马克西米利安·席希（Maximilian Schich）：艺术史学家，得克萨斯大学艺术与人文学院副教授
机器做了越来越多的我们先前认为需要思考的事情，但现在我们已经不再做这些事情了，因为机器代替了我们。我多少是从被誉为“机器连接与知识图谱之父”的丹尼·希利斯（Danny Hillis）那里“窃取”这个想法的。在人类和机器中，窃取想法是思维过程中很常见的一种活动。实际上，当人类思考时，我们大多数想法来自过去的经历，或者是被记录下来的别人的经历。我们极少想出彻底的新想法。机器也不例外。所谓的认知计算，无非就是一个深思熟虑的想法窃取机制，它由大量知识和复杂的算法过程来实现。人类的思想和认知计算里都含有这种窃取想法的过程，这令人印象深刻，因为它们不仅能够窃取已有的想法，还能从一个给定的知识框架中窃取合理的潜在想法。
现在，窃取想法的机器已经能够产生与“后现代主义思想”没什么两样的学术文献，写出能被计算机科学专业会议接受的论文，创作出让专家都难以分辨的古典乐曲。在天气预测方面，机器可以基于过去的或相似情境下的期望来创造出很多不同的认知表征。研究文艺复兴的古文物学者将会很高兴，因为这些机器正是基于文艺复兴时期产生的方法而取得的胜利，这些方法带来了现代考古学和很多其他科学研究的分支。但是我们到底该怎样铭记？
机器变得越来越智能，它们所取得的成果也是如此。但是随着我们制造出越来越好的机器，我们对自然的认识也会越来越深刻。实际上，比起我们目前赋予人工智能或认知计算的特性，自然涌现出的认知要复杂得多，细节要丰富得多。比如，我们该如何想象自然认知的智慧，室温的量子相干性什么时候能帮助花园里的鸟儿感受到磁场？在可以完全用人造肌肉建造图灵机时，我们该如何想象章鱼身体所具备的认知复杂性？在我们还远不能完整地记录下我们大脑的运行时，我们该如何回答这些问题？我的猜测是，200年后，我们的思维机器看上去就像最原始的亚马逊土耳其机器人一样。
不管它们会变得如何复杂，比起自然认知的分辨率和效率，机器始终显得有些简陋。就像益生菌的新陈代谢，它们始终处于真实生命的临界值以下。但是它们很强大，足以让我们进入到一个新的探索时代。机器已经让我们创造出很多前所未有的想法，并且创新已经变成在全部可能想法中发现正确想法的练习。就像拥有我们自己的想法一样，灵感源于在已有的想法中进行正确的探索。衡量所有可能想法的认知空间，将如宇航员探索宇宙那般令人惊叹。也许，作曲家马勒（Mahler）没有完成的《第六十交响曲》和他的《第六交响曲》一样令人惊叹。
