上世纪初，人们将建造纽约宾夕法尼亚车站的工人称作「沙猪党」（sandhog，比喻隧道挖掘工）。
工作扭曲了他们的人性，有时，是字面意义上的改变。每天，结束了一天在哈德逊和东河地下的劳作后，他们回到地面，带着满身的泥巴，许多挖掘工累的腰都无法直起来。
地下的乘客大厅被摧毁了，古老、发光美术机库被夷为平地，如今，来到车站的乘客们可能会感到惋惜。VincentScully 曾将这种经历比作像老鼠一样潜入城市。
而我们加入了前几代人的行列。
普林斯顿本地人以及那些晚到的人，从八站台涌出后，急急忙忙去抢空位置，每到这个时候，最初的宾夕法尼亚车站以及后来修建的、并不很受人喜欢的车站，就显示出了强大的创造性，每到此时我都会给我的同事解释一番。
大概这就是伟大工程的代价：每个人都返回到了动物的本能。
现在，只有Sarah the Quant 还在关注着这件事。
那是六月初，我们从宾夕法尼亚车站出来，前往我们自己公司一年一度在新泽西普林斯顿举行的「精修会」。
「没错，」Sarah说道，并点了点头。「我猜，我们以前从未这样想过。」
每个人都喜欢Sarah。穿着黑色战靴，身上的金属发出碰撞的声音的她，很精通金融模型。她扮演着创业公司两个主要派系——聪明的男孩和挖掘工之间桥梁的作用。
聪明的男孩（没有女性）是工程师，他们中的大多数是刚刚从普林斯顿大学运筹学研究项目毕业的学生，负责设计该公司的技术「平台」; 挖掘工是非工程师，负责平台的搭建，并让人们购买它。
Sarah 很大程度上应该是一个挖掘工，她的工作是写案例研究，研究该平台的数据如何让投资者在资本市场上赚钱，但她的统计资料和在音乐上的品味，让那些聪明男孩对她也很看重。
Sarah 很聪明，我们每个人都知道，因为这个创业公司的CEO Jim Shinn（吉姆）经常说她很聪明。在邮件中，通过Slack(聊天群组)，在公司会议上，或者与客户通过时，他都会情不自禁的给她以赞美，「非常聪明，」「我们优秀的外汇战略分析师」。
说句公道话，Jim是一个身材高大，六十岁左右的男人，总是看起来像刚刚涂完护肤品一样，他对每个人都说了类似的话。Jim的管理哲学的核心内容，也许是唯一的内容，就是毫不吝啬对员工的赞美。
这些二十多岁，年轻普林斯顿人组成了他的工程团队的核心：「优秀」，他说，「非常有才华。」
「首席数据科学家可能是我见过的最聪明的人，」Jim 告诉我，而从不在乎公司的罗德学者项目的暑期实习生也可能是「Jim见过的最聪明的人」。
欧洲业务负责人在四个月前辞职了，因为他意识到该公司还没有准备好向欧洲，因此不需要欧洲业务主管。「令人敬畏」，Jim向我们说道，他是一个拥有「极高的战略清晰度的人」。
布什 (bush) 品牌的辉煌
甚至我也被Jim 夸张的优雅感动了，自己突然从一个三十多岁的流浪汉转变为「我们非常聪明的亚伦」、「非常有才华 (澳大利亚) 的亚伦 · 蒂姆斯」、一位「非常有才华的 (澳洲人) 亚伦 · 蒂姆斯」，、一个「既是优秀作家又是现代媒体经纪人的精明大师」、「一个非常优秀的外汇和收益率记者」、「在对数据集最细致入微的观察者行列中」，还有「非常非常聪明」。
除了我是澳洲人这个不容置疑的事实之外，那些都不是真的。我对数据集的观察通常会在我注意到它们存在的那一刻停止。
需要做什么工作吗？就我目前的观察来看，没有人会要求利用社交媒体衍生的信号处理工具预测世界大事。
但是 Jim 还是用权威说话的：年龄的权威，财富的权威。
Jim Shinn 是这里的老板; 政府、硅谷和常春藤联盟是他的底气。作为普林斯顿大学的毕业生，Jim在 20 世纪 70 年代作为国务院东亚局的分析师开始了他的创业历程。
1983 年，他离开公共部门创办了一家电话公司，对这家公司熟悉的人说，这是开发语音邮件的先驱。在20 世纪 90 年代，公司上市;后来它以近十亿美元的价格卖给了英特尔。
