1. 精心之作。国家文津图书奖得主、硅谷投资人吴军博士继《智能时代》（初版）风靡市场4年之后，对内容进行修订和资料升级，增改内容超过60%。

2. 读者认可。《智能时代》（初版）获得百万读者的认可，成为“智能时代”话题的代表作品。

3. 大家加持：中国工程院院士邬贺铨、小米创始人雷军、混沌大学创办人李善友、大数据专家徐子沛作序并联袂推荐，深度肯定吴军博士《智能时代》的内容价值。

4. 趋势前瞻：本次再版融合了近几年信息科技产业的5G、IoT等技术的深度发展和趋势研判，凡是关注互联网和智能社会的人、不想被时代淘汰的人，本书都是不可多得的良师益友

人工智能迅猛发展，对社会和商业的影响日益深刻。我们在过去被认为非常难以解决的问题，会因为大数据和机器智能的使用而迎刃而解，比如自动驾驶、语音识别甚至解决癌症个性化治疗的难题。同时，机器智能还会颠覆现有商业模式，很多传统的行业都将采用智能技术实现升级换代。

在《智能时代》（1版）畅销百万册后，吴军博士对内容进行大幅修订，力图全景呈现机器智能的原理和发展历程，以及它们对未来产业和社会的影响

本书一共分为四篇。

篇一 介绍大数据和机器智能的原理和基础、机器智能的发展历程及其关键的深度学习技术。

篇二介绍大数据和机器智能所带来的思维革命。

篇三介绍智能革命自身的技术挑战和机遇。

篇四介绍智能革命对产业、社会以及对个人所带来的机会和冲击。

随着IoT 、5G 通信的发展，以及区块链与机器智能的紧密结合，整个社会的智能水平将达到的高度，人类将步入超级智能时代。因此，每个人都要未雨绸缪，力争做控制世界的那2%，而不是被智能化浪潮淘汰。

吴军博士，“文津图书奖”得主，硅谷风险投资人，知名自然语言处理和搜索专家。毕业于清华大学、美国约翰.霍普金斯大学，计算机科学博士。于2002年加入谷歌，是当前谷歌中、日、韩算法的主要设计者。2010年加盟腾讯，担任搜索业务副总裁。后回到谷歌负责计算机问答项目。2014年，作为创始合伙人创立丰元投资。吴军博士既有深厚的学科背景，又具有丰富的中美高科技企业工作及投资经验。著有《全球科技通史》《见识》《态度》《格局》《浪潮之巅》《数学之美》《文明之光》等多部畅销书，并多次获得“文津图书奖”“中国好书”“中华优秀出版物奖”在内的各种图书大奖。

目录

推荐序一 大数据与机器智能催生智能时代　/ 邬贺铨

推荐序二 智能时代，未来已来　/ 李善友

自 序 人类的胜利 _

上卷

第一篇：人工智能的支柱

01 一切从数据开始

如果我们把资本和机械动能作为大航海时代以来全球近代化的推动力，那么数据则是我们正在经历的智能革命的核心动力。要了解人工智能，就要从数据说起。

数据、信息和知识

数据的作用：文明的基石

相关性：使用数据的钥匙

统计学：点石成金的魔棒

数学模型：数据驱动方法的基础

02 大数据和机器智能

如同飞机不是飞得更高的鸟儿一样，人工智能也并不是更聪明的人。在大数据出现之前，计算机并不擅长解决需要人类智能的问题，但是今天这些问题换个思路就可以解决了，其核心就是变智能问题为数据问题。由此，全世界开始了新的一轮技术革命——智能革命。

什么是机器智能

鸟飞派：人工智能1.0

另辟蹊径的数据驱动

数据从量变到质变

大数据的特征

变智能问题为数据问题

03 深度学习与摩尔定律

让计算机能够产生智能的三个要素是数据、数学模型和硬件基础，所以有了海量数据，就需要解决如何建立数学模型和硬件基础是否可以承载的问题。这就不得不讲讲今天大热的深度学习，以及在过去半个多世纪里，让计算机处理器的性能增长了上亿倍的摩尔定律。

什么是机器学习

深度学习与谷歌大脑

摩尔定律的馈赠

第二篇：思维的革命和商业的变革

04 思维的革命

在无法确定因果关系时，数据为我们提供了解决问题的新方法，数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到想知道的答案，这便是大数据思维的核心。

