使用中的部分可转为透明状态。
6. 汽车娱乐系统: 供乘客使用的在线娱乐系统，可看电影、电视或上网。
7. 无线监控装置: 监控财物的小装置，无论身处哪里皆能监视自己的财物。
8. 组成运算(composable computing) : 任何智能型装置皆可轻易将内窑输出到附近的显示器(例如从智能型手机输出到媒体墙)。 ;
9. 房屋自动清洁装置: 在你外出时，帮你打扫家居; 以插座充电。
10. 防盗物品: 物品一旦列为失窃品，会将所处位置传送给警方，方便警方追寻。汽车若是被偷，警方可遥控停车，或是将己停下来的车堵住。
这RFID 技术如何运作? 我接近缆车闸门时，一个小型传感器会向我发出无线电讯号。这讯号令我门票上的RFID 天线产生电磁场，集成电路利用这电磁场产生的能量回发讯号，当中有我的身份资料。缆车计算机系统接收到资料后，就会为我打开缆车门。此外，计算机系统会找出我的档案照片，方便工作人员确保我的门票并非遭盗用(只是我戴着护目镜和安全帽，鼻子冻成青色，容貌根本无法辨识)。RFID 的功能类似条形码，但如我的滑雪例子显示，你不必拿RFID芯片直接对着扫瞄器，只要接近传感器就可以了。这种装置愈来愈便宜，而且可以微型化到能贴在活的蚂蚁身上(事实上，研究蚂蚁移动型态的科学家已经这么做。没骗你)。如今RFID芯片贴在无数消费商品、容器、包裹、停车票，甚至是猪和牛的耳朵上。其应用范围还包括收费公路(装了有效RFID 芯片的车辆可自动通行，其他车辆则不行) ，以及博物馆收藏品。
未来几乎所有商品都会贴上RFID ，原因有几个。首先，这能加快超市的结账效率。顾客只需要提着货品经过闸门，传感器会自动侦测到所有商品，顾客只需要检视购物清单，按一下荧幕上的"接受"，款项就会从顾客设有RFID 功能的付款卡(或手机)扣走。RFID应用普及的另一个原因，是这技术不仅能用来辨识商品，还可以叫出商品的"故事"。你可以拿智能型手机感应某款商品的RFID ，然后就能在一个够大的荧幕上(别忘了，许多老人家根本看不清商品包装上的小字) ，阅读、观看或收听厂商提供的信息。你或许也想知道其他消费者对这商品的评价，例如他们的平均评分。RFID结合厂商的产品信息及产品评分，将是非常重要的信息科技应用。顺带一提，几乎所有东西都会有评分:企业道德与永续性、度假饭店、餐厅、汽车、人，以至这本书。评分制度已相当普遍:企业的透明度与道德评级，可参考1502600标准。葡萄酒有《帕克葡萄酒指南》(Parker's Wine Guide) ， 以及许多其他指南书。书籍可以上Amazon. com ，投资机会可询问往来的银行，度假饭店则可以上面padvisor. com 0 RFID 还有第三项重要应用:洗涤指示。未来你洗衣房中的机器人将不会把你的黑袜子与白衬衫放在一起洗，因为它会透过RFID读取指示，知道这两样东西不能放在一起洗。
第二种定位技术是GPS。这系统使用一群围绕地球运行的人造卫星，对地球发出讯号。GPS 接收器分析数个E星的讯号，即可确定自身位置，准确度通常可达5 米(恶劣气候会降低准确度)。GPS 接收器非常普遍，人们装在船只、汽车以及智能型手机上。卫星发出讯号，但并不接收GPS 接收器的讯号，因此无法用来追踪人(有时会有人说GPS 卫星有这样的功能)。不过，若GPS 接收器是装在可发出讯号的装置上(例如手机) ，那么这装置当然是可以将其位置发送出去。
事实上，你只要开着手机，手机网络就会知道你的大概位置，因为网络天线读取你的讯号强度，就能确定你的位置。手机因此是第三项关键的定位技术。如果只有一支天线读取你的手机讯号，那么网络将仅能知道你的大概位置; 但如果有三支天线读取讯号，网络利用三角测量原理，可以相当准确地计算出你的位置。这技术常用来逮捕罪犯及恐怖份子，此外还有一个极有用的功能，那就是监控路面情况，了解哪里正在堵车。因为绝大多数人开车时会开着手机，系统很容易追踪主要道路上的车辆数目，以及它们的行驶速度。借由这技术，我们不但可以马上知道哪里正在堵车，还能预测堵车的时间及地点。这些讯息可透过电台广播传送给驾驶人，而汽车里的GPS 系统则可以提供改道建议。
结合RFID 、GPS 及手机的应用巧思数之不尽，因此也衍生无数商机。例如，有一天你可能只需要按一下智能型手机上的"出租车"键，手机就会将你的位置发送给出租车，然后车子就会来接你。如果出租车由机器人驾驶，那就更酷了。又或者是东西(例如昂贵的相机)或人只要离开其应在的位置，或是偏离预期路线，就会自动发送讯息给主人或警方(例如可用来追踪学童或老人的行踪)。你只需要设定东西可移动的最长距离(例如你的音响组合可能是10 米) ，以及所有允许的路线。事实上，你的小孩可以带一个追踪器，到达学校、网球俱乐部或某些其他地方时，就会发出讯息。可能的应用还有: GPS 控制的割草机; 告诉你将到达的地方即将举办的活动的汽车广播;过期前会发出警讯的食物(将智能型手机对着冰箱，就能知道短期内必须吃掉的食物)。
信息科技的基本创新也将继续改变电子媒体。人们希望透过行动装置，随时、实时地接收信息，找找乐子。这种行动装置可能将有两种:智能型手机，可放进口袋里，荧幕有透明及正常显示两种模式; 以及平板计算电子阅读器，也有两种显示模式一一背光模式供室内使用，以及供室外使用的模式。另一趋势将是在线游戏愈来愈流行，尤其是大型的多人游戏，数百万人同时参与，有时还可以加人现实元素，例如现场同步举行的赛车。随着在线游戏接近高画质电影的质量，这种游戏可自然成为电影的延伸: 你看一部探险片，结束时可以进入游戏模式，回到自己喜欢的场景开始玩。这种娱乐可能会称为"电影游戏" (moviegame) 。
此外，电视新闻及谈话、辩论节目将演变成视讯会议的形式，数以千计，甚至数以百万计照顾小众兴趣的节目，将抢走大电视台标准节目的部分收视率。举个例子，一个电视频道可能有2 万名顶级客户，可透过视讯方式"上节目"，向嘉宾提出问题，并发表自己的意见。这种节目或许可称为"电视讨论会" (TV conference) 。
假设摩尔定律持续有效至2020 年，届时单晶片计算机的资料处理能力将是400万MIPS左右，也就是约4 TIPS (每秒兆指令)。人脑的资料处理能力估计约为100MIPS ，因此我们在2020 年将能制造出能力相当于人脑4% 的计算机(届时我们也已超越了费曼设想的资料储存能力一一将2400万本书存在一粒微芯片上)。但是，如果芯片性能在此之后继续每24 个月成长一倍，我们将在略晚于2030 年制造出能力等同人脑的芯片。但是，大型计算机不需要等到2030 年才超越人脑的能力，估计2020 年左右就能办到。
为什么呢? 1997 年， IBM 制造的计算机"深蓝"在国际象棋比赛中击败世界棋王加里·卡斯帕洛夫(G町Kasparov) 。深蓝的资料处理能力为3000000MIPS (或3 四PS) ，使用256 块当时最先进的芯片，每秒可以模拟200步棋。也就是说，卡斯帕洛夫下棋输给资料处理能力仅为他3% 的计算机。但之所以如此，是因为深蓝下棋之外不做任何事一一这计算机能算出接下来14 步的所有可能情况，而这已足够打败棋王。因为深蓝表现实在出色，卡斯帕洛夫怀疑深蓝背后是另一位棋王级高手。事实上，卡斯帕洛夫说，他有时能从深蓝的行为中看出深刻的个性一一某种独特、富创造力及杰出的质量。由此可见，简单的性能有时能创造出复杂、优美的结果。
不过，这里要讲的重点，是深蓝当时之所以能力超强，是因为它结合了256 块芯片的性能。到2020 年时，这种多芯片/多核心计算机的资料处理能力将媲美人脑，甚至显著超越人脑。这种技术事实上已投入日常应用，例如用于个人计算机。如果2020 年一块芯片的能力是4 TIPS，而人脑是100 TIPS ，那么计算机集25 块芯片的性能，就有媲美人脑的能力。你或许会说，多芯片/多核心计算机运作起来通常不如单晶片计算机有效率，资料处理能力不是简单的乘法可算出来。的确如此，但就算打个折扣，多芯片计算机的性能仍将极其强劲，而且必要时可以增加芯片的数目。别忘了，深蓝就用了256 块芯片。无论如何，我们将制造出能力与人脑相若的计算机。
立体(3D) 芯片某种意义上可说是效能最好的多核心芯片，而且我们还可以使用多块立体芯片组成多核心立体芯片，以创造更强的资料处理能力。但这并非终极模式。譬如说，你可以以光取代或辅助电流;或是将敏感、性能特强的容错( fault - tolerant) 芯片和较安全的传统芯片结合起来。终极方案可能是结合快速、精准的容错硅芯片与基于光学及纳米管的芯片，后者的误码风险或许较高，但平行计算能力极强。
也有研究者致力开发DNA 的计算机应用。DNA 的资料储存方式极其"紧凑"，一个位元的数据只需要以32 个原子代表一一现今的计算机芯片即使发展至极致，也远不如DNA 微型。以下举一个例子说明DNA 的计算运用。假设我们想算出香港景岭路与大涌桥路之间最短路线的距离，方法如下:
● 我们为该区域街角与街角之间的每一个路段做一条DNA 链，赋予其可辨识的碰基序列，以及眼对应路段成比例的长度。
