但是，无论你喜欢与否——不管你是编程阶层的一员还是连手机闹钟设置都搞不定的普通人——不要对此习以为常。世界这台“机器”正在开始说另一种语言，即使是最顶尖的程序员也不一定能全弄明白。
机器正在开始自己“学习”
在过去数年间，硅谷最大的科技公司都在拼命追求一种被称之为机器学习的计算方式。传统的编程模式下，工程师写好明确的、分步运行的指示，计算机只需执行。在机器学习模式下，工程师不会给计算器编写运行指示，他们会训练计算机。比如，如果你想教神经网络去识别一只猫，不用告诉它要去找胡须、耳朵、毛和眼睛，只需要给它看成千上万幅猫的照片，它最终自己会找到办法。如果它一再把狐狸错认为猫，你不需要重写代码，只需要继续调教。
这种方法并不新鲜——已经存在了几十年——但直到最近才变得极其强大，一部分归因于深度神经网络的异军突起，大规模的分布计算系统模拟大脑神经元的多层连接。无论你是否意识到，我们很多的网络活动背后都有机器学习的影子。 Facebook利用它来决定哪条新闻出现在你的时间线上，Google图片用它来做面部识别。微软的Skype Translator利用机器学习把演讲实时转换成不同的语言。
自动驾驶汽车依靠机器学习来避免事故。甚至，Google搜索引擎这座由人工规则建立起来的“大厦”也开始仰仗这些深度神经网络。2月份，Google用机器学习专家John Giannandrea替换掉了多年以来的搜索部门负责人，还开始启动一个针对工程师的“新技能”再培训项目。“通过培养学习机制，我们不一定非要去编写规则了。”Giannandrea告诉记者。
和大脑一样，神经网络也是一个黑箱
但是，这就是问题所在：工程师们永远也无法确切搞清楚计算机是如何通过机器学习完成任务的。神经网络的运行很大程度上是不透明的，难以捉摸。换句话说，这是个黑箱。这些黑箱正在日益接管我们的数字生活。不仅在改变我们与科技的关系——还在改变我们对于自我、世界以及人类在世界中的位置的认识。
过去，程序员就像是上帝，制定计算机系统运行的律法;现在，他们变成了计算机的父母或训狗师。无论是父母还是训狗师都会告诉你，这是一种更为神秘的关系。 Android的联合发明人Andy Rubin是个积习成癖的发明家和程序员，硅谷人尽皆知他的办公室和家中到处都是机器人，他亲自给它们编程。“我很小的时候就对电脑科学着了迷，因为在计算机的世界我可以忘记自己。它是一块干净的石板，一块空白的画布，我可以从无到有地创造。“他说，”多年以来，我对这个自己乐在其中的世界全权掌控。”
如今，这个世界已经走到了尽头。Rubin为机器学习的崛起而激动欢呼——他的新公司Playground Global专门投资机器学习领域的创业公司，在智能设备的普及浪潮中保持领先，但这也会让他感到些许难过。因为机器学习改变了工程师存在的意义。
用于语音识别的听觉模拟神经网络
“人们不会再逐行写代码了，当一个神经网络学会了语音识别，程序员并不能深入内部去看看这是怎么发生的，就像你无法切开大脑看看自己在想什么。”Rubin说。当程序员窥视深度神经网络的内部，他们看到的只是一团迷雾：海量多层次的微积分问题——由数十亿个数据点持续不断产生的连接——产生着对世界的猜想。
这并不是人们想象中的人工智能的运行方式。直到数年之前，主流的人工智能研究者还以为只要为一台机器灌输正确的逻辑，就能创造智能。只要编写足够多的规则，我们最终就能创造一套精密到可以理解世界的系统。早期的机器学习拥护者被忽视甚至遭到诋毁，他们更倾向于给电脑提供足够多的数据，让它们自己得出结论。多年之间，计算机的运算能力都不足以证明这种方法的价值，所以争论变成了一场哲学思辨。