塞思·劳埃德（Seth Lloyd）：MIT量子机械工程教授；著有《为宇宙编程》（Programming the Universe）
我很同情国家安全局（NSA）里那些可怜的人们：他们在监视所有人（太令人惊讶了），所有人都对他们的这一举措感到恼火。但至少国家安全局监视我们是为了保护我们免受恐怖分子的袭击。现在，正当你读到这里的时候，在世界的某个地方，一台计算机的屏幕上弹出了一个窗口。上面说：“你刚买了两吨氮肥。买这两吨氮肥的人可能喜欢这些雷管……”亚马逊、Facebook、谷歌、微软也在监视每一个用户。但由于这些科技巨头们进行的监视反而会为我们（包括恐怖分子）带来更多便利，所以一般被认为是可以接受的。
电子间谍不是人：它们是机器（人类间谍不可能轻率地推荐最可靠的雷管）。从某种程度上讲，电子间谍利用人工智能过滤我们的电子邮件，这使它感觉上更简捷。如果电子间谍挖掘我们的个人数据的唯一原因是为了卖给我们更多便宜货，我们可能幸免于隐私的泄露。然而，机器相当大量的运算是用于思考我们将要做的事情。这些数据管理公司总共用于承担我们的信息数据的计算能力大约为每秒100万兆次。同样，电子间谍也使用了地球上每个人的智能手机的计算能力。
每秒100万兆次的计算能力也是世界最强大的500个超级计算机计算能力的总和。世界上大部分的计算能力都致力于有益的工作，例如预测天气或模拟人脑。也有相当多的计算能力用于预测股票行情、破解密码和设计核武器。然而，很大一部分机器做的，只是简单地收集我们的个人信息，对其进行分析思考，然后推荐我们购买商品。
当这些机器在思考我们的想法时，它们在做什么？它们在连接我们提供给它们的大量个人数据，并进行模式识别。有些模式是复杂的，但大多数相当简单。我们付出了巨大的努力去分析自己的语言、辨析我们的笔迹。当前流行的思维机器名叫深度学习。当我第一次听说深度学习的时候，我感到很兴奋，因为机器最终会向我们显露出生物深层次的品质——忠诚、美好、爱情。但我瞬间又醒悟了。深度学习中的“深度”是指机器进行学习的结构：它们由许多层相互连接的逻辑单元组成，类似于人脑中“深层”的相互连接的神经元。这表明，分辨出书写潦草的“7”与“5”是一项艰巨的任务。早在20世纪80年代，第一台基于神经网络的计算机无法胜任这项工作。当时，神经计算领域的研究人员告诉我们，只要他们拥有更强大的计算机，以及更大量的由数百万潦草数字组成的训练集，那么到那时人工智能就可以完成这项工作。现在正是如此。深度学习的信息来源很宽泛，因为它分析海量的数据，但概念很肤浅。现在，计算机能够全部说出我们的神经网络所知道的东西。但如果一台超级计算机能够正确地识别出信封上手写的邮政编码，那我认为它的能力更强。
早在20世纪50年代，人工智能领域的创始人们曾自信地预测：机器人女仆会很快被用来帮我们整理房间。事实表明，设计一个能打败国际象棋世界冠军的计算机程序，比设计一个能够轻松打扫房间、困在沙发下面发出嘟嘟哀鸣声的机器人更简单。现在我们知道，百万兆次超级计算机将能够解答人类大脑的奥秘。更可能的是，它将发展到会感到头痛或者会要一杯咖啡等。与此同时，我们获得了一个新朋友，它们的建议会呈现出对我们最大隐私的不可思议的了解。