作为一个新贵，Jim还获得了两个高等学位（普林斯顿博士学位和哈佛 MBA），然后他又回到政府部门工作，在中情局担任亚洲国家情报官员，然后在乔治·W·布什担任国防部长助理。2012 年，他成为米特罗姆尼国家安全顾问团队的一员。
辞去公职后，现在他又准备干一番事业了。Predata是我们都为之工作的工智能创业公司，它将成为这本关于美国成功案例研究篇章中最光辉的一章。
在这里，作为一个千万富翁和高学历的业余爱好者，他一直在告诉我们，我们很棒。
在这种过度赞扬的经济中，我们都必须努力脱颖而出，以证明我们的智慧，而不仅仅是夸夸其谈。
公司里的每个人都有一个智力出众的成就。Sarah通过将公司主要杂乱无章的数据转化为半连贯的金融交易模型展示了她的才华；聪明的男孩们在谈话中不断提醒别人他们曾去了普林斯顿；金融销售负责人经常提到他的老工作场所，这是一个由知名政治科学家 Ian Bremmer 经营的成功的政治风险公司。
我自己的伎俩就不那么微妙了。作为公司的发言人，我会谈到一些令人不安的事实。在纽约摇摇欲坠的大众交通枢纽中心发表的「沙猪党」演讲，就是这一主题的最新变种。
各种竞标之间的竞争意味着一个更大的问题：在一个牛逼无处不在的世界里，智能是什么？
如果公司里的每个人都很聪明的话，那么没有人是聪明的。
Jim 是布什时代的共和党人，这是用自己「智慧」换取了萨达姆的大规模杀伤性武器与伊拉克战争的一代人。我们是真正完成了任务，还是说，只是在「任务完成」的意义上？我们是不是做得很好，或者像布朗尼那样「干得不错」？
人工智能是公司存在的理由。但是，如果这家公司和其他类似的公司不是人类进步的先锋，而是把我们推向一个愚蠢的新时代，那该怎么办呢？
如果公司这一批像CEO 一样的超级人才，就像共和党04 届的领导人一样：英勇地，装聋作哑的，不是因为以其思想的质量，而是因为美国不可动摇的实力和财富成为行动中枢，会怎么样？
聪明，被轰炸
自现代风险投资诞生六十年以来，挑选硅谷未来赢家的行动就一直在进行当中，而这更多的是一门艺术而非科学所能预测。
大多数风险投资支持的创业公司都没有活过第一轮融资;大批的人工智能公司，今年融完资，到秋季就已经死了。
在硅谷，独角兽与驴子的故事不断上演。就像所有的好故事一样，这个故事有让人吃惊的能力。
在科技行业，很多最令人难忘的失败在某个时候却有可能被视为巨大的成功。
果汁机创业公司Juicero 在彭博社发文嘲笑它的「果汁包装」技术会导致公司失败之前，吸引了1.34 亿美元的风险投资；
血液检测创业公司Theranos 曾一度被认定价值90 亿美元，而现在的估值不到这个数字的10％，而且只能依靠紧急贷款才能避免破产。
今年成立的数千家科技企业将会在这个如日中天的大潮中面临同样的命运，而且会悄无声息的消失：没有媒体报道，没有推文，也没有诉讼。
失败的降临将会悄无声息。硅谷这部分的故事很少为外界所知。
Jim 创立了Predata，大胆承诺帮助世界更好地预测未来。
在波斯军队到来之际，德尔斐的神谕建议米斯托克勒斯和雅典人「不要静静的等待战马的到来」，而是应该撤退到萨拉米斯。这已是2500 年前发生的事了。人类的预测一直在努力维持早期的高标准。
预测是一件非常艰难的事情。
去年大多数金融分析师的市场预测几乎都是错误的。几乎所有有声望的政治科学家都误判了2016 年英国脱欧公投和美国大选的结果。
而最近发生的许多最致命的恐怖袭击——巴黎、伦敦大桥、布鲁塞尔机场——都被视为情报「失误」，因为预测失败。
Predata 的技术是从一个简单的观察中发展起来的：「阿拉伯之春」表明，社区 (在这种情况下，抗议者的社区) 在他们在地面上组织之前就已经在网上组织起来了。