● 利用细菌为每一条DNA 链复制成千上万份，将它们混在一起，让它们连接成长度不一的DNA 链。
● 从这些DNA 链中找出一头代表景岭路，另一头代表大涌桥路的链。
● 以肢体电泳技术从中找出最短的链，读取其序列，即可找出最短的路线。
事实上，许多汽车的GPS 装置数秒内即可完成同样的作业。由此看来，DNA 计算机要不是仍处于发展初期，要不就是根本不具深厚潜力。
终极模式可能是所谓的量子计算技术。这技术应用核物理学一些深奥的原理: 一颗粒子同一时间可能处于数种不同状态与位置，同时跟远处另一颗粒子对称相连。量子计算机用来代表位元的粒子是电子，而电子当然远比原子小。硅芯片计算机即使发展至微型化的极致，其位元代表方式相对于量子计算机仍显得硕大无朋。在量子计算机中，单一颗电子就能代表四种不同状态，因为电子能以四种不同方式转动。
你可以拿量子计算机跟现今最强的大型计算机比较，但这就像拿货柜轮跟塑胶鸭子比较，或是拿宇窗飞船跟纸飞机比较。事实上，这么讲还是不足以说明两者差别之大。假设我们以今天最先进的技术，拿所有星系中的所有原子制造一台计算机，然后让这计算机解答一道需要运算数十亿年才能得出答案的问题。但如果我们使用一小台高性能量子计算机，这问题不到一秒钟就可得出答案。两者的差异，就是如此悬殊。不过，在此必须补充一句: 量子计算机并非应用在所有问题上均有这种优势。量子计算机能发挥最佳效能的问题，是涉及随机猜测的某些特殊问题。
那么，这样一台量子计算机会长什么模样?量子计算机的研究者不多，他们认为最便捷的起点，是利用某数量的液体来计算。有几位研究者明确表示，量子计算机可以建在一杯咖啡中!我们确实知道的是， 1998 年有三个人真的做了一台量子计算机，他们是美国洛斯阿拉莫斯国家实验室的Isaac Chuang 、麻省理工学院的尼尔·葛申菲尔德(Neil Gershenfeld) ，以及加州大学的马克·库比内(Mark Kubinec) 。我们还知道，他们让这计算机做的计算是1 + 1 ，并且得到正确答案2 。后来，2009年时，研究者开发出以固体物质做成的量子计算机。由此看来，量子计算机或许真有大放异彩的一天。
理论上，一台量子计算机的资料处理能力远高于2010 年世上所有人类及计算机的总能力。但是，量子计算机对宇宙射线(从太空以接近光速的速度到达地球的微粒子)极其敏感。每一个人的头部，平均每秒会遭两颗这种微粒子穿过; 人显然不会感觉到痛，但基因往往会因此出现某程度的损坏。宇窗射线的粒子若穿过量子计算机，会将电子撞离其应处的位置(事实上会被撞出计算机之外) ，扰乱计算机中的资料。因此，量子计算机有必要跟周遭环境隔离开来，同时保持跟外界的联系。例如，我们或许可以将量子计算机放在一间四边均是8 米厚铅墙的房间中，同时以某种方式眼外界联系。另一方式是任由量子计算机曝露在宇宙射线下，不过每次计算均做许多次，然后剔除那些偏离主流的结果。
你是否想过蚂蚁的脑袋有多大?我这么问，是因为蚂蚁的社会高度组织化，非常成功，以致于地球上蚂蚁的总生物量跟人类其实不分伯仲。这些微小的昆虫成就巨大，能造出蚁巢、采集食物、在复杂的环境中辨明方向、作战、繁殖。但是，蚂蚁的头部却小到我们看不清楚。相对之下，人脑非常大。尽管如此，许多人的生活仍过得一塌糊涂，因为他们的"软件"出了问题。这证明硬件性能强大(例如人脑)不能保证成功一一硬件必须搭配优秀的软件，才能发挥其能力。这令我想到以下问题: 计算机硬件性能远比人脑强劲时，我们如何替计算机写软件? 因为最大型计算机的性能不久之后将超越人脑，我们实在应该好好想想这问题。你该如何指挥比你更聪明的东西?
当然，这得视你想用电脑做什么而定。如果是制作对数表或计算质数，我们使用50 年前已面世的计算机及软件就可以了。但是，较复杂、涉及直觉能力的任务就截然不同，程序设计师为此致力开发具"人工智能"的软件。
发明家、科学家艾斯楚·特勒(Astro Teller) 说，人工智能就是"尝试令计算机像电影讲的那么厉害"。科学家与工程师已努力开发人工智能技术三四十年，但迄今成就有限，许多项目结果令人失望。但是，近10~15 年来，相关研究已取得一些突破，主要是因为投资银行及对冲基金为求洞烛先机、赚取厚利，投入巨资开发能辨识经济及金融市场型态的系统。不过，研发有成的并非只有这些金融业者。"TD- Gammon" 是最巧妙的人工智能系统之一，它是设计来玩双陆棋( backgammon) 的计算机软件。下棋时，这软件只会获得以下资料: (1)游戏规则; (2) 棋子的位置; (3) 胜出者的名字。很显然， TD -Gammon 一开始时拙劣得像个白痴，但经过一段时间的学习，它已成为双陆棋的顶级高手。
还有一些智能型软件可以做一些要求近乎人类智能的事。例如，哥伦比亚大学自然语言处理组(Natural Language Processing Group) 就跟美国麦特公司(Mitre Corporation) 合作，开发出名为bio - Gen 的软件，可以在读取大量新闻资料后，制作出一天的新闻报导，看起来像是新闻工作者的作品。
至于用处可能不大的人工智能成果，则包括BRUTUS 软件，能写出仿佛作家作品的短篇故事。然后还有EMI 作曲软件，能在听完一位作曲家的作品后，写出仿佛出自该作曲家的新曲子。EMI 的表现令美国认知科学家道格拉斯·霍夫斯达德( Douglas Hofstadter) 赞叹，他因此邀请美国一著名音乐学院的一群老师，让他们昕一首萧邦相对冷门的曲子，以及EMI 创作的仿萧邦曲子，然后问他们哪一首是萧邦的作品。大部分人的答案是EMI 作的那首。计算机软件打败了艺术家!
还有人工智能软件的工作是画艺术画(最著名的是AARON) 、辨识笔迹、分析指纹，以及从机场的人群中辨识出紧张不安的人。人工智能软件的主要应用之一是翻译，但这已证明是极其困难的工作。数年前，搜寻引擎Alta Vista提供自动翻译的功能。如果你输入英文"The spirit is willing, but the flesh is weak" (心灵固然愿意，肉体却软弱了) ，然后由计算机翻译为西班牙文，再由西班牙文译回英文，结果是"The alcohol is arranged , but the meat is weak"(酒安排好了，但肉很差)。翻译不仅必须掌握字词的意思，还涉及语义学、语境、风格，或许还必须懂得幽默(但我必须指出，我举例的这句话，如今用Google 的翻译功能，完全可得出正确的翻译。不信试试)。
其他人工智慧软件形形色色。例如，科学家利用软件搜寻数学世界中的有趣理论及现象，然后研拟解释它们的模型。我个人很喜欢EUZA ，这软件是出于好玩，写来模拟心理学家提问技术的。例如，如果你说"我岳母不喜欢我"，它会类似这么回答"为什么你认为岳母不喜欢你?"令人意外的是，许多跟EUZA 对话的人认为自己是在跟真人对话，有些人还认为EUZA 对自己帮助很大，感激不已( "你对我就像父亲一样")。
美国曾发生一件跟EUZA 有关、非常有趣的事。某个星期天早上，某公司一位副总裁在麻省理工学院一间房子里使用计算机。他发现某台电传打字机上写着这样的指示..输人讯息至本机器，结束时加上句点。"不过，他希望在使用前先问一下公司员工博布洛( Bobrow) 。他坐在一台机器前，以为自己是在跟搏布洛对话，不知道其实是在跟EUZA 交谈。然后就出现以下对话:
副总裁: 你认为我今天早上可以用电脑吗?
ELIZA: 你为什么这么问?
副总裁: 我或许能额外卖出一些电讯产品。
ELIZA: 你为什么这么肯定?
副总裁: 我的潜在客户从不曾看过我们那系统的性能示范。
EUZA: 这对你来说很重要吗?
副总裁: 当然。
EUZA: 你看来对此很有信心。
副总裁: 真荒谬。
EUZA: 你说真荒谬是什么意思?
副总裁: 我有任何理由不应该现在使用计算机吗?
EUZA: 再谈谈你的潜在客户吧。
副总裁: 请打电话给我，号码是491 -1850
你或许注意到，副总裁打完最后那句话，忘了加句点， EUZA 因此，没回答他。副总裁等博布洛来电，但当然等不到，因为博布洛其实在睡觉。副总裁觉得博布洛在耍他，怒火中烧下打电话给博布洛，把他从熟睡中吵醒，质问他："你为什么对我这么傲慢无礼?" 博布洛反问："你说我对你傲慢无礼，是什么意思?"误会澄清后，两人都哈哈大笑。
我在第六章提到，世界上以大众为市场的期刊约有8 万份，学术期刊4万份，通讯4 万份，报纸2.5 万份。这些堆积如山的资料不断增加，根本没有人能够全面追踪。这就是"资料探勘" (data mining) 能产生很大价值的原因。传统采矿者探勘的是大宗商品，资料探勘者则是寻找有用的信息。
以本书的制作过程为例，或许有助大家理解。我花了约2 个月看书，以及5 个月写作、校订、申请引用资料，以及处理其他事项，也就是共7 个月或28 周的时间完成本书。我之前说过，我做这些事的效率估计是1985 年时的10 倍(这意味着以前的著作题材较狭窄)。问题是，未来25 年，我们能借信息科技之助，将这种工作的效率再提升10 倍吗?例如， 2035 年时，有可能花不到3 周的时间，就制作出一本有关经济成长理论的书吗?
