很難想像有什麼事物會像廉價、強大、無處不在的人工智慧那樣擁有「改變一切」的力量。首先，沒有什麼比把遲鈍的東西變聰明更富有成效。在某個現有進程中植入極少量有效的智能都會將其效率提高到全新水平。我們在知化 ，沒有生氣的物體後會得到許多的好處，而這對日常生活的顛覆將是工業化的百倍。但是讓東西變智能不會帶來極樂世界。與開發先前各種能源時一樣，我們將把人工智慧浪費在那些看上去愚蠢的事情上。當然，我們會運用綜合智能解決諸如治癒癌症之類的科研難題，或是某個棘手的技術問題，但是把機敏的頭腦置入普通事物之中才能帶來真正的顛覆，這些事物可以是自動販賣機、鞋子、書、報稅單、卡車、電子郵件、手錶以及手機。我們的日常行為將被徹底改變。
理想情況下，這種額外的智能只是廉價還不夠，還應當完全免費。一項免費的人工智慧技術和網頁上的免費公共內容一樣，比其他任何我們能想到的事情更能滿足商業和科學的需求，並且很快就能自給自足。直到最近，傳統的看法認為，超級電腦將首先成為這種人工心智的載體，然後是家中的個人電腦，接著我們會把它放進我們的個人機器人中。人工智慧將是一些有界限的實體，而我們能清楚地區分我們和它們的思維。
事實上，真正的人工智慧不太可能誕生在獨立的超級電腦上。它會出現在網路這個由數十億電腦晶元組成的超級組織中。它將是輕巧、嵌入式的，沒有固定形態，並且內部的聯繫鬆散。把它的思維和我們的區分開會很困難。任何與這個網路人工智慧的接觸都是對其智能的分享和貢獻。這種人工智慧連接了70億人的大腦、數萬兆聯網的晶體管、數百艾位元組 的現實生活數據以及整個文明的自我修正反饋循環。那種單獨的人工智慧無法像它一樣快速而聰明地學習。因此網路本身將會知化為一種完善速度驚人的事物。過時的獨立綜合智能技術可能會被看作是有缺陷的，它對於遠離機動性人工智慧的人來說簡直是種懲罰。
當這種新興人工智慧問世的時候，它會由於無處不在，反而讓人們無法察覺。我們會利用它不斷增長的智慧處理各種單調的雜活，但它卻無影無形。我們將能夠通過地球上任何地方的電子屏幕，用數百萬種方式獲得它分布在各處的智能，因此很難說它到底在哪裡。還因為這種綜合智能結合了人類的智能（包括所有人類過去的智慧以及所有互聯網上的人），要準確地指出它到底是什麼也很困難。它是我們的記憶，還是我們的一種共識？是我們在搜索它，還是它在尋找我們？
人工智慧思想的到來加速了本書中描述的其他所有顛覆性趨勢的進程，它在未來世界中的威力與曾經的「鈾元素」相當。我們可以肯定地說，知化是必然的，因為它已經近在咫尺。
大約兩年前，我長途跋涉來到IBM研究實驗室位於紐約州約克敦海茨的林間園區，想要儘早一窺讓人期待已久的人工智慧的到來。在2011年的《危險邊緣》 中奪魁的超級電腦「沃森」就誕生於此。最初的沃森電腦仍被留在這裡，它與一間卧室體積相當，10台貌似櫃式冰箱的機器圍成了四面牆，通過中間的微小孔隙，技術人員得以操作機器背後的電線和電纜。裡面的溫度高得出奇，讓人覺得這個機群是活生生的。
如今的沃森與從前大不一樣。它不再僅僅存在於一牆機櫃當中，而是在大量開放標準的伺服器之間傳播。這些伺服器可以同時運行上百個人工智慧項目。只要能用手機、台式機或是自己的數據伺服器連上沃森，它就像所有雲端化的事物一樣，同時為世界各地的客戶提供服務。這類人工智慧的規模可以根據需求進行調整。由於人工智慧會隨著人們的使用自我改進，沃森將越來越聰明，它在一個項目中習得的東西能夠被立即運用到其他項目上。它並非一個單獨的程序，而是多種軟體引擎的集合，其邏輯演繹引擎和語言解析引擎可能使用不同的代碼，分別在不同地點的不同晶元上運行，而所有這些都彙集成一條統一的「智能流」。