思维方式决定科学成就

工业革命：机械思维的结果

世界的不确定性

熵：一种新的世界观

用大数据消除不确定性

从因果关系到强相关关系

数据公司谷歌

05 大数据思维与商业

今天，大部分人工智能的应用，采用的都是谷歌开源的代码。在未来我们可以看到，大数据和机器智能的工具就如同水和电这样的资源，由专门的公司提供给全社会使用。而大家要做的事情，就是思考如何利用大数据和智能工具，解决好自己的实际问题。

利用大数据从乱象中找规律

相关性、时效性和个性化

被出让的决策权

商业的底层尽在数据流中

把控每一个细节

重新认识穷举法

从历史看技术与产业

技术改变商业模式

“+ 大数据”缔造新产业

第三篇：智能技术的挑战与机遇

06 技术的挑战

大数据和传统的数据方法是不同的，使用好大数据对相应的技术提出了新的挑战。人工智能目前的成就主要来自大数据、硬件性能和算法（数学模型）的平衡。当数据量还在激增，摩尔定律快要遇到瓶颈时，便到了我们必须迎接挑战的时候。而当新的需求出现时，又会遇到原先想不到的技术挑战。

技术的拐点

数据的产生

数据的存储

数据的传输

数据的处理

数据的收集和选取

数据的压缩和表示

并行计算和实时处理

机器学习的解释和评估

数据安全

保护隐私

07 迈向超级智能

未来的社会将是一台超级智能的有机体。如果我们把它对应于人，那么人工智能是大脑，IoT 是神经系统。IoT 中数量巨大的传感器和设备扮演着众多感官细胞的角色，而正在发展起来的5G 移动通信网络则相当于周围神经。区块链也是这个超级智能有机体不可或缺的部分，它扮演着承载生物信号的角色。

“移动互联网+ 传感器”催生IoT

IoT 是第三代互联网

5G 不只是比4G多1G

区块链≠虚拟货币

超级智能时代

第四篇：智能时代与我们

08 未来智能化产业

人工智能会在未来改变很多产业格局，一些新的产业会出现，但更多的改变是对现有产业的改造。在未来，那些存在了几百甚至上千年的产业还会存在，而且会发展得更好。农业、制造业、体育、医疗、法律，甚至编辑记者行业都将迎来崭新形态。我们不妨把这种变化用如下范式来概括：现有产业+ 智能技术= 新产业。而产业的升级和变迁，会比现在的产业更好地满足人类的个性化需求，逐渐导致整个社会的升级和变迁。

未来的农业

未来的体育

未来的制造业

未来的商业

未来的医疗

未来的律师业

未来的记者和编辑

未来的生产关系

09 未来的社会

在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么加入浪潮，成为前2% 的人；要么观望徘徊，被淘汰。

智能化社会

精细化社会

无隐私社会

丢掉工作的社会

争当2% 的人

大企业未必靠得住

5G不只是比4G多1G

第三代互联网要想普及，还需要对全球的移动通信网络进行进一步的升级。

今天5G是一个热门的话题。为什么我们需要5G？很多人说网速快，其实4G的网速在绝大多数情况下已经足够用了，即使看高清视频也足够快。实际上，今天对很多人来讲，4G的流量太贵才是无限制上网的主要障碍，而非网速。某些地方信号不好上不了网，那不是技术的问题，而是基站建设和网络基础架构建设的问题。

今天只有在一种特殊的情况下，4G移动通信网络不够用，那就是在一个很小的区域内，如果有太多人要上网，比如我们在前面第六章中提到的上万人在一个会场里的情况。这个道理其实很简单，根据信息论中关于信息传输率的香农第二定律，当试图用比信道容量更快的速率传输信息时，出错率不是1%、5%，也不是20%、50%，而是100%。也就是说，那时没有人能够上网。我们今天采用的4G通信，基站覆盖半径通常在1.5千米左右（4G基站之间的距离通常在2~3千米），在城市里可能会更密集一点。而在这方圆一千米的范围内，总人数是有限的，并且人们也不会同时上网，因此分给每个上网人的带宽是够用的。但是，遇到上述情况时，所有人加在一起总的传输率就超过了信道的总带宽，导致大家无法上网。即便总的传输率略低于信道的容量，由于信息在传输的过程中难免要出错，需要重传，当信道很忙碌时，错误率会很高，通信就极不稳定。理解了这一点就不难想象，当IoT开始普及，如果在一个范围内要同时上网的设备数量增加两个数量级（100倍左右），那么今天的4G网络是不够使用的，就会出现像前面说的那种“会场拥堵”的问题。这时候，就需要总的传输率更快，而且并发处理通信请求能力更强的移动通信网络了。我们把新的网络称为5G。

