这样的方法并不新颖，出现时间已有数十年，但直到近期才变得更强大。这部分是由于深度神经网络的兴起。这样的大规模分布式计算系统模拟了大脑中的多层神经元结构。无论你是否意识到这点，机器学习都已经在我们的在线活动中扮演了重要角色。
Facebook使用机器学习去判断，将哪些内容投放至你的消息流。谷歌照片使用机器学习去识别照片中的人脸。微软的Skype Translator能实时翻译不同语言之间的对话，而基础也是机器学习。无人驾驶汽车利用机器学习去避免交通事故。甚至谷歌搜索引擎也开始依靠深度神经网络。
今年2月，谷歌任命机器学习专家约翰吉安南德里(John Giannadrea)为搜索业务负责人，并启动新项目给工程师培训这一新技术。吉安南德里表示：“通过开发学习系统，我们不需要再编写这些规则。”
不过问题在于：在机器学习系统中，工程师无法知道，机器如何去完成自己的工作。神经网络的运行很大程度上不透明，令人无法捉摸。换句话说，这是个黑盒。随着这样的黑盒在我们的日常生活中扮演越来越重要的角色，它们不仅将变革人类与技术之间的关系，将改变我们对自己、对世界，以及对我们与世界关系的思考。
如果说在传统观念中，程序员就像是上帝，是计算机系统规则的制定者，那么现在他们更像是家长，像是宠物的训练者。作为家长或者宠物的主人，你与孩子或宠物的关系将会有些说不清、道不明。
程序员将遭遇变革
安迪鲁宾(Andy Rubin)是资深的发明家和程序员。作为Android系统的联合创始人，鲁宾的办公室和家里摆着各种机器人，这点在硅谷已人尽皆知。他自己为机器人编程。他表示：“在我还很年轻时，我就深入至计算机科学。我喜欢计算机是因为，我可以消失在计算机的世界里。这就像是一块白布，我可以从头开始创造些东西。在许多许多年中，这给我带来了一个完全受控的世界。”
然而他现在认为，这样的世界正走向尾声。机器学习的兴起令鲁宾感到兴奋。他的公司Playground Global投资了机器学习行业创业公司，对自身的定位则是领导智能设备的发展。不过，这也令他有些遗憾，因为机器学习改变了关于工程师的定义。
鲁宾表示：“人们不再一步步编写程序。在神经网络知道如何识别语音之后，程序员无法介入，看看机器是怎么做到的。这就像是你的大脑。你不可能把头砍下来，看看你在想什么。”如果工程师想要窥探深度神经网络的内部，那么他们看到的将是数学的海洋，利用多层微积分计算去判断数十亿数据点之间的关系，从而完成对世界的猜测。
人们最初对人工智能的设想并非如此。直到几年前，主流人工智能研究员仍认为，如果想要开发出智能体，那么我们必须给机器灌输正确的逻辑，只有编写足够的规则，我们才能开发出足够精密的系统，去理解整个世界。他们大多没有注意到机器学习的早期发展，甚至诋毁这一技术。在很多年时间里，计算机的性能不够强大，而机器学习的优势体现不出来，因此这样的观点占了上风。
致力于人工智能的斯坦福大学前教授塞巴斯蒂安斯伦(Sebastian Thrun)表示：“大部分争论集中于固有观念，即人脑如何组织世界，以及人脑的运转方式。神经网络没有任何符号或规则，只有数字。这令许多人感到不能理解。”斯伦开发了谷歌的无人驾驶汽车。
除此之外，无法理解的机器语言还带来了更现实的问题。过去20年，学习编程可以说是找工作的捷径，许多家长都在让孩子们额外学习编程。然而，由神经网络主导的深度学习机器需要完全不同的能力。随着机器导致传统技能的边缘化，分析师已开始担心，人工智能对就业市场的影响。程序员可能很快就能亲身感受到这一点。
知名科技行业人士蒂姆奥莱利(Tim O'Relly)表示，传统编程不会彻底消亡，在很长一段时间里我们仍需要程序员，不过这样的需求将逐渐下降，而编程将成为一项“元技能”。用艾伦人工智能研究所CEO奥林艾奇奥尼(Oren Etzioni)的话来说，编程的目的将变成为机器学习的运行“搭脚手架”。量子力学的发展并没有彻底打破牛顿经典力学，而代码仍将带来强大的力量，并且是我们探索世界的工具。然而，在提供特定的功能方面，机器学习将会代替我们去做很多工作。