他告诉我，把这种观察转化为商业观点的想法并非来自 Jim，而是来自 Daniel Nadler（丹尼尔•纳德勒），他是被大肆宣传的金融技术创业公司Kensho 的首席执行官。
2014 年的某个时候，当 Jim 投资 Nadler 时，后者想出了一个主意，即在智利的社交媒体页面上建立一个有关世界最大铜产国智利的矿业信号。
通过观察信号的波动，Jim 说，Nadler 能够预测矿业罢工，并在预期供应中断之前购买铜，这可能会推高大宗商品价格。这显然为 Nadler 赢得了一笔可观的利润。
我一直无法和Nadler 确认过这个故事，而且 Predata 起步后， Jim 本人对最初故事的描述就变得更加模糊。
虽说对起源都很不清楚，但一个企业在这种情况下还是诞生了。
该公司认识论的主要赌注在于，基于社交媒体的历史可以预测未来。通过机器学习的应用，社交媒体信号可以用于预测事件——从抗议和罢工到恐怖袭击，选举结果和金融市场动向等在成为实现之前的各种事件。
该系统的算法经过训练，可以更好地识别事件发生前的在线活动的特征模型，并在模式开始显现之前提醒用户。
正如Jim 所说，这种「预测性智能」工具随后被打包并出售给政府情报部门和国防机构，对冲基金和投资者，以及其他一些资本雄厚的企业。
2016 年 7月，由于该公司对脱欧公投的结果进行了一次非常正确的预测，公司筹集了超过300 万美元的风险资本。
按照硅谷的标准，这只是很小的一笔资金，但对于一个只有想法和几个人的公司而言，它代表的是市场信心。
Predata 的融资，是机器学习和神经网络技术领域资本激增的一个缩影，这种技术被认为是现代人工智能的核心。
近来，这些技术为我们提供了自动驾驶汽车，癌症检测成像与即时翻译耳机；现在，这些东西是硅谷最疯狂的想象之一。
未来的噱头
根据研究公司CB Insights 的数据，2017年人工智能初创公司的全球风险投资资金增长超过了自 2012 年以来的 25 倍。
2017 年，投资额达到了152 亿美元，其中一半资金流向美国的创业公司。这代表了一项技术的非凡复苏，而在21 世纪初，这项技术几乎要被人们所忘记。
人工智能的最初目标是建立能够复制人类智能的机器。在20 世纪 60 年代和 70 年代经过早期发展之后，这一领域在 20 世纪的最后几十年一直处于停滞不前的状态，这一时期被称为「AI 寒冬」。但开发人员仍在努力实现这一雄心壮志。
然而，在过去的十年中，计算机处理能力的提高使的人们对人工智能最初的展望恢复了生机。
可以说，一个可以预测未来的计算机系统，实现了与人工智能新畅想的完美契合。
Predata 开始了伟大梦想：大的想法，大的口号，大的市场。每年，仅金融行业的投资者就在科技上投资了数十亿美元，从而帮助他们获得市场优势。
像 Predata 这些技术一样，很多种技术都是陌生的，未经证实的。Predata 的财务支持来自风险投资公司和私人投资者，其中包括达拉斯的对冲基金经理Kyle Bass。
Bass 是金融行业的一个很有响亮的名字「中国熊」，大胆预测中国高速增长的全球扩张即将崩溃。他的投资带来的不仅仅是货币价值，它表明 Predata 在有权势的人群中被认真对待。
但在 2017 年初夏的一天，也即是首轮融资一年之后，早期的善意消失了。
「Retreat」不再仅仅是 Jim 在普林斯顿的家举行聚会的名字，它也恰如其分地描述了公司因资金耗尽而屡次受到拒绝的状态。
Predata 有什么：一篇论文，一个几乎没有人使用过的平台，数据，20名员工，一个位于曼哈顿市中心的办公室。
它没有什么：一人以上的客户，一个产品。
最终，很明显，公司的真正问题是经常不在办公室的首席执行官和一群年轻无经验的工程师对批评过敏。在火车上，我重复对我们的团队说，我们完了。
