寫在前面的話之二：為什麼要選擇創作本書
本文是一些關於本書創作動機的胡言亂語而已，所以想到哪裏寫到哪裏。
下面是正題。
隨便翻開一本2000年前後出版的、講述計算機發展歷史的教科書，阿蘭圖靈的名字都如同一座豐碑，似乎他定義的那個超級終端，就是人類應該為之奮鬥的人工智能最終形態。
圖靈獎，各種其他以他名字命名的紀念，已經把圖靈與他的理論推上神壇。
他的設想不能說錯，畢竟「如今還做不到的東西，並不代表將來也做不到」。但是，隨着歷史邁入2010年代，互聯網業界的技術前沿大咖們，至少已經達成了一點共識：或許阿蘭圖靈的超級終端構想沒有錯，但它至少不是人類最初、最容易實現的一種人工智能。
因為，在2006年，加拿大多倫多大學的傑夫辛頓教授，發現與總結了「深度學習演演算法」。從那一刻之後，人類對人工智能的追求，從一台超級終端，轉向了一個超級網絡。
什麼？只是一種演演算法？你特么在逗我么？那關我們普通人鳥事？
無數門外的讀者，肯定會這般想，並且覺得轉述前面這段話的作者實在是太不親民，太喜歡端著逼格說話了。
所以，咱用人話翻譯一下。
深度學習演演算法出現之後。
從近了說，谷歌弄出了圖片搜尋引擎，FACEBOOK弄出了人像識別技術，搜狗弄出了可以自我學習的輸入法。
往遠了說，在06年深度學習演演算法這個分水嶺出現之前，谷歌的工業機械人還停留在「人類程序員幫助機器感知與歸納，而計算機只負責演繹人類定義好的程序演演算法，並自動執行」的層面。而這個演演算法出現之後，機器的自我學習，主動「感知外部世界、根據人類的反饋自我修正演演算法的歸納原則」變成了可能。
於是，進入2010年代，我們看到的工業機械人，從需要程序員如同操控數控機床那樣，給他按照工藝流程編程，然後才能開工的低效狀態。進化到了機械人機械臂上裝着無數感測器、調整工藝流程的時候可以通過普通工人「手把手」用力回饋方式修正機械臂動作，然後讓計算機「自己養成正確的操作行程習慣」。
時至今日，亞馬遜旗下的「天貓」（指亞馬遜旗下類似於淘寶天貓的官方直營店）儲運發貨端，已經消滅了人類儲運工人的崗位，實現了全自動發貨。
矽谷和洛杉磯市內的醫院，已經實現了藥房內機械人按處方抓藥、徹底淘汰藥劑師崗位。
谷歌的無人駕駛汽車，也從「只能無人車和無人車在一起開車」的低級形態，進化到了「無人車可以和隨時可能出現異常情況的有人車一起上路」的深度壓力測試階段。
進入了千家萬戶的掃地機械人，也已經開始擁有根據用戶戶型佈局自行學習修正地圖路線的能力，遠比數年前的早期款少許多磕磕絆絆。
……
或許，如果我們活到2050年，當人類真正從超級網絡上實現了高度的人工智能之後，我們會看到，在那時候的歷史書上，傑夫辛頓會被寫成和阿蘭圖靈一樣的偉人。
因為從他開始，計算已然成雲，媒體已然成流，大數據，不過是流媒體整合后的產物。
我們可以設想一下，如果在一個全體社會精英都能夠調用大數據的年代，真的有一個重生者，帶着幾十年固態化的「先知先覺」回到了2020年。然後，他試圖用他對「**」「股市」「媒體產物流行信息」的先知來牟利，他還能成功么？
或許，可以有短暫微末的成功，但是絕對不會有重生回八九十年代時那麼成功，絕對不會有那些穿越到信息還沒有爆炸成雲的時代那麼成功。
當你買下一個被「歷史」證明第二天會暴漲的股票后，也許你可以收穫最初幾個百分點的利益，可惜隨着你這個蝴蝶效應的變數在一瞬間被大數據與雲計算捕獲之後，全世界剩下的投資精英都瞬間考慮進了這個變數，然後，歷史瞬間就被改變了。重生者囤積了幾十年的股市走向先知先覺能力，頓時化為烏有。
當你抄襲剽竊了一首未來會紅的紅歌，或者大神網文，結果因為大數據瞬間捕捉到了你有紅的趨勢，然後在你還沒有來得及推廣之前，那些比你名氣大得多的大神們就開始仿寫，分化你的讀者群。除非你的作品是有很深的功底要求，模仿難度大，否則，這樣的先知抄襲者絕對無法和前互聯網時代那麼成功。
任何試圖在流數據的時代，用囤積的固態數據牟利的人，就如同兩伊戰爭中拿着八十年代的武器，卻打着六十年代的戰爭形態的兩伊指揮官一樣愚蠢。就算他們有F14戰鬥機，他們的心依然只知道讓人肉潮水趟地雷陣。
本書，會告訴無數幻想着「先知取勝」的人，先知取勝的時代已經過去了。
如果你非要重生，非要靠先知先覺，那麼請你穿越的時候挑個好時機，最好繼續穿越到80年代，90年代，至少在互聯網+來臨之前，就賺夠足夠的金錢和女人。
2010年的重生文寫手，寫了無數重生回八九十年代的。2020年的重生文，如果那時候還有重生文的話，依然會重生回八九十年代。哪怕到了2050年，前互聯網時代的末端，似乎就是重生的分水嶺。
因為傑夫辛頓的演演算法，讓重生失去了意義。
所以，就讓本書主角，來做地球上最後一個重生者吧，一個終結一切重生者重生價值的重生者，一個終結一切囤積固態知識的學霸的終結者。
你若不邁向互聯，互聯必奔你而來（手工配圖。用「民主必奔你而來」的那張B－52投彈圖。）