我想这是有可能的。假设我们有一个名为"写作快手" (SpeedWriter) 的软件，持续浏览网络上的资料及电子书，就像现在的搜寻引擎那样。但是，写作快手跟一般搜寻引擎不同，因为它能理解浏览过的资料。例如，它可以浏览所有有关吃红肉的健康效应之研究，据此完成一项后设研究(meta -study) ，提出可能涵盖数千项个别研究的总结论。
好，假设现在是2035 年。为了写这本书，我先要求写作快手列出在经济成长理论方面学界最常引用的学者。数秒钟后，写作快手为我列出这领域最重要的25 位学者，按相关程度排序。这名单是它分析成长理论著名学者相互引用作品的情况拟订的(学者是否"著名"，主要视乎他们在主要学术期刊发表了多少篇论文，以及作品获其他学者引用了多少次)。
接着我要求写作快手以画图方式显示这些学者活跃的年代，以及每一位学者发表最重要作品的时间。写作快手很快照办。我要求它将这些学者按学派分类，它也做了。我想了一下，然后输入以下指令:
● 写一本150 页的书，主题为经济成长理论。
● 主要结构: 依时代顺序;次级结构: 学派。
● 风格: 学术型。
● 20~40 个技术图解， 5~10 张学者照片。
● Flesch - Kincaid 易读指数: 25~300
● 完整的资料来源及网络连结。
几分钟后，计算机已完成书稿。我浏览了一下，发现内容实在太枯燥。我因此要求写作快手找出所有涉及至少两位书中提及的学者的趣闻，然后按时序插入书中。此外，我也将风格改为"科普型"，易读指数调升至50 。新书稿很快就完成，感觉好多了。我又输入"加上10~15 个摘要文字框"。计算机马上照办。
我想差不多可以了，但这时又有一个主意。我输入指令"制作5-10段30-300秒的短片，内容是相关学者解释他们最重要的学术贡献。其中一段是两位同时代的学者争论某个论点。"
计算机找出一些学者的照片，画出维妙维肖的卡通人物，用来制作短片。我想"好，差不多完成。"现在我需要的只是一些互动元素，我因此指示计算机"制作一些多项选择题及辅导资料。"计算机照办。我将结果传送到我的电子阅读器，走到庭院中阅读。总共花了一个小时，而我的互动多媒体著作已经有了完整的初稿。但我准备了3 周时间，因此可以用余下时间去芜存菁。真轻松。
资料探勘的应用非常广泛。例如，你可以调查某个人是否认识曾涉及犯罪的人，甚至是该人认识的人是否认识曾涉及犯罪的人。事实上，我们甚至可以让计算机自动根据道德观、社交网络、学术成就以及许多其他项目评价及简单介绍一个人。评价这概念将应用在愈来愈多方面。现在人们已经在网络上为消费品、餐厅及书籍等东西打分数，未来可能几乎每一样东西都会由使用者及/或计算机专家系统提供评价，甚至评价者本身也会有评价。
资料探勘系统可以找出交通拥挤的地点(办法是追踪道路上的手机位直) ，据此建议行车路线。这种系统也可以浏览部落格，了解人们对哪些事物感兴趣。用途还有很多，例如可以根据使用者的兴趣，量身订制一份电子日报，以及建议周末的娱乐节目。
除了人工智能，计算机软件还有许多方式能帮助我们了解周遭环境。有一类软件称为"专家系统"，其基础是收集有关人类专家决策方式的知识。例子之一是MYCIN ，这软件在诊断疾病方面表现出色，其基础是以手工方式向许多医生收集相关知识。另一类智能型软件是"类神经网络" (neural networks)，目的是模拟人脑的运作。
但是，人脑的运作方式似乎跟人类迄今创造出来的所有软件截然不同。人脑中的神经纤维长达15~17.5 万公里，交缠方式无比复杂，每秒有数以十亿计的电脉冲通过(别忘了人脑每秒可处理100 兆个指令)。此外，人脑形状并非固定不变。脑神经持续改变形状，一直在形成新的连结，也在中断既有连结。脑部活动剧烈到占人体总能量消耗的20% 左右，尽管成年人的脑部仅占体重的数个百分点，而且不会有明显的动作。
因为如此复杂，人类难以了解自己的脑袋如何运作，也就不足为奇了。此外，没有人能感觉到自己思考时的脑部运作，因为如果人有这样的能力，他会时时受干扰。但是，近年来，我们对人脑的知识大有长进。例如，我们确知人的智能一一令我们远比其他动物聪明的能力一一主要位于新皮质( oeocortex) ，这是位于人脑外缘的六层组织。新皮质仅2-4 毫米厚，但因为人脑满是皱擂与沟槽，新皮质的表面面积很大一一三分之二的新皮质藏在折叠处，总表面面积跟一条完全展开的餐巾相若。事实上，人脑之所以有那些怪异的皱捕，似乎正是为了尽可能增加新皮质的分量。
这张"餐巾"里有约300 亿个神经细胞(神经元) ，真是不可思议的多。例如，下面这个1 x 1cm 的方格，如果是新皮质，你猜有多少个神经细胞?
这么大的新皮质含有1000万个神经细胞
如果我们切出这么大一块新皮质，里头约有1 创)()万个神经细胞，以错综复杂的方式连接在一起。
但是，人脑的复杂程度并非仅此而已。新皮质上面的三层组织主要从下面三层接收神经脉冲，尤其是第四层。例如，来自视觉神经的脉冲传到新皮质第四层(从上至下计)后，会在第三、第二及第一层产生一波波的衍生讯号。透过显微镜，你可以看到最外层(第一层)的神经纤维主要是贴着新皮质的表面，而另外五层则是由上而下、由下而上的延伸。
仔细看每一个神经细胞，你会发现它们不像是一条线，而是像一丛灌木。每一个神经细胞均有一些称为神经轴(axon) 的分支，作用是连接其他神经细胞。事实上，每一个神经细胞平均跟多达5000~10000个其他神经细胞连接在一起。想想我们那1 平方厘米的新皮质，里头有多少神经连接? 答案是，这里面1000万个神经细胞，共有约5000000000至100000000000(500~1000亿)个神经连接。
这么大的新皮质含有500~1000 亿个神经连接
这么大的数字，一般人是无法理解的。让我们换个方式说明，取一个句点那么大的新皮质:
希望你看得见箭头下方的句点。以这样的尺寸取一条新皮质圆柱，里面约有1.4 ~2.8 亿个神经连接。顺带一提，一只蚂蚁的脑袋约有25 万个细胞，神经连接估计有12.5-25 亿个，也就是句点大小的人脑新皮质的10 倍左右。这样的数字仍难以理解。如果缩到肉眼看得见的最小尺寸，也就是0.01毫米(一根头发宽度的五分之一) ，这样一条新皮质含有4 -8 万个神经连接。人脑就是这么精密，而这也解释了像蚂蚁这种小到几乎看不见的昆虫，脑袋那么小，却可以在复杂的环境中认明方向，快速穿行。
既然人脑如此精密，我们为何认为一块或一组计算机芯片的性能终能媲美人脑? 整个新皮质估计有150~300兆个神经连接，若2020 年时一块芯片有150~200 亿(非兆! )个连接，那仍远不如人脑。不过这也是可理解的，因为芯片体积小得多(毕竟人脑是一块3.5 公斤重的立体芯片)。2020 年估计可媲美人脑的计算机也只有1500~2000 亿个晶体管，这仍只有人脑神经连接的千分之一左右。不过，计算机中的晶体管是靠半导体的开关状态和电磁场发挥作用，而人脑中的神经细胞则是靠化学作用。前者一一计算机硬件一一的速度约为神经细胞的10 万倍。如果我们真有可能制造出能模拟人脑的芯片，它很可能远比人脑微型。
但人脑的神经细胞是如何运作的?多年前，研究者得出结论: 来自视觉神经的讯号若进入新皮质第四层，这层组织会传送讯号至第三层、第二层，最后是第一层。研究显示，第四层是接收身体神经组织的原始资料。这些资料在第三及第二层转变为某种模式辨识(pattem recognition) ，最终到达密布横向连结的第一层，跟脑部其他部分储存的各种资料连接起来，令人得以解读资料的意义。
整张新皮质的厚度大致相同，里面的神经细胞结构相同，神经纤维基本上也是一样的。新皮质虽负责许多功能，但从显微镜下看，其结构是一致的。这跟我们的以下认识一致:新皮质若有一部分受损，其功能可由另一部分代替; 来自某个感觉器官的神经输入若从新皮质的某部分移至另一部分，一段时间之后将可运作如常。
我们还知道，人脑可轻易学会以前没有的功能。以前世上没有汽车、钢琴或计算机，但人脑经历数十万年的演化，可轻易学会开车、弹钢琴，以及读写。换句话说，新皮质被设计成负责接收感官印象及发出动作指令，但不理会这些指令的实际目的。新皮质显然以大致相同的原理解决所有问题。那么，新皮质的运作原则是什么呢?