创新为了什么？
但商业发展部主管Josh 突然插话。
因为他假设我们将假想的软件产品套装卖给了大量的潜在客户，而这些客户也是假想的，Josh 对所有的事情都表现出一种乐观的态度。
他表示：「这可能是一个很好的机会来考虑这些数据。」「我认为开发团队一直在研究一些非常棒的新功能。」
一个思考数据的机会？当Josh 说这些话的时候，每个人都点点头，脑袋随着火车一起摇摆起来。
但「考虑数据」可能是Predata 创始人在注册之前就应该做的事情，他们开始雇佣人，并告诉人们他们有值得购买的数据。
「Predata」这个名称的本意是「预测性数据」的一种省略形式，不过，从另一个角度来说，该公司还处在数据前（pre-data）阶段，就像融资前的初创公司常常被认为是在「造血前」阶段。
Jim 谈起话来有一种贵族般的轻柔，显示出一种极度的富有和一种对世界大同主义的一种怀疑和厌倦。
无论是向查理 ·罗斯讲述他对阿富汗战争的看法，还是引诱普林斯顿大学的本科生参加他的关于」全球市场的激进创新」的课程，Jim 把这种轻柔的说话运用得很好。
他避免让自己完全变成一个公众人物，但却能够与外界保持足够的联系，以便发挥自己的影响力。
尽管这家公司最初的灵感来自于Nadler ，但最初的灵感来自于一位计算机科学专业的学生，他曾在他的班级里学习激进创新，而 Jim 在 2014 年年中创立了Predata。
后来，他带来了一个语音邮件公司的老朋友作为他的执行人员，还有一些普林斯顿大学的工程学毕业生。有名望的人呆在公司的办公室里，这些年轻的人才就待在工厂车间。
其中一位工程师为公司设计了一条标语：
「未来可能会让你大吃一惊。这是不应该的。」
谁不想预测未来，特别是在预测有助于防止恐怖袭击的时候？
不管是对冲基金还是政府机构，这项技术的潜在消费者都对此不感兴趣。或许这项技术本身可能并不是一个全新的创造，但至少会是一项有点用的技术。
混合性信号
然而，只有一个问题存在：它其实并没有起到什么作用。
事实证明，历史上只有一个成功例子：在「阿拉伯之春」付诸实践之前，相关组织已经在网上组织了大量活动。
而对于 Predata 感兴趣的其他类型的事件，聪明的男孩很快发现，在线讨论与现实世界组织的活动之间，联系其实是微乎其微的，而且在分布上具有不可预测性。
我加入 Predata 是在 2015 年末。那时我认识 Jim 已经有几年了，但主要是通过《机构投资者》杂志（这是一份专业的金融杂志，我与Jim 都是其撰稿人，我是一名记者，而Jim 经常撰写有关地缘政治与市场的长篇大论）建立的联系。
Jim 定期给我发电子邮件，称赞我那些为杂志撰写的浮夸且没什么阅读量的「豆腐块」。
「你是一个非常有才华的分析师！」他在2013 年的信中写道。「伟大的文章！」这是他2015 年初传来的另一条信息。
2015 年 9月，当 Jim 通过电子邮件向我介绍他的新项目时，我倍感惊讶：
首先，我已经习惯了他总是发送一连串溢美之词的行为，而现在这个「套路」被打破了；第二，也被关他对该技术描述之「宏伟壮丽」而感到意外。
「有意思，」我回信道，「虽然我确实想知道这些信号给出的预期是否足够真实。」
「有时间到Predata 来，我会告诉你它是如何工作的，」Jim 回信说。「它确实可以做到，真的太神奇了！」
几个月后，我离开了机构投资者杂志，作为咨询顾问加入了 Predata。在进入公司 1 年内，我是这家公司的一名全职员工。而我的咨询合同则附有一份保密协议（NDA）。
而一封在2016 年中期为我提供了全职工作的信，取代了我与公之间此前的所有协议。并声明我将收到一份新的NDA。但其实我从来没有收到过这份新NDA。
作为「研究总监」，我没有真正的权利，我的任务是「讲述公司的故事」，这是 Jim 的解释。从理论上讲，这意味着我将把Predata 的信号转化为连贯的政治和市场分析。