从4G到5G，通信带宽增加是最明显的特征，这一点是怎么做到的呢？有人觉得多建基站，提高基站的功率，这其实是误解。功率的提高虽然能够让远离基站的地点信号增强，网速有所改进，但是一个基站所能提供的总的通信量是一个常数。至于单纯增加基站的数量也是不可行的，因为基站之间会打架。更何况，在城市里，太多大功率的基站会让周围的电磁波辐射太强，对人也不安全。谁要是不相信可以戴一个（封闭的）金手镯到发射塔下面站一会儿，手肯定就会被烧伤。因此提高移动通信的带宽需要想别的办法，所幸的是香农早就告诉大家答案在哪里，那就是提高无线通信的频率范围。

无线通信的频率是无法向下扩展的，一是因为那些频率已经被占用了，二是因为能够扩展的范围有限，因此它只能向上扩展，也就是让无线电波的频率增加。目前华为提出的过渡型5G标准频率是6GHz（吉赫），比目前4G标准所采用的2GHz上下的频率要高得多，而高通提出的5G最终标准采用的频率高达28GHz。我们知道，无线电波的频率越高，它绕过障碍物的能力就越差，比如说当它被提高到可见光的频率时，你随便用张纸、用块布就能挡住它。当然我们今天无线通信的频率还没有这么高，但是在城市里高楼大厦会严重影响通信。怎么办？最简单的办法就是在提高通信频率的同时，把基站建得非常密，这样你的附近就有基站，而通信信号也不需要传太远。

按照目前对5G网络的设想，基站之间的距离将从过去2~3千米锐减到200~300米，这样就带来了三个明显的好处。首先，采用了更高的频率通信所带来的受建筑物干扰的问题，因为通信距离的缩短可以被解决。其次，更少的人分享带宽。我们假定在大中城市里半径一千米范围里的人口是1万人，那么方圆百米范围内就会下降到100人。这样每个人能够分到的带宽就可以增加两个数量级。最后，由于基站的通信范围可以从1千米减少到100米，功率可以降低两个数量级。这样，虽然城市里基站的数量增加了百倍，但是电磁波辐射反而大大地下降了。当然，有了5G，我们前面讲到的各种有关IoT的需求就都能够满足了。这便是从通信的角度来看待IoT。

结合我们前一节所讲的内容，第三代互联网和5G其实是两类不同行业的人，从两个不同的视角解读IoT，以及由它推进的技术革命。那么这两种视角是否有足够大的交集，甚至能否相融呢？答案是肯定的。事实上，从1G到4G，虽然从用户的角度讲只是移动通信速度的增加，但是从技术上讲，这种变化有两条主线，一个是标准的进步，另一个则是网络的不断融合。

我们还是先从1G说起。

世界上最早的民用移动通信电话是由摩托罗拉公司发明的。在1967年的国际消费类电子产品展览会（CES）上，最吸引眼球的是由它推出的第一代商用移动电话的原型。当时一部这样的电话售价2 000美元，重达9千克！但是几年后，当它开始在市面上销售时，其重量就降到了不到3千克，当然售价还是很贵。在摩托罗拉之前，AT&T是世界电信产业的霸主，它也不觉得移动通信有什么必要性。如果大家不愿意坐在椅子上打电话，使用无绳电话就好，因此它对于移动电话的判断是，使用者不会超过100万。当然后来的结果大家都知道，AT&T作为通信技术的引导者错过了那一次机遇，而摩托罗拉从此成为移动通信的领导者，并且主导了第一代的移动通信标准的制定。

移动通信从一开始，其实就是无线和有线的结合。基站和手机之间是无线通信，但是基站之间却是通过线路连通的。这样做有很多好处，不仅把空中有限的带宽用于手机的通信，可以让更多的手机入网，而且保证了基站之间通信的稳定。进入20世纪80年代，诺基亚等公司就开始研制新一代的移动通信设备并且提出新的移动通信标准。1991年，它们开始投入使用。为了区分这两代不同的移动通信标准，以前的被称为1G，即第一代的意思，新的则被称为2G。

