計算機之所以能戰勝人類，是因為機器獲得智能的方法和人類不同，它不是靠邏輯推理，而是靠大數據和智能算法。
如果我們把資本和機械動能作為大航海時代以來全球近代化的推動力的話，那么數據將成為下一次技術革命和社會變革的核心動力。
人類文明的過程其實伴隨著如下圖過程：獲取數據、分析數據、建立模型、預測未知。
要建立數學模型就要解決兩個問題，首先是采用什么樣的模型，其次是模型的參數是多少。
一些數據專家將大數據的特征概括成三個V：即大量（Vast）、多樣性（Variety）和及時性（Velocity）。
據記載，1956年的夏天，香農和一群年輕的學者在達特茅斯學院召開了一次頭腦風暴式的會議。會議的倡議者是當時在該學院任教的約翰麥肯錫（John McCarthy，1927-2011），以及同歲的馬文明斯基（Marvin Minsky，1927-2016），他們當時都只有29歲，另外兩個倡議者是納撒尼爾羅切斯特（Nathaniel Rochester,1919-2001）和克勞德香農（Claude Shannon，1916-2001），年齡也不大，還有6位年輕的科學家參加，其中包括后來得了圖靈獎的赫伯特西蒙（Herbert Simon，1916-2001）和艾倫紐維爾（Allen Newell，1927-1992）。人工智能這個說法便是在這次會議上提出的。
機械思維的形成可以追溯至古希臘。其中最有代表性的是歐幾里得的幾何學和托勒密的地心說。
歐幾里得最大的成就不是發現了那些幾何定理，而是在人類所積累起來的幾何學和數學知識的基礎上，創立了基于公理化體系的幾何學。
托勒密在近代之前是當之無愧的最偉大的天文學家，沒有之一。除了地心說，托勒密的貢獻還包括：發明了球坐標，定義了包括赤道和零度經緯在內的經緯線，提出了黃道，發明了弧度制，等等。
后人這樣評價牛頓和瓦特這兩位英國的杰出人物：牛頓找到了開啟工業革命大門的鑰匙，而瓦特拿著這把鑰匙開啟了工業革命的大門。
瓦特的成功不僅是技術的勝利，更重要的是他掌握了新的方法論--機械思維。
著名物理學家張首晟教授喜歡用三個公式概括人類最高的文明成就：
- 愛因斯坦的質能轉換公式
- 量子力學中的測不準原理
- 熵的定義
世界上很多事情是難以用確定的公式或者規則來表示的。但是，它們并非沒有規律可循，通常可以用概率模型來描述。在概率論的基礎上，香農博士建立起一套完整的理論，將世界的不確定性和信息聯系了起來，這就是信息論。
與機械思維是建立在一種確定性的基礎上所截然不同的是，信息論完全是建立在不確定性基礎上，而要消除這種不確定性，就要引入信息。至于要引入多少信息，則要看系統中的不確定性有多大。
在信息時代的方法論：誰掌握了信息，誰就能夠掌握財富，這就如同在工業時代，誰掌握了資本誰就能獲取財富一樣。
在一般人眼里，Google是一家高科技公司，不斷地研發新的技術，并且成功地將一部分技術轉化為產品。但是，它從根本上講其實是一家數據公司。
技術進步是一個緩慢的量的積累。但是當這些量的積累到一定程度后，科技在短時間內獲得單點突破，然后新科技全面迸發，這便是拐點。在歷史上有很多關鍵性的拐點，比如1966年，牛頓發明了微積分，發現了力學三定律和萬有引力定律，完成了光學分析，從此世界進入科學近代社會，因此這一年被看成是科學史上的一個拐點。到了1905年，愛因斯坦完成了分子說，發現了光電效應，提出了狹義相對論，從此開啟科學的現代社會，隨后物理學的各個領域全面繁榮。1965年，摩爾博士提出了摩爾定律，同時在工業界大規模集成電路出現，從此開始了持續半個世紀的信息產業高速發展。
機器學習并不是什么新鮮事，今天廣泛使用的機器學習算法，比如人工神經網絡算法、最大熵模型、邏輯自回歸等，早在40年前就已經成熟了。但是由于數據量不夠，導致機器學習的應用范圍比較窄，再加上它是介于應用數學、統計學和計算機科學之間的交叉領域，因此一直沒有受到太大的重視。
社交網絡和移動互聯網APP的提供者在不斷地測試用戶對暴露隱私的承受底線。
在20世紀50年代，著名的工程師、被譽為晶體管之父的皮爾斯（John Robinson Pierce，1910-2002）把治愈癌癥和登月、識別語音、水變油、海水里提煉黃金并列為人類難以解決的5個難題。
隱私就像自由，只有當人們失去它的時候，才知道它的可貴。
歷史上影響力可以和正在進行的智能革命相比的，只有18世紀末始于英國的工業革命、19世紀下半葉始于美國和德國的第二次工業革命、“二戰”后以摩爾定律為標準的信息革命，一共是三次。