在我加入公司的时候，公司没有一位顾客ーー对于一家年轻的创业公司来说，这种情况并不少见。然后，第一个客户出现了：彭博，这家市场数据巨头。接踵而来的便是数百万的风险投资资金。
然而，当我们搬进普林斯顿的房子的时候， 300 万美元几乎已经花光了——为了一次向欧洲扩张的无意义尝试，公司大肆招募员工，经常组织菜单价值500 美元的晚餐。
Predata 只有一个客户，而且合同也即将结束。此外，这些聪明的工程师们仍然无法验证公司的论点，即机器学习能够帮助我们预测现实世界的事件。
压力开始显现出来。
躺着就能到来的金钱
Jim 的房子坐落在普林斯顿郊外的树林里，这是一个东北部的牧区，有着狭窄而空旷的道路。每个房子的优雅入口都连接着细长蜿蜒的碎石路，它们一直被针叶树与橡树浓密的叶片紧密围绕和遮挡。
这里的「钱」看起来很不一样。
车道入口越小，越隐蔽，房子里的人就越富有。
相比之下，Jim 的住处看起来很招摇，它似乎是在告诉外界：这个房子属于一位靠自己双手赚到钱的人，而且赚到钱很可能是一场意外。
车道入口处有一个标牌，用大写字母写着「SHINNVILLA（希恩别墅）」。这座房子一开始最核心的部分建于17 世纪 20 年代。此后几个世纪里，房子的历代主人不断扩建这个住宅，通过不同的方式记录自己拥有过的辉煌。
「欢迎来到 la estancia（大牧场），」Jim在我们到达的时候宣布，他手里拿着一把修枝剪与剪断的枝茎。我注意到他拉长了estancia 的尾音 a。
「我正在做我最喜欢的事情——剪花!」Jim 告诉我们，SHINNVILLA 曾经是 ChristianGauss 的故乡，这个人是 F. Scott Fitzgerald（美国著名作家，代表作品《了不起的盖茨比》）的论文顾问与导师。
「这是我从一个真正喜欢园艺的对冲基金经理那里买来的，」他补充道。「前院的牡丹已经有一百年的历史了。」
与科技的接触正在剥夺我的创造力，我的独立与理性判断能力。我变得越来越没有能力了，我越来越不像人类了。
我们刚进都别墅里，因为「园艺工作」还在汗流浃背的 Jim 就邀请我们再次挪到外面去。
这次是在房子的一个露台上面，那里有粘着鸟屎的折叠式躺椅与铁制家具。从这个地方可以看到这块地的全貌：倾斜的草坪，一个网球场，一个游泳池，还有一大片怒放的玫瑰花。
这看起来很像一个关于新世界的哑剧——英国贵族世家被粗鲁的加利福尼亚暴发户 (一个有机蔬菜花园，外加一个户外按摩浴缸) 突然入侵的故事。
我们都在躺椅上「各就各位」后，现场陷入一片寂静，而 Jim 则重新走进了屋里。谁也没有意识到，我们是坐上那层风干的粪便后开始的会议。
Jim 平常住的地方，其实位于曼哈顿上东区第五大道上的一个多层公寓。公司的首席数据科学家John 告诉我们，Jim 只在授课前的晚上来到普林斯顿，并住在这栋 Gauss 的房子里。
剩余的时间里，房子基本是空置的，只有拉丁裔的管家 Leni 与 Jim 的狗，一只叫做 Toast 的患有糖尿病的凯恩犬待在那里。
金融销售主管Matt 表示：「很明显，这个花园有一些北美最古老的亚洲树种。」。
「谁来维持这块土地?」我把一直在想的问题大声说了出来。
「钱，」John 回答。
寻找捷径
在我开始在Predata 工作的那段时间，我与数据科学家们在为公司大部分无法解释的信号寻找最佳解释方式的过程中产生了分歧。
John 有一张孩子般的胖脸，虽然他的性情与举止 (暴躁且不耐烦) 更像一个老人。他对 BuzzFeed 的科技记者 Will Alden 有着一种明显且特别的反感，他会把 Will Alden 专门称为「记者 Will Alden」。