从表面上看，2G手机比1G的大哥大手机要小很多，更省电，而且收发短信方便。从技术上讲，1G是模拟电路的，2G是数字电路的，而数字电路本身受益于摩尔定律，能够以非常快的速度迭代。在2G手机中，一个专用芯片可以取代过去大哥大上百个芯片。再往后，使用更有效的CDMA（码分多址）标准的3G移动通信出现了，信息的传输率提高了一个数量级。这是一个飞跃，它使移动互联网得以实现，从此手机的语音通话功能降到了次要位置，而数据通信（包括浏览网络）成为主要功能。但是，从1G到3G都存在一个大问题，那就是移动通信的网络和原有的通信网络虽然能够彼此相通，却彼此独立，移动通信的网络并不依赖于已经搭建好的通信网络自成一体。今天我们回过头来看这件事会觉得有点荒唐，但是如果我们了解了当时以摩托罗拉和诺基亚为代表的移动通信公司和以AT&T为代表的传统电信公司是多么水火不容，就不难理解这一点了。事实上，在从2G到3G过渡的时代，摩托罗拉公司甚至搞出了一个铱星计划，通过66颗卫星建立一个完全独立的移动通信网络，完全不依赖于现有的电话系统。铱星计划最终破产了，这倒不是摩托罗拉的技术不够好，甚至不是像一些人想象的那样因为用户数量不够不能让成本降下来，而是这个计划从一开始就违背了单位能量传递信息必须越来越有效的科技发展的大趋势。

3G之前相对独立的移动网络不仅存在巨大的通信效率问题，而且它无法受益于网络技术的快速迭代。基站之间的带宽不足，再加上手机端到端的通信要经过好几级的转发，手机之间通信其实是非常复杂的。

从3G到4G，虽然基本上沿用了原有的基站，但是网络结构却有了巨大的改进。不仅基站之间光纤的带宽增加了，端到端通信时的信息转发次数减少了，而且它利用了互联网和电信网络的最新技术，比如采用了分布式基站的架构，通过云计算实现了很多虚拟化，以增加灵活性和网络各个基带的流量平衡。总之，网络技术的融合使4G的速度比3G快很多。

但是4G依然没有将所有的网络融合到一起。今天我们其实还在使用两个移动互联网，在外面我们使用4G，回到家里使用Wi-Fi。对于前者大家要按照流量付费，而对于后者基本是包月。这种不一致源于我们前面讲到的电信公司和互联网公司的差异。在4G时代，只要是在家用网络稍微多一点的地方，都需要有入户的光纤和Wi-Fi路由器，而不能所有上网都使用4G。但是到了5G时代，我们可以将间隔距离只有百米的基站看作大功率的Wi-Fi，这样对大部分家庭来讲，家里的网络和社会上的5G网络就可以合二为一，除了需要传输极大数据量的个人和企业还需要专门连入光纤，大部分人使用5G网络就可以解决所有的网络问题。从此，互联网产业和通信产业就会融合为一个更为完整的产业。

从1G到5G的发展可以看出，网络的发展是朝着不断融合的方向前进的，任何试图搭建一个独立的、单纯基于无线技术的努力都是逆流而为。今天，依然有一些人试图再开发类似于铱星的通信系统，希望用它来覆盖全球的通信。这类的新闻让很多不懂技术的人感到兴奋，甚至投资，但这完全是逆流而动。且不说卫星通信的带宽要比手机和基站通信窄得多，能够服务的手机数量极少，就算手机和卫星通信没有问题，卫星之间的通信可比基站之间的带宽低好几个数量级，卫星本身会成为瓶颈。就算卫星不是通信的瓶颈，天上几万颗卫星和中国地面上650万个（2018年的数据）由高速光纤连接的基站也没法比。这还没有考虑由于卫星通信距离遥远，再加上容易受气候因素干扰，通信的稳定性非常差（误码率很高所致）。因此，虽然我们有时可以讲情怀，但是搞工程还是要讲科学基础的。对这种逆潮流而为的所谓创新的态度，是衡量每一个人科技素养的试金石。

最后，让我们一同来思考一个问题。有了5G之后，是否还需要光纤通信？答案是，不仅需要，而且还要大幅度提高。因为当我们的移动设备和IoT设备信息传输量剧增后，基站和基站之间的通信带宽就必须相应增加。虽然从理论上讲5G的信息传输率可以是4G的几十倍，但是这件事只有当主干网的带宽跟上之后才会成为可能。今天一些企业出于宣传的目的讲测试出的5G速度是4G的上百倍，那是因为其他人没有进行同样的数据下载，否则，要么主干网拥堵导致所有人都无法通信，要么大家依然使用4G的传输速度。目前，5G的布局刚刚开始，真想达到大家理想中的便利性，还有很多工作要做。

