我们谈论人工智能的时候，是在谈什么？把计算机比喻为人脑的延伸，对把握计算机的性质是有帮助的，但仍然不够细致。需要追问，是哪一部分的延伸？计算机帮助个人处理信息，是如何实现的？方式很多，数据存储和基于存储的检索，是其中一端；此时的计算机扮演资料夹和卡片柜的角色，计算机的使用者拥有完整的主动性。另一端则相反，计算机做决策，指导人的行动，或者和人对抗。

    使用计算机，获得信息处理上的便利，而且不需要损失主动性来换取这种便利，我们感到很愉快。但当计算机开始指挥我们，教导我们，干扰我们，对抗我们的时候，愤怒和忧虑就随之而来了。棋类是智力游戏，到今天（2013年），人类有把握战胜计算机的，只剩下硕果仅存的围棋，如果在围棋上败北，“计算机有可能比人聪明”的论断就会更有力。关于为什么计算机能战胜象棋（两种象棋）的世界一流选手，却无法在标准的19路围棋盘上占到哪怕业余高手一点便宜，已经有很多探讨。比较好的一个说法是计算机的“逻辑深度”远高于人类，因为推理的“树”越庞大，需要明确的“树”上各“枝杈”的状态就越多，人类靠记忆，计算机可以存储，两者相比，人类无法望其项背。但计算机没有人类的直觉，目前也找不到成功模拟直觉的算法。象棋能力刚好对应了逻辑能力，围棋能力却需要逻辑与直觉兼备。“逻辑深度VS直觉”的说法言之成理，但也有不足——没有解释“直觉”的机制。而要解释“直觉”的机制，恐怕现在的心理学还力有未逮，廓清问题的范围，都要花很长时间。

    在资料准备和决策两端之间，还有很多谱线。商业智能在其中，大数据应用也在其中；它们两者有很多重叠。大数据的成功应用往往是没有清晰目标的运算，就像一个猎手，朝黑暗里开一枪，然后怀着期待侥幸打到大猎物的心情走上前去，看看究竟如何。科学史上类似的事情很多，卢瑟福用阿尔法粒子轰击金箔，发现原子核的存在，就是一个朝未知目标开枪打到大猎物的例子。我前几天听一个做商业地产大数据研究的朋友分享他的工作，把搜集到的来自商场消费者的各种数据进行比对，看看能发现什么。还真有发现，比如天气情况和消费者在商场里停留的时间的关系——雨天更长，而且去商场美食城吃饭的可能性大增。做数据挖掘之前不见得能意识到，得到结果之后却很容易理解：下雨了，没带伞，先吃个饭再说。

    无清晰目标的运算既不是资料准备，也不是决策，它用到大量资料，辅助决策。此时的大数据软件很像一个参谋，不仅能考虑决策者安排的问题，而且能自己发现问题。所以当商业的脉搏跳动到“大数据参谋”环节，CEO问某款饮料的各地销售数据和微博热门话题是否关联，会议室回答问题的那个人，只不过是大数据软件的“语音模块”。

    由于大数据软件表现出“智能”，在很多组织中，它们担纲任务，拥有岗位。实际存在于公司的组织架构中的大数据软件，思维模式和“人类同事”颇有差别。评价网球四大满贯的影响力，我们经常引用几个指标：办过多少届、冠军奖多少钱、卖掉多少票、知名球员怎么说。但大数据软件会“说”：2012年温网男子决赛期间，每秒有超过100条与温网有关的推文；2013年澳网比赛期间，包含#ausope#标签的推文数目大于100万，同时有关澳网的Facebook页面增加到大约887158个……

    大数据软件已经是公司里的一个“角色”，就差拥有自己的头衔了。另有一个来自体育的例子。橄榄球的运动伤害比较严重，出于对运动员本人的关心，也出于对球队表现的考量，预测可能发生的运动伤害对一个橄榄球队而言意义重大。英国橄榄球队莱切斯特老虎的体育科学家Andy Shelton说：“当我们的球员都能够健康的出现在球场上时，我们将不惧怕任何对手。”莱切斯特老虎队采用由体育分析软件开发商Edge10开发的球员监控系统，同时使用IBM提供的预测分析工具对收集到的信息进行分析，使Shelton的团队可以精确判断球员受伤的风险，看到所有球员的肌肉疲劳程度，进而提醒教练调整球员的训练项目，让肌肉得以恢复，从而降低肌肉撕裂和拉伤的可能性。

    Shelton用的“预测分析工具”，至少可以被称作“队医助理”吧。