从我收集到的信息来看，这种敌意来自于 Alden 在撰写 Palantir 相关报道时令人讨厌的职业习惯。
Palantir 是著名硅谷投资人Peter thiel 领导的科技创业公司，目前估值约 200 亿美元。它为美国联邦政府的大部分人提供数据分析，而 John 此前也曾为 Palantir 工作过。
我觉得 John 很烦人，我肯定他对我也是同样的看法。然而最近几个月，当我发现公司的技术基本上是胡说八道的时候，我对分析工作的野心变得没那么强烈，同时也开始对 John 的立场产生了同情。
这个立场源自「他对自己建立的平台究竟有多大力量持怀疑态度」。因此这位首席数据科学家与我几乎成了朋友。
Jim 又出现了，手里拿着绿色的坐垫。「这些靠垫非常适合露天平台的椅子，」他说着，把一对坐垫铺在自己的椅子上，并没有给其他人。
根据 Jim 的说法，在座的十几个人，也就是公司的「智囊团」，需要在这个时间点上，评估公司的进展并准备未来一年的计划。
Jim 坐在跟大家能更好面对面的地方，把手臂放在头顶上，手腕翘起。他解释说，自己宿醉未醒，因为前一天，他的妻子从哥伦比亚大学的建筑史博士项目毕业，两人与家人及朋友一起在 Dream Hotel 顶楼的博士露台上庆祝了一晚。
「是在 midtown，不是在 downtown，」Jim 补充道。
「她写论文的内容是什么?」有人问道。
「我想我应该知道这个......」他回答道，傻笑着，然后让后半句从他的嘴边滑了出来，但没有发出声音。
不过傻笑随即消失了，Jim 变得严肃起来。
他解释说，尽管距离耗尽最后一点钱仅有两个月时间，但是大家没有必要惊慌。很快就会有更多资金投入进来。
「我们这样做很容易，只要回到我们现有的投资者那里，要更多的钱，」Jim 接着说。
他坐起来总结道：「我们可能不得不在估值上承受一些痛苦，但好在我们仍然拥有公司 80% 以上的股份。」
当「公司80% 股份」这几个字从他嘴里说出来时，他微笑着，没有露出任何牙齿，但眼睛却逐渐睁大，眼神在我们中间疯狂地扫来扫去以寻求认同。
他看起来很高兴。而随着时间的推移，不难看出其中的原因。Jim 站了起来：「午餐将在十分钟后送达。」
一群浪漫的利己主义者
「对一流智力的考验，」F.Scott Fitzgerald（上面提到的作家）说，「是一种能够同时在脑海中保留两个相反的想法，并仍然可以保持运转的能力。」
在 20 世纪早期的美国，Fitzgerald 表现某种程度上践行了对「神童」的定义。
他的第一部半自传体小说《天堂的这一面》(出版于他 23 岁时) ，讲述了一位年轻作家在普林斯顿大学接受教育的故事。而就是这本书为他赢得了突如其来且近乎普遍的赞誉。
而他此后的职业生涯，即便是在「盖茨比」的岁月里，变成了一种漫长且越来越令人沮丧的尝试——试图重新点燃他年轻时便获得过的成功之火。
今天，我们在爵士时代的形象（这是一个令人眼花缭乱、自我充实与文化探索的时代）与Fitzgerald 的形象是分不开的。这位位才华横溢的年轻人，过着他那一代人最有趣的生活，哪怕这段生活只是短暂的。
（百度百科注解：爵士时代，一般指一战以后，经济大萧条以前的约十年的时间。第一次世界大战结束了(1918)，经济大萧条(1929) 还没有到来，传统的清教徒道德已经土崩瓦解，享乐主义开始大行其道。）
从他的书信中可以清楚地看出，Fitzgerald 对智力的定义只不过是一种自我描述。
他年轻时写给家人、朋友、编辑以及代理人的信件，充满了Fitzgerald 平衡自我怀疑与自我尊重的方式; 他认为自己既是一代人种的天才，也是一种空间里的文化浪费，这些内容通常都出现在同一页上。
一会儿，他正在哀叹自己「优柔寡断，只具备半理智的软弱」，下一刻他又在炫耀自己 (被拒绝的) 早期手稿《浪漫主义者》——「没有人能写得出如此有力透彻的、描写我们这一代年轻人的故事。」