人脑的运作方式跟计算机截然不同，完全不使用计算机使用的数学公式或逻辑算法。事实上，人脑看来更像是一台影片服务器。这样一台服务器存有大量影片，以MPEG 或AVI 等格式压缩储存。愈来愈多科学家认为，新皮质的功能主要是储存源自生活的大量感官印象;我们经历类似事情时，相关感官印象就像影片那样在脑中重播。
首先讲一下数据如何进入这系统:我们看到一张脸时，新皮质接收到大量原始像素，然后新皮质较高层的组织会将这些像素转化为一些样式，并以压缩、风格化及概念化的形式记住其相对比例。它们会转化为主要储存在新皮质外层的样式与现象，由脑部加以分类、组合，并和其他记忆连接起来。譬如说，我们看见一只小公鸡时，脑部首先接收到的是原始的感官印象，解读为纯粹的声音、印像或味道。但在新皮质随后各层组织中，这印象变成了一只略显傲慢、有时显得可笑的动物一一我总会因此想起毕加索的某些公鸡画法。在新皮质的外层组织中，这印象跟我们认识的所有语言的"小公鸡"一词连接起来，也跟"禽鸟"、"黎明"，甚至是"红酒炖鸡" (coq au vin)连接起来。
顺带一提，红酒炖鸡令我想起我们在普罗旺斯的一次度假，当时正是吃到这道菜……然后我们住在一个葡萄园里，那里有一些非常新鲜的水果……我们带到沙滩享用……我们尽情享受日光浴，然后……
......我正从新皮质的顶层组织搜寻出相关记忆，我的脑部在此过程中进行着大规模的平行计算。我储存的"影片"被压缩成尺寸、相对距离、想法、符号及概念。换句话说，我们将资料压缩，且因此失去许多细节，但我们得到许多好处，如提升速度、节省记忆空间，以及认出相似但不相同东西的能力一一最后这一点可能最重要。例如，我们就算换了环境、换了角度，也能够认出一个人。我们听到一首乐曲时，新皮质会记住其节奏与音调。我们走在街上时，新皮质会记住肌肉/肢体接收到的指令，以及来自我们的脚及其他感宫的印象。
那么，新皮质储存的这些资料，必要时如何使用? 我们必须做某些事时，新皮质会"播放一些影片"，预告短时间内将发生的事。例如，我们在街上走时，新皮质会播出一段影片，告诉我们该如何运用自己的肌肉，以及我们的脚触碰地面会有什么感觉，会发出什么声音等等。这段影片令我们懂得走路，而如果一切如这影片所料，我们不必意识到自己在做这件事。一切自然而然地发生。我很清楚这过程。譬如说，我常开车穿越瑞士，有时我太太在路上问我开了多长距离，我总是茫然不知。"你经过伯恩了吗?"有时她会接着间。这问题我同样无法回答，因为我完全没有在想开车的事。开车这件事不过是我脑部某部分在播放的影片，脑的其他部分在想其他事。
还有一个很好的例子，相信许多人都曾亲身经历。有时电扶梯因故停止转动，你必须自己走上去。虽然你已事先知道电扶梯是不动的，但你一踏上去时，还是感觉很不顺，甚至可能差点跌倒。这是因为你的脑部本能地为你准备将踏上移动的电扶梯，你的脚因此期待着一踏上去就会向前移的感觉。当现实中发生的事跟脑部播放的影片不符时，你就会感觉别扭。你的脑袋就是存了一段又一段的影片。这也解释了为何指向离开脑部方向的神经连接，数目是感觉神经细胞指向脑部的神经连结之10 倍左右。
再举一个例子。请阅读以下这段英文，看看自己是否看得懂:
1 cnduo't bvleiee taht I culod aulaclty uesdtannrd waht 1 was rdnaieg. Unisg the icndeblire pweor of the hmuan mnid , aocdcrnig to rseecrah at Cmabrigde Uinervtisy , it dseno't mttaer in waht oderr the lterets in a wrod are ，the olny irpoamtnt tihng is taht the frsit and lsat ltteer be in the rhgit pclae. The rset can be a taotl mses and you can sitll raed it whoutit a pboerlm. Tihs is bucseae the huamn mnid deos not raed ervey ltteer by istlef, but the wrod as a wlohe. Aaznming, huh ? Yaeh and I awlyas tghhuot slelinpg was ipmorantt! See if yuor fdreins can raed tihs too.
译文如下: 我还真的看得懂这段文字，真是难以直信。剑桥大学的研究显示，拜人脑的神奇功能所踢，英文单词只要首尾两个字母是在正确位直，其他字母的次序并不重要。单词首尾以外的字母，就算次序全乱掉，并不妨碍你阅读。这是因为人脑阅读时并不是逐个字母看，而是看整个词。很神奇，对吧 ?我一直以为拼字很重要! 你可以请你的朋友阅读这段文字看看。
单词的字母次序几乎全乱掉，但句子本身是有意思的，新皮质因此会猜出这些单词，读取整句的意思。我将这段文字给小至9 岁的孩子看，他们都看得懂。如果计算机不需要受过训练就能看得懂，我们就成功了。
结论是，计算机运作靠数学，人脑运作则截然不同。例如，打网球时，人脑不会尝试计算球将落在何处; 滑雪碰上粉雪时，人脑也不会去计算你该如何移动身体。人脑会叫出你先前正确击球或是优雅滑过粉雪的经验。而人脑回忆这些经验时，是顺着事情发生的次序。你记得字母表，但不会倒着背，而且肯定不是一次就记起全部字母。字母表在你记忆中，就是一段影片。你可能会唱法兰克·辛纳屈(Frank Sinatra) 的My Way，但无法倒着唱。如果你想起自己在巴黎某条街上散步的经验，你想到的是一些片断一一你无法瞬间想起完整的经历，就像你元法瞬间回想整部詹姆士·邦德(James Bond)电影。
因为人脑显然有自己的运作方式，你现在应该能理解为什么幻想对人脑植入芯片，让人能说法语或计算微积分是徒劳无功的，因为脑部根本无法解读这些指令。但有些事是我们应当做得到的:我们应可增添新感官。我相信，我们将有可能装上连接芯片的雷达，而芯片则与人脑连接起来; 经过一段时间后，脑部很可能懂得解读雷达传来的讯号，因此学会在黑暗中看东西。有趣的是，非常类似的事已经发生了。美国有一位盲人在舌头植入一块连接摄影镜头的芯片，舌头的神经组织接收镜头传来的讯号，传送给脑部。一段时间之后，这位盲人能靠他的舌头看见东西。虽然不是看得很清楚，但这是真的: 他能用舌头看东西。
随着计算机性能逼近人脑，我们应好好想想未来计算机跟人脑的功能差异与竞争关系。我想人类的智能活动可分以下三种: (1) 收集资料; (2) 解读世界; (3) 表现才能。现实中，这三者显然是融为一体的。新皮质一边收集资料一边播放影片之际，我们持续地结合各种心智能力去做各种事。事实上，我们之所以有面对现实、在复杂环境中取得成就的智慧，正是拜这种能力所赐。
在我看来，人类智能包括12 类关键技能。在下面两组表格中，我以灰色标示计算机惯常胜过人类的技能: 浅灰代表计算机在某些情况下胜过人类，深灰代表计算机通常远远胜过人类。
第一组表格显示2010 年的情况，第二组表格则显示我预测的2030 年情况，届时计算机的资料处理能力已超越人脑，而我们也掌握了模拟新皮质的方法。
如这两组表格显示，我不预期2030 年时计算机将有任何情感，但我认为届时计算机假装有感情的能力将相当强。此外，计算机收集资料的能力也将大大增强，监控事物及发出警示的能力将明显超越人类，这是因为计算机处理资料的速度极快、不知疲倦，而且侦测重要相关性的能力大幅提升。
在表现才能方面，计算机将能创作艺术画、音乐及文学作品，设计房子，以及从事许多目前我们认为只有人类才能做到的创意工作。在比较正式、定义明确的工作方面，计算机的速度及多才多艺，人类将望尘莫及。例如，计算机将能以远高于人类的效率执行许多军事任务。它们也将能实时侦测网络上互有关联的资料，瞬间按指定结构提出报告。计算机也将能跟人类对话，提供事实资料，例如担任技术支援及导师角色。
简而言之，计算机将变得非常聪明。卡斯帕洛夫跟"深蓝"的对弈揭开了人类与计算机连串竞赛的序幕。我们知道，计算机有时已能把人骗倒，令人误将计算机当人类。问题是:我们何时能看到未经特殊训练的计算机在IQ 测验中取得惊人高分?计算机是否有一天能获得诺贝尔奖或普立兹奖? 计算机果真得奖时，奖金该给谁? 我们会容许计算机获得原本旨在奖励人类的奖吗?
