问：那如果人类知识被编码入机器呢？
Pierre Lévy：好吧，你学过哲学？
问：是的，一点点。
Pierre Lévy：好的。所以，柏拉图的《斐得若》是非常重要的对话篇。他提出了和你一样的内容，但是不是关于机器，而是写作。他说：“什么，你要把我们所知道的全部信息放进图书馆？”因此，在图书馆里，假设是亚历山大图书馆，人类知识全部汇编于此，我们不再需要教授了。所有人都失业了。好怕怕！你要知道，18世纪巴黎有3000人专职运水。然后水管发明了，啊，他们丢了工作，好怕怕！
因此，不，我不觉得我们应当以如此消极的方式看待算法。我自己，曾经并且依旧在研究人工智能，我也设计过专家系统。我采访一组专家，试图理解他们的专业知识。然后，我以一种创造性的方式将他们的知识加以正式组织，形成层次规则，这样算法能够理解调用。他们没有因此而变得过时。恰恰相反，他们成为这一专家系统的主人。一旦他们在我的帮助下建立起这个系统，他们就自维持了。将他们的实践知识通过这个组织加以传播非常有益。
就像印刷或者写作，它们有利于知识传播。将知识转化成软件的形式是传播知识的好方法，应当加以鼓励而不是畏惧。
问：IEML如何让人们借助计算机这个工具变得更聪敏呢？
Pierre Lévy：你有万维网这个巨大的数据库。它们在物理层面上共享一个地址系统，你可以通过服务器的地址达到所有信息，但是没有通用的分类系统。图书馆之所有有价值是因为它的分类系统，否则你怎么能找到正确的文件呢？
我们有许多种不同的分类法，我们有本体论，我们有许多方法给语言分类，不同的自然语言内部分类又不一样。实际上，当你不知道你在找什么的时候，信息搜集变得相当苦难。当你知道你在找什么的时候，谷歌很实用。但是，当你试图驾驭知识的时候，就变得有点困难了。
一个很好的解决办法是求助维基百科，但它和19世纪大英百科全书的组织方式一样，基于相同的划分和分类。这些跨学科区分不是真实存在的，自然语言也是个问题。
我的想法是，采用一个通用的分类系统，得像自然语言一样灵活，当你想描述一份文件的时候，言无不荆你不必遵守任何必须这样或者那样的规定。但是所有的描述都使用同一种语言，你也无需学习这种语言，因为你可以用自然语言和其交流。这种语言有一个奇妙的属性，即它是一个算法代码，每个短语都可以显示其内部语义网络，而且它也会计算某一个文本和其他相关文本之间的语义关系。
如果你用这个系统（所有的数据按照语义关系加以组织）进行数据分类，数据管理，并且在网上描述你在做什么，就会出现新思想。人们共同创造了这些思想，一起创造了思想组织的方式，通过他们的交流，思想的生态圈就此涌现。这就是关于自反的集体智慧我所宣扬的东西，集体智慧已经存在了，尤其是在互联网上，但是我们真的不太清楚我们在共同做点什么。
你熟悉这张著名的互联网图片，巨大网络上的连结像神经元，看看这些色彩。节点代表理位置，连结代表节点间的流量，但是你不知道其中的真正含义。我们将要实现的是一种地图，节点代表思想，而连结代表计算，这意义重大。
许多人混淆计算和数量，不是这样的。计算在谈数量，甚至数学也在谈数量。如果我们能将这些结构关系数学化，我们就能计算语义关系。但是我们需要正确的代码。
问：我还有一个问题。你在建立组织信息的学说，这看上去会从根本上改变互联网上信息的搜集和编码。这会使得操作这个系统的所有人在一样层面上就互联网上的数据获得前所未有的洞察，你认为这里存在政治考量吗？
Pierre Lévy：当然了。目前分析大数据的权力掌握在一些强大的实体手中，这些跨国公司，谷歌，Facebook……我不知道。
问：NSA，国家通讯总局......
Pierre Lévy：这些政府和大企业，它们是使用这些大数据算法的主要人群，他们看上去掌握了很多，但其实没那么多深度见解。我知道这背后是什么，主要是数据。数据可以为你提供信息，但真没有那么多。