人类的胜利

2016年是机器智能历史上具有纪念意义的一年，它是一个时代的结束，也是新时代的开端。这一年距离1956年约翰?麦卡锡（John McCarthy，1927—2011）、马文?明斯基（Marvin Minsky，1927—2016）、纳撒尼尔?罗切斯特（Nathaniel Rochester，1919—2001）和克劳德?香农等人提出人工智能的概念正好过去了60年，按照中国的习惯来说，正好过去了一个甲子。而当年在达特茅斯学院提出这个概念的10位科学家中最后一位科学家明斯基也在这一年的年初离开了人世，这或许标志着人类在机器智能领域第一阶段的努力落下了帷幕。就在明斯基去世后的两个月，谷歌的围棋计算机AlphaGo（阿尔法围棋）在与世界著名选手李世石的对局中，以4∶1取得了压倒性的胜利，成为第一个战胜围棋世界冠军的机器人。它的意义要远远超过1997年IBM（国际商业机器公司）的深蓝战胜卡斯帕罗夫。因为从难度上讲，围棋比国际象棋要难6~9个数量级。这件事不仅是人类在机器智能领域取得的又一个里程碑式的胜利，而且标志着一个新的时代——智能时代的开始。

从计算机发展的角度看，智能机器在所有棋类中战胜人类其实只是一个时间问题，因为机器运算能力的提升是指数级增长的，而人类智力能够做到线性增长就不错了。因此一定存在一个时间点，在所有的棋类比赛中智能机器都会超过人。在1997年IBM的深蓝战胜卡斯帕罗夫之后，围棋不仅是计算机尚未超越人类的最后一个棋类，而且还蕴含着上千年的东方文化，即棋道。虽然大部分人相信计算机最终可以在围棋上超越人类，但总觉得那还是几年后的事情。就在AlphaGo和李世石比赛之前，李世石本人认为前者的水平和他相差一到两个子，也就是说，即使他让先也能5∶0获胜。中国围棋界泰斗聂卫平也认为当时的计算机是不可能战胜人类冠军的。就连曾经在谷歌工作过的IT（信息技术）行业老兵李开复博士也不相信AlphaGo能赢。这并非李开复等人对当时机器智能的发展状况不够了解，而是因为下围棋是一件太难的事情。2015年底，AlphaGo仅仅赢了樊麾二段而已，离九段还差得远呢。但是大家忘记了一件事情，那就是AlphaGo水平的提高并不需要人那么长的时间，事实上在谷歌内部，大家在开赛前就已经知道AlphaGo的水平并不在九段之下。

2016年3月9日，AlphaGo和李世石之间的世纪大战开始了。AlphaGo在第一盘出人意料地轻松获胜。当然，大部分人在赞誉AlphaGo水平的同时，依然认为这可能是李世石在试探计算机而已，毕竟那是五盘棋的比赛，用一盘棋试探自己毫不了解的对手未尝不是明智之举。但是当AlphaGo在第二盘获得连胜并且下出了很多人类预想不到的好棋后，对机器智能持怀疑态度的聂卫平等人都对它产生了敬意。在AlphaGo获得第三盘胜利之后，很多超一流的棋手都渴望和它一战，希望以此检验自己的水平，并且能够提高棋艺。虽然李世石在第四盘抓住AlphaGo的一个失误打了一个漂亮的翻身仗，但是AlphaGo在最后一盘稳稳地控制住局面，直到胜利。可以讲在那一次人机大战之后，围棋界对机器智能从怀疑变成了顶礼膜拜，大家都意识到，按照AlphaGo在过去几个月里的进步速度，只要谷歌愿意继续进行科研，很快人类所有的围棋高手都无法和它过招儿了。