事实是，信息科技世界目前已有许多活动类似新皮质的运作，揭示了未来的趋势。想想"生产消费者" (prosumer )及互动内容的慨念。所谓生产消费者，是指向厂商提供具体或示意资料，参与创造自己使用的商品的消费者。例如，你可以在网络上选择你想要汽车的规格，或是借由上网习惯向厂商提供线索。在互动媒体中，记者、出版者或厂商发表一些资料，可能很快就获得消费者十倍的资料反馈。这很像新皮质的运作:讯息进入脑部，会叫出表达期望的十倍讯息量。脑部及市场处理信息的效率同样很高。
在我看来， Google 实际上正开始模仿新皮质的部分功能。例如，你输入搜寻关键字时打错字，或是输入意思不明的字词，Google 通常会问你"您是不是要查……"一一省略号的位置是正确的字词。这功能是基于搜寻程序累权的实证经验。程序根据记忆中其他使用者输入的搜寻条件，像新皮质那样，"重播相关影片"，向使用者提示很可能是正确的搜寻建议。这有如以人类为导师，然后必要时自己扮演人类的导师。
Google 拥有数十万部特别订制的服务器，而且每周增添数千部。这些服务器分成许多群组，每一个群组由基于开放源码软件的Google 专有软件协调运作。Google 将整个网络上的资料存一份在这些服务器上，使用"蜘蛛软件" (spider software) 持续更新资料。蜘蛛软件自动追踪网络上的链接，逐个网页复制所找到的一切。Google 还维护书籍、学术期刊等资料的电子档，运用某套算法将每一项资料，以及和各搜寻关键词相关的资料来源分门别类。为做好这工作， Google 程序会研究人们搜寻资料的方式，从中累积经验。换句话说，这软件以人为自己的工具，在某种意义上是颠覆常规的新鲜事。
举个例子，我现在就做一次搜寻，输入"When will oil production peak?"(石油产量何时见顶?)搜寻引擎用了0.11 秒，为我找到约5.2 万条经计算机评估的资料链接。0.11 秒!这是怎么办到的?是靠大规模的平行计算。我输入搜寻条件后，Google 的软件同时将讯息传送给该公司每一个服务器群组，其软件再将我的问题分给个别服务器。也就是说，0.11 秒内，数以千计，甚至是数以十万计的计算机为我服务。这些计算机将搜寻结果反馈上去，在最上层分类及排序，最后显示在我眼前。
我认为这眼新皮质的部分功能非常相似。新皮质像播放影片那样唤起记忆，这就是为什么如我稍早所言，每次脑部接收到讯息，会出现一系列的相关资料，告诉当事人接下来可能发生什么事。
网络搜寻目前仍处于初期发展阶段。搜寻引擎WolframAlpha 允许使用者输入简单问题，例如"Gulfstream 150 私人飞机有多长"，然后马上提供答案。是确切的数字: 18.97 米(厂商则宣称是17.25 米) ，而不是元数的网页链接。我并没有Gulfstream ，因此无法亲自查证谁对谁错。不过，这的确是一种新的搜寻服务方式。
未来20 年间，我们或许能制造出真的能复制人脑新皮质功能的计算机。微软共同创办人保罗·艾伦( Paul Allen) 2003 年捐出1 亿美元，建立艾伦脑科学研究所(Allen Institute for Brain Science) 。该组织成立以来，致力建立生物脊椎与脑部的图谱数据库。其方法是将生物脑部以机械方法切割成数十万份近几透明的薄片，拍下数位影像，再授予条形码标签。例如，老鼠小小的脑部会切成约25 万份片一一每一片均非常薄，放在玻璃上看时，感觉只有指纹那么厚。这些薄片固定在玻璃上后，会泡在特制榕被中，内含仅会依附在特定基因串上的RNA 片断。随后这些薄片会以含化学物与特殊抗体的溶液清洗，这些化学物或抗体会敬在RNA 上，令其显形。科学家由此就能知道脑部的每一部分表现了哪些基因。
我们若真有一天能复制新皮质的功能，人的感情与意识不会复制到计算机中，因它们并非存于新皮质中。我们根本就不应该将人的感情与意识复制到计算机上。这么做是自找麻烦。计算机若感到焦虑，或是想攻击别人，情况会如何? 在电影(及小说)《2001 太空漫游》中， HAL 9000这台计算机就是因为有自己的意识而违抗人类命令，结果很糟糕。
IBM 是已开始模拟人脑运作的公司之一。该公司1995 年启动"蓝脑"(Blue Brain) 项目，目的就是在一台超级计算机上模拟人脑的运作。2008 年，研究人员成功模拟老鼠脑部新皮质的部分运作。该部分有1 万个神经细胞，约3000 万个突触连接(synaptic connection) ，数目跟人脑的神经细胞和神经纤维相比微不足道。我们且拭目以待，这种研究计划的规模将愈来愈大。IBM估计，2020 年前将拥有足以模拟人脑的数据容量。
如果有一天，你能将有史以来发行过的所有书籍、音乐及电影存在台相对廉宜的小尺寸服务器上，我不会感到惊讶。我们迄今在信息科技上取得的巨大成就，显示这领域还大有发展空间。自1950 年代以来，计算机容量增加了…… 10 000 000 000 000 倍。没错，是10 兆倍。因此，信息科技如今还正迅速进步，成千上万种神奇的产品等着推出，是不足为奇的事。
在我小时候，人们主要使用配备被动的从属荧幕( slave screens) 之中央计算机，有时称为主从式系统( master - slave) 。首批主从式系统的主计算机智能连一只蚂蚁都不如。在此之后出现了所谓的客户机一一服务器系统( client - server) ，由大型主计算机连接许多智能型终端，例如个人计算机。
下一阶段是以网络为基础的( network - based) 计算机应用: 数以百万计、大小不一的计算机透过网际网络连接起来，开始交换知识与资源。此一发展产生巨大的社会效应，因为它以空前的方式将社会动员起来。任何人试图操纵别人，会立即招来网络上的博客写手及自助出版者反对。慢性病患者可以在网络上相聚，讨论彼此的经验，结果往往能告诉医生自己的病应该怎么治，而不是只能被动接受治疗。这是我们目前所处的阶段。那么，接下来呢?
我认为这问题可从技术及使用者这两个层面分析。就技术层面而言，我认为我们正快速经历可分七或八阶段的演化:
1. 主从式系统: 中央计算机，掌握高度专门知识的专家才懂得操作。
2. 客户机一服务器系统: 大型中央服务器连接分散各处，颇容易使用的计算机。
3. 网络系统: 数以百万计容易使用的计算机通过网际网络连接起来。
4. 无所不在的计算机: 计算机无所不在，往往藏身各种物件中，很
不显眼，也有许多是行动与手持装置。所有人都能使用这些计算机。
5. 自主运算: 软件能学习并执行需要直觉能力的复杂分析工作，例如服务、研究、资料探勘，以及环境扫瞄。
6. 虚拟计算: 计算机网络以群组方式运作，费劲的计算由在线的计算机资源实时完成，结果传送给固定不动的计算机及行动装置。
7. 能自我调整的软件: 软件知道需要哪些新软件，而且能将程序写出来。软件多样性因此暴增。
8. 有自我意识的计算机: 软件意识到自身的存在。
第四阶段如今正发展得如火如荼，计算机开始变得无所不在，往往是和其他系统融合起来。这阶段较专门的说法是"普适运算" (ubiquitous computing) 或"普及运算" (pervasive computing) 。今天，我们的数位相机、汽车、手机，以至各种地方均有性能非常强劲的计算机在里头。
普适运算近年的一个例子是电子阅读器，例如亚马逊公司的Kindle ，使用者透过电子荧幕阅读书籍与杂志，舍弃纸本读物。使用Kindle 不需要特别的照明条件，阅读时就像是在看一张纸，而且在阳光下也能轻松阅读，跟一般的电子荧幕很不一样。Kindle 的显示器由微型球体构成，它们一面是白色，一面是黑色，以磁性方式控制。我相信未来的电子阅读器将是可折的，内建短片功能、网络连接，定期更新内容，下载一本书或杂志等于得到一个生动的多媒体档案。
我将有自我意识的计算机列为第八阶段，但我不知道这是否有实现的一天。谁知道呢?如果有一天你在计算机上修改预算，然后计算机突然关掉你的试算表，跟你说它今天想玩游戏，不知你作何感想?
