大数据和机器智能的发展，必将使得“机器”能够准确地了解社会的每一个细节。因此，具有最强大智能机器的不是哪一个具体的机器人，而是超级数据中心后面几十万，上百万的服务器集群。而掌控这个集群的人实际上在掌控这个社会发生的一切。
2.对医疗卫生的影响
近几十年来，虽然人类的寿命在不断地延长，但这在很大程度上是靠技术手段，而不是医疗本身水平的提高。事实上，提高医疗水平是一个非常漫长的过程，而过去研制新的药品和医疗手段亦是如此。医疗健保的费用不断增加，而且照此下去各国将是不堪负荷的，据估计到2020年，美国用于医疗健保的费用将达到GDP的20%左右。
那么出路在哪里?今天IT界和医学界领域都有一个共识，就是通过IT的进步，尤其是大数据和机器智能的进步，帮助解决人类健康的问题。当然，这个话题很大大，我们可以从三个侧面来看看在未来IT技术对生物医疗的帮助。
首先，药品的研制。攻克癌症是人类的一个梦想，但是迄今为止没有一种特效的抗癌药能够治愈癌症。过去医学界还试图研制这样的抗癌药，但是后来医学界认识到，由于癌细胞本身的基因会变异，因此并不存在这样一种万能药。基于这一点共识，医学界改变了治疗癌症的思路，那就是针对特定患者(不断变化的癌细胞)，研制特定的药物，从理论上讲，只要研制的速度超过癌细胞变化的速度，癌症就可以治愈了。
按照传统的药品研发思路，科学家们应该先研究病理，找到解决方法(比如阻止具有某种基因的癌细胞蛋白质的合成)，然后找到相应的药物，进行各种动物实验和临床试验。这是我们前面提到的强调因果关系的工作方法。但是，按照这个思路，为每一位癌症患者研制一种新药是很难办到的。且不说制药公司能否安排一个专门的团队为一个特定的患者服务，就算是能做到这一点，研制新药的成本也是患者无法负担的-平均一个人要十亿美元(基因泰克公司董事长李文森博士的估计)。事实上，不仅研制抗癌药成本高周期长，在美国，任何一种有效的处方药研制的时间和费用都非常高。过去大约需要十年时间，十亿美元，今天这个过程并没有缩短，而成本甚至上升到近百亿美元。
针对这种困境，科学家们想到了利用大数据来解决问题。在美国有大约5000多种处方药(远比一般人想象的少)，过去每一种处方药都是用于当初针对的那些疾病的，比如治疗心脏病的药物就是用于心脏病的。但是，今天通过大数据统计研究发现，一款治疗心脏病的药物对于胃病的治疗效果明显。按照大数据的思维方式，我们应该先接受这个结论，再反过来找原因。基于这样的方法，找到治疗一种疾病的药品的组合，成本比以前研制新药成本要降低至少一个数量级，而时间可以缩短70-80%。根据著名生物系统专家、基因泰克公司董事长阿瑟∙李文森博士的估计，采用大数据有望实现针对每一位癌症患者量身定制药物和治疗方法，而成本可以降到每个人五千美元。
其次，基因科技和医疗诊断。2012年Google科学比赛的第一名授予了一位来自威斯康星的高中生，她通过对760万个乳腺癌患者的样本数据的机器学习，设计了一种确定乳腺癌癌细胞位置的算法，来帮助医生对病人进行活检，其位置预测的准确率高达96%，超过目前专科医生的水平。可以讲，她的成功在很大程度上得益于大数据。这个例子只是众多通过IT技术来帮助疾病诊断的成功案例之一。一些类似的软件已经开始商用化。
大数据对医疗诊断的另一个主要的应用在于将人类的基因图谱和各种疾病联系起来，从而找到可能致病的基因并且设法修复。如果这件事情能够完成，那么不仅有希望治愈很多过去因为基因缺陷引起的绝症(比如癌症、帕金森综合症等)，甚至有可能逆转人类的衰老过程。2013年，Google成立了它的医疗保健分公司Calico，并且聘请了李文森博士担任CEO，其第一期的投入已经高达10亿美元。据李文森博士介绍，采用传统的医学研究的方式，要想找到导致老年痴呆的基因并且找到治疗方法，在他有生之年(1950年出生)可能是看不到的，但是利用大数据，则有可能办到。
第三、医疗机器人。约翰∙霍普金斯大学的罗素∙泰勒教授是全世界最有权威的医疗机器人专家。根据他的专利制造的手术机器人达∙芬奇已经成功地在全世界进行了150万例的手术，包括前列腺摘除，心脏瓣膜修复等。据泰勒教授介绍这种造价两百万美元的机器人采用了非常多的跨学科的技术，具体到IT领域，其核心技术包括图像处理和图像识别，3D图像的复原，统计模型等等。为了制造这个机器人，科学家们从医学院里收集了大量的数据，建立各种模型，从而让它拥有了一个非常见多识广的大脑。相比医生，手术机器人最大的好处在于它的稳定性--即不会因为情绪而影响手术效果。从2000年这种机器人被FDA批准使用后，目前全球已经装备了3000多台，其中三分之二在美国。在未来，这一类的医疗机器人会越来越多地被使用。