计算机之所以能战胜人类，是因为机器获得智能的方式和人类不同，它不是靠逻辑推理，而是靠大数据和智能算法。在数据方面，谷歌使用了几十万盘围棋高手之间对弈的数据来训练AlphaGo，这是它获得所谓“智能”的原因。在计算方面，谷歌采用了上万台服务器来训练AlphaGo下棋的数学模型，并且让不同版本的AlphaGo相互对弈了上千万盘，这才保证它能做到“算无遗策”。具体到下棋的策略，AlphaGo有两个关键技术。第一个关键技术是把棋盘上当前的状态变成一个获胜概率的数学模型，这个模型里面没有任何人工规则，而是完全靠前面所说的数据训练出来的。第二个关键技术是启发式搜索算法——蒙特卡洛树搜索算法（Monte Carlo Tree Search），它能将搜索的空间限制在非常有限的范围内，保证计算机能够快速找到好的下法。虽然训练AlphaGo使用了上万台服务器，但是它在和李世石对弈时仅仅用了几十台服务器（1 000多个中央处理器的内核以及100多个图形处理器）。相比国际象棋，围棋的搜索空间要大很多倍。AlphaGo的计算能力相比深蓝，其实并没有这么多倍的提高，它靠的是好的搜索算法，能够准确地聚焦搜索空间，因此能够在很短的时间里算出最佳行棋步骤。由此可见，下围棋这个看似智能型的问题，从本质上讲，是一个大数据和算法的问题。

当然，谷歌开发AlphaGo的最终目的，并非要证明计算机下棋比人类强，而是要开发一种机器学习的工具，让计算机能够解决智能型问题。AlphaGo和李世石对弈，实际上是对当今机器智能水平的一个测试。从樊麾到李世石，他们实际上是用自己的专才在帮助谷歌测试机器智能的发展水平。在人机对弈的第四盘李世石反败为胜的过程中，他无意中发现了AlphaGo的一个缺陷。因此，谷歌的成功里面也有李世石等棋手的功劳。从这个角度来讲，AlphaGo的胜利标志着人类在机器智能方面达到了一个崭新的水平，因此它是人类的胜利。

无论是在训练模型还是在下棋时，AlphaGo所采用的算法都是几十年前大家就已经知道的机器学习和博弈树搜索算法，谷歌所做的工作是让这些算法能够在上万台甚至上百万台服务器上并行运行，这就使计算机解决智能问题的能力有了本质的提高。这些算法并非专门针对下棋而设计，其中很多已经在其他智能应用领域（比如语音识别、机器翻译、图像识别和智能医疗）获得了成功。AlphaGo成功的意义不仅在于它标志着机器智能的水平上了一个新的台阶，还在于计算机可以解决更多的智能问题。今天，计算机已经开始完成很多过去必须用人的智力才能够完成的任务，比如医疗诊断、阅读和处理文件、自动回答问题、撰写新闻稿、驾驶汽车等。可以讲，AlphaGo的获胜，宣告了机器智能时代的到来。

AlphaGo的获胜让一些不了解机器智能的人开始杞人忧天，担心机器在未来能够控制人类。这种担心是不必要的，因为AlphaGo的灵魂是计算机科学家为它编写的程序。机器不会控制人类，但是制造智能机器的人可以。而科技在人类进步中总是扮演着最活跃、最革命的角色，它的发展是无法阻止的。我们能做的就是面对现实，抓住智能革命的机遇，而不是回避它、否定它和阻止它。未来的社会，属于那些具有创意的人，包括计算机科学家，而不属于掌握某种技能做重复性工作的人。

我们出版这本书，希望能让大家更多地了解大数据的本质、作用及其和机器智能的关系、机器智能的原理和发展历程，以及它们对未来产业和社会的影响。本书一共分为四篇，共九章。第一篇（第一到第三章）介绍大数据和机器智能的原理和基础、机器智能的发展历程及其关键的深度学习技术。第二篇（第四和第五章）介绍大数据和机器智能所带来的思维革命。第三篇（第六和第七章）介绍智能革命自身的技术挑战和机遇。第四篇（第八和第九章）介绍智能革命对产业、社会以及对个人所带来的机会和冲击。书中的核心内容来自我在混沌大学和一些大学商学院授课的讲义，但是考虑到大家读书和听课毕竟有很大的区别，因此在将讲义改写成书的时候，我增加了大量的案例和历史背景介绍，以方便大家能够系统地了解大数据和机器智能的来龙去脉，以及我们对未来进行分析的依据。

本书的出版，在很大程度上是混沌大学联合创办人曾兴晔女士、空无边处出版团队的张娴和郑婷女士，以及中信出版集团经管分社的社长朱虹、副社长赵辉、主编张艳霞等相关人员积极推动的结果。著名的信息领域专家、中国工程院院士邬贺铨院士，混沌大学创办人李善友教授，在百忙中为本书写了序言。上海交通大学图像通信与网络工程研究所王延峰博士对本书的内容提供了宝贵的参考意见。在此我对他们表示衷心的感谢。由于本人水平有限，书中不免有这样或者那样的错误，希望广大读者朋友不吝赐教指正。

2020年1月于硅谷