以上是技术层面的发展。从使用者的角度出发，我想未来数十年主导信息科技及数位媒体发展的，将是以下趋势:
● 反捆绑化: 内容一旦数字化，即不再受实体载体束缚。音乐不再受限于实体CD，你因此可以逐首歌曲下载，不必购买整张CD 。有了网络新闻，你就可以根据自己的喜好，仅接收自己想看的新闻类别。
● 零碎化: Twitter 大受欢迎，显示许多人喜欢类似对话，你一句我一句的文字媒体。同样地，你也可能一年只想使用某套软件数次，或是实时接收某证交所的信息数次。
● 实时化: 人们日益希望瞬间就能获得自己需要的资料。这方面的极佳资源，例子有ωogle 及维基百科。商界人士及投资人期望能实时获得精准的信息支援。
● 行动化: 人们可以借由各种荧幕，随时随地接上数位媒体，获得信息服务。
● 概念化: 数位装置将能利用外部资源，实时为你说明各种事物的意义与来龙去脉。
● 自主化: 信息科技系统不仅能回答问题，还能做需要直觉能力的决定，而且有创造力。
● 虚拟化: 信息科技令许多实体物件变得多余。
● 实时化: 信息科技将实时告诉我们世界正发生什么事，并能将模型与游戏跟现实世界进行中的事件融合得天衣无缝。
也就是说，信息科技应用有八大趋势，而技术发展则有七或八个阶段。在此之外还有第三个面向:信息科技业者的角色将清楚划分为三大类:
● 标准服务业者: 提供诸如资料处理与储存等标准服务。
● 信息科技营销业者: 根据客户的观点，设计适当的信息科技解决方案组合，收取可能相当高的费用。此类服务将基于"开放式架构"，也就是说，可以兼容提供服务的业者及其对手的产品。
● 创造型信息科技业者: 诸如技术开发公司、新创企业，以及顾问公司等。
以上就是我认为未来数十年将左右信息科技世界发展的主要因素。但我想我们还是应该具体一点，看看未来可能面世的一些信息科技产品。就从科幻电影中常出现的机器人说起好了。
我安坐家中，或是在办公室工作时，有时得把脚抬起来，让出空间给一个名叫"Roomha" 的小家伙。这是一个负责扫地吸尘的机器人。截至2010年，厂商已售出250 万个Roomha。它是机器人产业首项在大众市场大获成功的产品，我家的猫咪和我都觉得它很有趣。
我想、机器人可定义为在现实世界中发挥某种功能，由计算机控制、无人操作的物体。Roomha 对机器人产业的意义，有如小精灵(Pac -man) 游戏于电玩业: 两者皆为其产业首项大受欢迎的产品。但Roomha 并没有比潮虫聪明。目前最多人认识的机器人，很可能是《星球大战》 (Star Wars) 中迷人的C3PO 和R2D2-前者教人想起神经质的男同性恋，后者有如一台非常聪明的Nil. sk 吸尘器。两者均展现非凡的勇气(尤其是R2D2) ，非常讨人喜欢。但它们在现实世界中并不存在。
但现实世界中有汽车和飞机。某些先进汽车配备的计算机，性能比第一批宇宙飞船的计算机更强。先进的车款配有防锁死煞车系统(ABS) 、煞车辅助系统(BAS) 及循迹控制系统(TCS) ，随时在做大量的计算(每秒25 次或更快) ，以辨识危险讯号。此外，汽车还使用卫星导航系统，接收报告路况的广播节目，并使用停车距离雷达控制系统及车距控制系统。换句话说，现在的汽车持续地接收车轮及引擎反馈的数据，以及无线电、卫星和雷达讯号，为驾驶人提供信息，辅助及引导驾驶人。这样的汽车还不是机器人，但已具有很高的智能。
在太空领域，自行运作的探测机器人早已投人使用，在火星上成效斐然。精神号与机会号这两个探测机器人2003 年登陆火星，工程师原本预计它们仅能运作90 天，但结果远远超出预期。因此，在完成首项任务(花了8.2 亿美元)后，它们又陆续接受四项任务，更新软件从地球传到它们身上。第四项任务成本降至1.04 亿美元，第五项则估计仅需要略多于2 000万美元。2009年底，精神号驶进软沙堆后，一个轮子发生故障，被困在那里。至于机会号，运作了七年，走了11 公里，仍完好如新。
我们已发现月球上有水，我认为2025~2030 年左右人类可能在月球上建立永久基地。原因是:第一，相对于围绕着轨道运行的卫星，月球是建立太空观测站更可行的地点，因为月球上有重力，许多事情因此好办一些。第二，月球上有可观的氮3 (helium - 3 )资源，可能是核融合理想的第二代燃料。太阳不断地产生氮3 ，并以太阳风的形式吹送出去，但地球上的氮3 很少，因为地球的磁场会将它们阻挡在外。月球上的氮3 资源则很丰富。
回到地球上，最新的里尔喷射机(Learjet) 是百分百"线传飞控" (flyhy- wire) 的。也就是说，飞机由两台计算机控制; 引擎启动后，两台计算机各自侦测飞机各项系统，得出完全相同的状态报告后才能起飞，起飞后由其中一台计算机控制。这技术还不符合机器人的定义，因为里尔喷射机还是有机师的，但机上计算机的性能已类似先进的机器人。不过军用无人驾驶飞机则真的是无人驾驶的，许多其他使用中或测试中的军事车辆也是这样。这些装备有些需要遥控，有些则可以自主运作(例如监测车)。
计算机芯片的智能1995 年时超越苍蝇，而今天我们绝对能制造出和苍蝇一样聪明的机器人。每只苍蝇约有10 万个神经细胞，资料处理能力约为100 MIPS。靠着这样的智能，苍蝇已拥有卓越的飞行能力，飞行时人类几乎不可能逮住它们。但苍蝇几乎不可能学会任何新东西。譬如说，苍蝇若停在我手臂上，我尝试打它，它会飞走，但可能很快就回到原来的位置。它可以蠢到什么程度? 我再试着打它，它又会飞走，但可能会第三次回到原来的位置。它完全学不到任何东西。
比苍蝇智能高一层的是蜥蜴，它们可以在丛林或岩石中疾走，而且不会撞得满头包。今天我们也可以做出这样的机器人， 美国军方赞助的无人驾驶车辆年度挑战赛( DARPA Grand Challenge) 就是一个好例子。第一届比赛2004 年举行，机器人车辆必须穿越240 公里的沙漠，15 队进入决赛的大学团队没有一队能完成比赛。最成功的一辆也只是走了12 公里左右，仅为全程的5% 。第二年有23 队进入决赛，全部能超过12 公里，还有五队完成全程。2007 年的比赛改为在城市举行，进入决赛的11 辆无人驾驶车辆必须走完96 公里的市区路程，不能和其他车辆相撞，也不能违反交通规则。结果有六队完成比赛。真是进步神速。
科技业有这样一条法则:魅力非凡的技术概念从试验成功到普及应用约莫需要25 年(当然，某些信息科技产品普及的速度快得多)。因为机器人车辆的技术2010 年已大致齐备，我们大有可能在2035 年左右普遍使用这种产品。首先投入使用的可能是行走高速公路的机器人卡车。例如，从意大利前往波兰的卡车可由司机以拖车拖上意大利的高速公路，然后启动自动驾驶状态。这卡车就会在无人驾驶的情况下自动开到波兰，到达时停在路边停车场，由波兰司机接手，开到最终目的地。我们甚至可以规定此类卡车必须避开交通尖峰时刻，例如只能在夜间行走。途中若需要加油或充电，这种卡车可以自行开到加油站，自助服务，或是由人类或机器人协助加油或充电。
机器人的另一项普及应用，显然是帮助人类购物。我个人将购物分为四类:
● 享乐型购物: 出于享乐的目的，购买奢侈品、艺术品，以及时尚商品等。
● 精准型购物: 在需求非常明确的情况下，购买特定商品。
● 探索型购物: 在需求不甚明确的情况下，寻找礼物或装饰品。
● 补充型购物: 补充标准的日常用品。
我想享乐型购物最好是维持传统方式(因为这是最享受的方式) ，至于精准型与探索型购物则通常以网络方式较佳(选择较广，搜寻速度极快)。但是，我们最常做的是补充型购物，而这是最沉闷又费时的。未来我们应能将这工作交给机器人，它们在货仓选好货物后，直接送货上门，或是放在社区内的加油站等你取货。因此，未来多数加油站将由零售业者收购经营(而且未来电动车将大行其道) ，它们是消费者取货的理想地点。
下一阶段，是机器人拥有可观的学习能力。换句话说，机器人将实时观察周遭环境、实时应变，而且某程度上能预测周遭环境对它们的反应。我想这跟猫相似。
计算机工程师料将使用两种主要方法教导这种聪明的机器人。第一种方法是"由上而下模式" (top - down) ，目的是将各种规则写进机器人的作业软件中。我们已开发出几乎能模拟人类所有举动的软硬件:我们制造出能像人一样观看事物的摄影镜头、能以立体声方式收音的麦克风、有感觉甚至嗅觉的传感器; 我们有GPS 系统，能告诉我们当下的位置，以及如何前往目的地;
我们有能讲数种语言、明白人们在讲些什么的软件(例如Dragon 、NaturallySpeaking，以及IBM 的ViaVoice) ，以及能翻译及与人沟通的服务软件(例如Haptek 及Oddc副等网络系统) ;我们有能够大声阅读、计算、写作、搜寻资料，以及做许多其他事的软件:我们有能够帮助我们避免撞车的停车控制系统，以及能辨识及解读影像及物件的软件。如果我们将这些性能整合在一起，不就能制造出非常聪明的机器人吗? 或许是。但如果我们这么做，我们可能制造出极其复杂的软件。
另一方式是模仿新皮质的运作，"由下而上" (bottom - up) 教导机器人，就像我稍早提过的双陆棋软件，一开始几乎什么都不会。我们授予机器人为数不多的必要算法则，让它们从错误中学习，并且体会做对事情时的奖励。
大自然是怎么做这件事的? 昆虫及贝类的脑部运作主要是固定不变的;也就是说，它们能做些什么，基本上是由基因预先决定的。它们的DNA 仅有数亿对碱对，但已足以指明脑细胞的连接方式。但是，人类的32 亿对险基对却不足以指明约300亿个神经细胞的所有连接方式。