消費者可以直接連入這個不斷運轉的智能系統，也可以經由使用這個人工智慧雲端的第三方應用程序連入。就像許多聰明小孩的父母一樣，IBM希望沃森從事醫學工作，因而他們正在開發的應用程序中有一款是醫療診斷工具並不奇怪。之前，與診斷有關的人工智慧嘗試都以慘敗告終，但是沃森確有實效。簡單地說，當我告訴它自己在印度感染的某種疾病的癥狀後，它給我一張按照得病可能性由高到低排列的疾病推斷清單。它聲稱我最有可能感染了賈第鞭毛蟲，結果確實是這樣。這項專門技術還未對病人直接開放，IBM讓合作夥伴使用沃森的智能，幫助他們開發供病人預約醫生和醫院的用戶友好界面。「我相信類似於沃森這樣的機器（人）將很快成為世界上最好的診斷專家，」Sadu公司 的首席醫療官艾倫·格林（Alan Greene）說道。這家創業公司受到《星際迷航》中醫用三錄儀的啟發，正在藉助沃森的人工智慧製造一種診斷設備。他還說，「從人工智慧技術的發展速度來看，現在出生的孩子在成年後可能很少需要依靠醫生來診斷了。」
醫學只是個開端。所有的主流雲公司加上幾十家創業公司都爭先恐後地啟動類似於沃森提供的認知服務。根據量化分析公司Quid的數據，自2009年以來，人工智慧已經吸引了超過170億美元的投資。僅2014年，322家擁有類似人工智慧技術的公司獲得的投資就超過20億美元。臉譜網和谷歌都為自己的人工智慧研究團隊招募研究員。2014年以來，雅虎、英特爾、Dropbox、領英、Pi以及推特都收購了人工智慧公司。人工智慧領域的民間投資在過去4年里平均每年增長62%，這個速度還會持續下去。總部位於倫敦的DeepMind是谷歌收購的早期人工智慧公司之一。2015年，DeepMind的研究人員在《科學》雜誌上發表了一篇文章，描述了他們如何教人工智慧程序玩20世紀80年代的街機類電子遊戲，比如「電子彈珠檯」（Video Pinball）。他們教它學習玩遊戲的方法，而不是具體遊戲的玩法，二者有著根本的區別。他們只是打開基於雲端的人工智慧，放手讓它去玩雅達利（Atari）公司的遊戲——例如Pong的變種Breakout，它會學著如何不斷提高分數。從實驗記錄影像上可以看出，人工智慧的進步速度驚人。起初，人工智慧幾乎是在隨機地玩，但它在逐漸進步。半小時後，每4次操作，它才失誤1次。一小時後，它在第300局遊戲中做到了零失誤。之後，它繼續飛快地學習，以至於在第二個小時里，它算出了Breakout中的一個漏洞，而此前數百萬人類玩家都沒有發現。利用這個漏洞，它可以通過打通一面牆贏得遊戲，這連遊戲開發者也沒想到。在沒有DeepMind開發者指導的情況下，一種叫做「深度強化機器學習」（deep reinfort mae learning）的演算法在接觸49個雅達利遊戲數小時後，能在其中約一半遊戲中打敗熟練掌握遊戲的人類。
在所有這些活動中，一幅未來人工智慧的圖景正浮現出來，它既不像哈爾9000（HAL 9000）這個由非凡（卻有嗜殺傾向）的類人意識驅動的獨立機器，也不像奇點 論者（Singularitan）迷醉的超級智能。即將到來的人工智慧更像亞馬遜的網路服務——廉價、可靠、工業級的數字智能在一切事物背後運行，除了閃現在你眼前的短暫時刻，它近乎無影無形。這種常見的設施會根據你的需求提供你想要的智能水平。即使人工智慧改變了網路、全球經濟以及文明，它也會像所有設施一樣讓人感到極度無聊。就像一個多世紀前電力所做的那樣，它會讓沒有生氣的東西活躍起來。如今我們將知化從前所有被電氣化的東西。新的實用人工智慧還會通過加深我們的記憶力，加速我們的認識能力等方法來強化個體以及全體人類的能力。通過注入額外的智能，我們幾乎想不到什麼東西不能變得新奇、不同和有趣。事實上，我們可以輕而易舉地預測接下來10000家創業公司的商業計畫：挑選一個領域並加入人工智慧。
關於加入人工智慧的神奇力量，攝影術是個很好的例子。20世紀70年代，我是個拖著笨重的攝影器材到處奔波的旅遊攝影師。除了背包中的500卷膠捲外，我還扛著兩個銅製尼康機身，一個閃光燈以及5個奇重無比（每個1磅）的玻璃鏡頭。光線暗的時候得用「大鏡頭」捕捉更多的光。攝影術要求一台用複雜而驚人的機械工程手段製造的密封相機在千分之一秒內聚焦、測量以及折射光線。那麼後來的情況呢？如今我使用的尼康傻瓜相機的重量幾乎可以忽略，在近乎黑暗時也能拍攝，焦距能從我的鼻尖一直延伸到無限遠。顯然，我手機里的相機更輕、更易用並且能和又重又老的傢伙拍攝同樣質量的照片。新相機體積更小、反應更快、聲音更小且更便宜，這不僅是微型化造成的，還因為許多傳統相機的