但人类与众不同。人类的独特之处，在于有学习及调适能力，我们的基因因此仅指明数目非常有限的脑细胞如何连接，以及该做些什么。这就是为什么婴儿刚生下来，虽然有很大的脑部，但几乎完全没有自理能力。儿童的神经纤维，是靠学习才形成各种形态，虽然这过程也受基因影响。一个人成为某领域的专家，估计脑部一般存有5~10 万组相关信息及经验，每一组显然是由大量的神经连接构成。
我认为由上而下模式将主要应用在有安全疑虑的机器人上，特别是操作汽车或飞机的系统。其他机器人则几乎全都比较适用由下而上模式，但许多系统最终可能兼具两种模式。毕竟像人类主要是靠学习掌握技能，但也有大量功能是属于生物本能，例如反射作用、呼吸及心跳等。未来机器人的运作指令，或许有5% 是预定的，95% 是类似新皮质那样，从经验中学习。
模拟新皮质运作的计算机的十种用途
1. 开车: 目前世界上约有8 亿辆汽车，20 年后估计将增至13 亿辆。人们在车里感到烦闹、不小心撞成-团、堵在本来可以避开的车龙里、迷路，而且以不经济的方式驾驶。计算机开车的表现可以远远胜过我们， 届时我们在车上可以工作、阅读、讲电话、睡觉、上网，或是看电视。我们仍可以不时自己开车(尤其是开跑车) ，但那只是因为我们想享受开车的乐趣。
2. 编辑个性化媒体内容: 智能型计算机可以详细掌握我们的兴趣，然后定时过滤网络及非网络媒体的所有信息来源，准确拔出符合我们兴趣的内容，编制个性化的报纸、电台节目及电视节目。
3. 私人导师: 多数小孩在学校总会碰上功课追不上进度的情况，这时计算机就能当他们的课后辅导老师。成年人也可以利用此类计算机学习新知识及增强技能。
4. 保全: 智能型计算机可以配备类似猎犬嗅觉的侦测器、红外线传感器，以及敏锐的镜头，能辨识出需要防范的人 。这种计算机可以用来监控家居、办公室、港口、停车场、机场、火车站，以及工厂等场所。
5. 垃圾分类: 计算机可以执行精准的垃圾分类、资源、回收工作，而且不怕接触有毒物质。我们还可以安排机器人在路边和海滩捡垃圾。
6. 洗衣: 机器人可以帮我们将待洗的衣服分类清洗、晾起来，甚至是帮我们烫衣服。
7. 洗碗盘: 没有人喜欢洗碗盘，但几乎每一个家庭、每一家餐厅每天都在.做这件事。这工作是在有限的空间内完成，因此我们应该可以制造出能够自动作业的洗碗机器人。
8. 诊断: 智能型计算机可以监视医师问诊的过程，然后在医生下结论前，告诉医生诊断过程可能出错或考虑不周之处。
9. 同行审查: 学者在学术期刊发表论文，一般必须经过同行审查的过程。智能型计算机可以参与这工作，其优点是背景知识比任何个别学者丰富。
10. 军事任务: 计算机控制的汽车、飞机及隐匿监昕器在军事侦察方面可大派用场。在某些情况下，它们还可以执行作战任务，并控制战斗机一一不过会有人透过电讯技术监控整个过程。而且，它们还能看穿普鲁士将军克劳塞维茨( Carl von Clausewitz) 所称的"战争迷雾" (the fog of war) ，在混乱的局势中知道下一步该怎么做。
注意，这十类计算机并非全都需要拥有在现实世界中穿行的能力，那些需要这么做的，外观也不会跟人类有多少相似之处。机器人驾驶的汽车，身体就是车身;机器人驾驶的飞机，身体就是机身; 而机器人控制的保全系统，传感器及镜头是关键部分。
每次我跟别人谈到机器人，对方几乎总是马上、直觉地说机器人永远不会眼人一样，因为人类是"独特的"。我们当然是独特的，而且从技术角度看，人类真的非常神奇。我们的脑功能仍远比任何一台计算机强劲，而且非常精密。我们的身体受了伤，基本上可自行修复。我们还可以复制自己。我们的皮肤及身体内部遍布惊人准确的触觉及温度传感器，而且拥有精准的视觉、听觉及嗅觉。我们若要求工程师制造出拥有同样性能的机器，他们一定会晕倒。
不过，有些事是机器人做得到而人类无能为力的。首先是脑部的位置: 机器人的脑袋可以跟身体分开。它们可以透过无线方式连接控制它们、固定在某处的大型计算机，就像现在的军用无人驾驶飞机一样。这种飞机可以透过卫星通讯执行飞行任务，控制系统可以位于地球的另一端。我们现在可以制造这样的机器人: 简单的"本能"控制功能，如避免碰撞的功能，设在机器人身体上; 较复杂的脑部功能则设在跟机器人相隔一段距离的地方。事实上，机器人不仅能透过电磁波利用其他计算机的智能，还可以非常精准地同时利用许多台计算机的资料处理能力，结合成一台虚拟的超级计算机。寻找外星文明计划(SETI)就是利用这方式， 2010 年时透过SETI@home 将约30万台个人计算机连接起来。这些计算机的主人自愿将计算机闲置的运算能力捐给SETI 使用。
机器人的另一项优势，是它们可以关掉脑部功能而不丧失资料，这是人类办不到的。因此，我们可以派机器人执行需时数年、单调乏味的太空探索任务。人类根本不会想做这样的事，而即使勉强去做，也会在旅程中闷得疯掉。
资料复制是另一个问题。我累计的学识，不会遗传到我的孩子身上，即使复制出另一个我，学识也无法复制。我或许能对社会的文化与知识遗产略有贡献，但我的孩子(或我的复制人)不会生来就拥有我的知识。我能传给下一代的，是跟智能和知识没什么关系的表现基因组( epigenome )。但是，玩双陆棋的TD -Gammon 所累积的知识，却可以复制一千份、一万份; 而复制出来的TD-Gammon 新学到的东西，也同样可以复制。人工智能的演化，可以比生物学习的速度快很多倍。人类从出生到成为某领域的专家，可能需要30 年的学习时间，而且这些专门知识，大部分还会逐渐遗忘掉。但是，计算机可以在几小时甚至更短时间内，就复制数量绝对惊人的知识。
而且，我们还可以将学习能力最强的计算机累积的知识压缩，放到成本较低的较小型计算机上，然后复制后者。此外，计算机跟人不同，什么都不会忘记。计算机可以记住数十亿项资料，不出丝毫差错。而且，计算机搜寻资料的速度超快，不仅可瞬间搜寻本身所存的资料，还能很快搜遍成千上万台计算机储存的资料。人无法看穿别人的头脑，计算机却能"看穿"其他计算机。计算机的资料搜寻速度之所以远比人类快，是因为晶体管传送讯号的速度，是人脑神经细胞的百万倍以上。
相对于人类，计算机和机器人的确拥有许多优势。诚然，计算机需要维护及更新，但它们在许多方面比人类更容易管理。例如，计算机不需要休息、睡觉、爆米花、维生素、性爱或看球赛，而且不会感到焦虑或痛苦。计算机因此可以胜任一些人类不能或不愿意做的事，例如清洁下水道、搜寻遭窃的车牌、采矿，以及执行军事侦察任务。
计算机及机器人相对于人类的十项优势
1. 它们的脑部可以跟身体分离。
2. 它们相隔干里仍可以无线方式精准沟通。
3. 它们能结合许多台计算机的资料处理能力，执行特别困难的任务。
4. 它们累积的知识，数秒之间即可复制。
5. 它们不会忘记任何东西。
6. 它们瞬间即可搜遍自己储存的所有资料。
7. 它们可搜遍其他计算机储存的资料。
8 它们不需要休息，也不需要睡觉。
9. 你可以将它们关掉，而且不会损失任何数据。
10. 它们不会感到焦虑或痛苦。
因此，相对于人类，我认为机器人的确拥有一些巨大的优势。概括而言: 机器人的智能将超越我们，学习速度将是我们的数千倍，演化周期极快，能读取彼此的资料且过目不忘，而且不需要休息，也无所畏惧。厉害!
机器人属于我稍早提到信息科技演化的第五阶段: 自主运算。此领域将出现令人叹为观止的发展，产品之一是智能型监视系统，它们能认人，且能解读人的举动。目前已有一套可以装在警车上的系统，以摄影镜头读车牌，查核它们是否属于失窃的汽车，或是挂在非登记车辆上。还有一些监视系统能从机场人群中辨识出紧张不安的人，或是找出正在发烧的人。像Hyperactive Bob 这样的系统，则可以监控餐厅每一位员工的工作效率。这些系统执行的任务，是原本人类负责的一些例行公事。我个人认为，未来廉价饭店的许多工作，从人住登记到客房服务，理论上均可交给计算机及机器人去做。这种服务不会很吸引人，但成本应该会比较低。
Google 地球( Google Earth) 打开了视觉搜寻的新天地。透过这项服务，你可以在计算机或手机上看到地球上任何一处的高画质卫星照片，而且用户也可以上传他们拍的照片。未来数以百万计的网络摄影机或许能让我们透过网际网络，在计算机或行动装置上观看许多地方的现场实况。
自动搜寻服务也将有很大的市场潜力:计算机根据使用者的具体指示，不时搜寻整个网际网络，将使用者兴趣范围内的最新信息整理成报告。我们不难制作一个个人网站，透过网络摄影机作各种实况转播，例如自己关心的地方(譬如你的避暑别墅)、朋友的活动、家里的猫咪、喜欢的歌手的现场演出或记者会，以至关注的个股的走势。事实上，相关技术今天己一应俱全，但仍有待标准化及整合，因此尚未普及。在我看来，这是自主及普适运算与行动化、反捆绑化及零碎化媒体经验的结合。
电讯技术也将突飞猛进。未来我开车时，将能看到我经过的地点的照片，也能观看交通堵塞及恶劣气候的情况。我还可以随时接收附近的餐厅及博物馆等场所的广告。我到达火车站或机场时，对扫瞄器出示车票或机票，我的手机就会告诉我该往哪边走。在城市里，我可以在手机里输入某家商店或某个品牌的名字，它就会在地图上显示路线，告诉我如何前往目的地。最后，高画质大荧幕配上环绕音效，可为视讯会议带来极佳效果。
教学效率也将能大幅提升。在瑞士，我的孩子上学时已全程使用笔记型计算机，几乎不必使用任何纸张。老师可随时将学生的荧幕投射到显示墙上让所有人看，学生可写下或画下自己的感想。考试时，试卷下载到学生计算机上，完成后再上传给老师。小组作业可以虚拟方式合作: 学生在家里或任何有WiFi 的地方上网讨论，同时在同一份文件上作业。
普适运算对满足人类以下两项需求特别有用: 行动自由，以及借由概念化运算了解周遭环境。我们希望行动自由，因为显然没有什么人喜欢整天困守办公室。我们希望随时皆能了解周遭环境，因为这能帮助我们避免错误，以及更有效运用时间。
智慧之眼
目前优质相机一般可拍2000 万像素的照片，而摄影机则每秒能拍60张影像。这很了不起，但跟人类的眼睛相比仍远远不如:肉眼可处理高达1.75 亿像素的画面，每秒能接收220 张影像。此外，肉眼将数据(影像)实时传给脑部解读，而相机或摄影机则办不到。不过，未来我们或许能拥有跟人眼相似的"智慧之眼"。
日本网络设计师Mac Funamizu 己提出一些相当大胆的创意，若能实现，未来的手机将不仅能记录使用者的见闻，还能将它们"概念化"。根据Funamizu 的设想，未来的手机将有透明的荧幕，你可以拿着它们对着眼前的事物，手机就会接上网络，搜寻相关资料。
例如，这手机或许能告诉你，眼前这栋纽约的大楼叫什么名字，又或者是眼前这瓶红酒最好是三军后再唱，以及它获得《帕克葡萄酒指南》94分的评分。你也可以让手机看你吃的食物，它就能告诉你这一餐下来你大概摄取了多少热量及糖分。
你或许也可以拿手机对着书上的一段文字，锁定一个单词，然后手机就会为你显示维基百科上的相关资料。你或许还可以拿着手机对着讲外语的人，然后马上看到荧幕上的翻译。有趣的是，这手机因为小巧，资料处理能力看似有限，但它可以透过无线宽带，连接网络上性能强得多的计算机，及时为使用者提供协助。资料来源: http: //petitinvention. wordpress. com/
信息科技也令物质世界得以日益虚拟化。当然，许多事物是永远无法虚拟化的(例如一杯咖啡，或在海里畅泳)。但许多信息类事物则可以虚拟化。例如，今天我们有虚拟的门票、书籍、信函、目录、货币、CD 、DVD 、X 光、立体模型、会议及研讨会。我们需要的实体事物因此大大减少。如果所有书籍皆电子化，我们还需要图书馆吗? 网络购物如此方便，我们还需要商店吗?网络银行功能齐全，我们还需要银行分行吗? 企业甚至开始在虚拟世界试推产品，观察结果后再决定是否正式推出。
出于某些社会目的，我想我们还是需要一些实体场所，而许多人很可能享受到精品店购买奢侈品，远多于在网络上订购。但如果事情令人厌烦，那么以虚拟方式完成是最好不过。我们家里就透过网络订购许多食品杂货，节省大量时间，免去许多麻烦。我们也透过网络银行转账、在网上购买电子书，以及下载音乐等等。这么做节省大量物质及环境资源、时间和成本，可说是"三赢"做法。
有趣的是，信息科技业本身也在虚拟化。做生意的人都知道，购置及维护一套信息科技基础设施耗费大量时间和金钱。第十一章提到，金融业者正分为公用事业型及创意型，前者基本上仰赖信息科技基础设施营业(例如一般商业银行及网络证券经纪业务) ，后者则是像对冲基金及私募基金这种需要更多创意的业者。信息科技业也正出现大型的公用事业型公司，它们拥有规模庞大的计算机及服务器中心，可提供给成千上万名客户使用。这创造出"云端计算" (cloud computing) 及"xx 即服务" (as- a - service) 这两种非常成功的服务模式。
云端计算的"云端"，是指一个可为许多客户提供服务的计算机中心。那么，这算是服务外包( outsourcing) 吗? 不算，因为外包是指你付钱给一家业者，由对方维护你的软硬件。云端计算服务则有如一家信息科技饭店，客户租一间房间，但并不拥有它。这是所谓的"多租户系统"。不过这是一家奇怪的饭店，因为你可能会跟陌生人共事一张床: 使用云端计算服务时，你是在使用一些匿名的计算机，每一台大有可能以同一套软硬件同时支援多名客户，而客户完全不会察觉这情况。我撰写本书时，提供云端计算服务的业者已多达数千家，领先业者包括苹果、Google 及微软，紧随其后的则有甲骨文( Oracle) 、SAP 、德国电信( Deutsche Telekom) 、IBM 、惠普、亚马逊及EMC 。云端计算孕育了三种广受欢迎的"xx 即服务"商业模式:
虚拟化有助节约资源
信息科技方面的创新，正帮助我们以节省资源的虚拟方式取代实体产品及服务。以下为部分例子: !
● 视讯会议及手机通讯取代商务旅行
● 电影下载取代影碟出租店
● 电讯技术应用取代办公室及每日通勤
● 下载服务取代DVD 及CD
● 电子阅读器取代纸本刊物、书店及图书馆
● 电子邮件取代实体信函
● 网际网络取代商品目录及促销资料
● 网络购物取代实体商店
● 无线及光纤数据传输取代铜线
● 基础设施即服务( infrastructure -as- a - service , IaaS)
● 平台即服务(platfonn -as- a - service , PasS)
● 软件即服务(software -as- a - service , saaS)
这三种模式均旨在为客户提供信息科技支援(硬件及/或软件) ，而客户并不需要拥有任何软硬件。例如，亚马逊公司的简易储存方案(Simple Storage Solution) 是提供数位资料储存服务，简易序列服务( Simple Queue Service) 则是让客户在各应用软件之间交换数位讯息，弹性计算云(Elastic Compute Cloud , EC2) 则是让客户在亚马逊的计算机上执行自己的软件。你使用某台计算机时，可能同时有另外三名客户正利用这台计算机执行各种任务。回归中央服务器模式虽然显得有违计算资源分散化的趋势，它能(1)让信息科技业富创造力的部分，跟"公用事业"部分分开; (2) 让软硬件资源可以细分给多名用户使用;(3) 让客户能马上获得额外的计算能力。
以下试举一例说明云端计算/"xx 即服务"未来可能出现的运作模式。你希望建立一家网络服务公司，你打开一个网络浏览器，荧幕上出现许多图标，代表你可能需要的东西，包括服务器、防火墙、路由器、电缆、数据库及套装软件等。你用鼠标将这些东西拖放到适当位置，代表你希望它们相连的方式。计算机根据你指定的规格，计算出每月的固定成本，显示在荧幕下方。你的成本还有一部分是变动的，根据你估计的数据储存量及网站流量计算。
你确定规格正确后，将整套设备放进你的数位购物篮中，然后处理下一个问题: 你办公室实际需要的硬件。你订购了一些打印机、"精简型计算机" (thin client) ，以及数台性能强劲的计算机，用来执行需要大量创意的工作。供应商将不时为你升级这些硬件。你将这些硬件也丢进购物篮。
虽然电子阅读器正逐渐取代纸本资料，你仍需要几台打印机打印法律文化及其他必要资料。打印机附送的白纸减少到某程度，以及碳粉快起尽时，供应商就会自动获得补货通知。
你决定在自己的网站上放送广告，因此将广告服务也放进篮子里。这服务将可为你提供根据点击数计算的收入，不过它还是放入购物篮一一你获得的收入，将用于抵销你必须支付的成本。最后，你希望自己的网站提供网络购物服务。你因此订购了整套信用卡网络结账方案。你现在已万事俱备，在检视购物篮中的项目后，你按下"确认"键。你的网络事业随即开始。
是时候总结一下。我将信息科技列为未来数十年最有意思的七个产业之一，是因为这产业虽然已取得了不起的成就，但势必还将有更惊人的发展。计算机世界将愈来愈像一个生态系统，计算机甚至将开始有能力为自己写软件，而且可能意识到自身的存在。
计算机的智能将追上并且超越人类，而机器人将充分发挥其潜能。我们将拥有媒体墙、行动式智慧眼、自动驾驶的汽车、个性化新闻内容，而且几乎所有问题皆能瞬间获得答案。
人们收藏书籍、音乐或电影，将摒弃"部分"收藏的概念，改为"完整"收藏: 未来每一个人都可以拥有一整套历来出版过的作品。
至于信息科技生意的集中地，支配先进芯片业务的是美国(例如位于奥勒冈州的英特尔)。一些软件公司-(主要为美国企业)已建立非常强的网络效应，未来数十年新业者恐难动摇它们的地位。苹果、Google 、亚马逊、eBay、彭博( Bloomberg) 及Skype 是其中一些例子。软件业的创意及商业中心主要是在西雅图及加州，但也有许多规模较小的业者聚集地，例如博德( Boulder) 、奥斯丁、波士顿及洛杉矶等。欧洲方面，软件开发业遍布北欧及中欧地区。印度则于新兴市场地区明显领先。人工智能及机器人方面，匹兹堡及马萨诸塞地区掌握尖端技术。在小型商业机器人的量产方面，领先者是日本。
计算机未来的+大挑战
我认为未来将有十项难题特别需要强劲的砸件及聪明的软件:
1.资料探勘: 持续扫描及分析数位信息及现实世界，解读其意义。这可持续应用在非正式观察或研究上，也可视临时需要应用在较严格及正式的监视与分析任务上。
2. 后设研究: 就特定课题，自动将所有己知信息概括成容易阅读的报告。
3. 生物技术模拟: 模拟蛋白质是如何创造出来的，以及其立体折叠方式模拟整个细胞，甚至是整个生物的生理机能。这可以成为开发新疗法及新制造方法的基础。最终我们或许能避免大部分新疗法的临床实验，直接以可信的模拟代替。
4. 机器人: 教导及控制那些在现实环境中自主行走的机械装置。
5. 情境意识: 增强我们对周遭环境的实时知识，了解自己身处何地、周遭正发生什么事、自己正在看着什么、应往何处去，以及是否有必须注意的安全疑虑或机会。
6. 软件创作: 懂得辨识自己的任务，然后写出相应程序的软件。
7. 行动式智慧眼: 配备透明荧幕的行动装置(计算机或手机)，能将眼前的景象传上网络，为你取得相关信息。
8. 大型多玩家游乐: 让数百万人同时在虚拟世界中竞争对抗的高画质在线游戏。
9. 现实/虚拟游戏: 以现实世界中的现场实况为背景的游戏，例如玩家可以开着虚拟赛车，跟现实中的一级方程式赛车竞赛。
10. 翻新旧媒体内容: 翻新旧电影及旧唱片，令它们像是本来就是以高画质/高传真、环绕音效及彩色画面的规格制作的。