长期的模棱两可（关于普林斯顿教育的价值，关于出售自己的政治学，对成功的意义，对自己工作的质量），是 Fitzgerald 式智慧的显著标志。
如今，文学奇才相当罕见；本世纪以来，英语世界的优秀创作寥寥无几。取而代之的是科技的世界——因为我们必须寻找最好的例子来说明年轻、聪明和成功意味着什么。
亚马逊的创始人贝佐斯、Facebook的创始人扎克伯格、Google 的创始人拉里 · 佩奇和谢尔盖 · 布林... ... 硅谷是一个由神童组成的帝国。
以他们为榜样的力量已经主导了我们对「需要什么才能变聪明」的集体意识：
掌握数字，精通 STEM（科学、技术、工程、数学），移情于数据。
今天的「智慧」是他们这些人的智慧类型：技术智能。
但是去年年底，在波多黎各遭遇飓风肆虐的背景下，扎克伯格亮丽的卡通形象登陆Facebook Live，并推出了自己公司新的虚拟现实工具时，智慧在哪里？
究竟是什么样的智慧引导马克 ·安德森宣称殖民化对印度是有益的，又是什么样的智慧让埃隆 · 马斯克提出关于公共交通的奇特改革？
对这些混乱的大惊小怪是短暂的，很快就被人遗忘了。
作为回应，安德森发布了一条带有笑脸的道歉微博，这便是」如果你被冒犯了，我很抱歉」的经典案例。而马斯克则虚弱地反击了对他的批评，扎克伯格则几乎什么也没说。
至少在公开场合，他们之中没有一个人意识到，自己所做的不仅仅是「麻木不仁」与「令人遗憾」，而是——愚蠢。
从这些例子中的证据来看，这三个人都不会通过 Fitzgerald 的智力测试。
1963 年10 月，在宾夕法尼亚车站的拆除工作刚刚开始时，《纽约时报》曾发表社论称：「任何城市都会得到自己喜欢的东西，但他们将为此付出代价，并最终得到应有的报酬。」
「我们希望并且值得拥有『充门面文化』中的锡罐式建筑。」
也许硅谷的智慧——空洞、傲慢、无情、虚伪（Artifical），只是我们应得的智慧。但是，如果没有推进手段，这种智慧就无法蓬勃发展。
完美的无稽之谈
Jim 的眼睛半闭着，他摇着头，带着不可思议的表情。他说：「这可能是我所听到过的，对这家公司面临挑战最完美的描述了。」
我们离开了那些沾了屎的椅子，吃了午饭，围坐在普林斯顿大学图书馆里。公司 22 岁的数据科学家 Dakota 已经结束了对数据科学在一个信息非结构化世界中的解析。
「看待数据科学工作的一个好方法，是把客户的注意力（他们的认知与组织资源，意图以及填补知识库中空洞的愿望）转化为信息的一种手段。」他着重强调了「注意力」（attention）这个单词中的「a」与「intention」中的「in」，这是两个词的区别。
在早些时候，John就认为 Predata 应该开始称自己为「数据科学公司」，而 Dakota 的布道则旨在解释其中的含义。
由于智商超过180， Dakota 从小就被认为是「极具天赋的」。在他 8 岁时，他就试图向母亲解释绝对零度的概念; 一年后，他开始在大学里上本科课程。当地的报纸报道了他，就好像是在动物园里诞生了外来物种一样。
在工作日里，Dakota 通常会在办公桌前用一对小型哑铃锻炼自己的肩膀。我喜欢他。人们普遍认为他是公司中最聪明的人。
但是他说的大部分内容都是令人费解的。Dakota已经习惯于被当作一个非常聪明的人来对待，但很显然，他从没有被挑战。
在这个场合，有一种更简单的方式来表达他所谓的「关注」与「意图」之间令人印象深刻的区别：
公司面临的挑战是，将「给用户一堆屎」作为方法，来帮他们把屎解决掉。
但是在 Predata 勾勒的编码宇宙中，事情永远不可能如此直白地表达出来。甚至连公司的管理风格也是一种逃避。
如今，每个企业家都想变得灵活，每个创业公司都想要精益求精。Jim 就是如此灵活，他可以在几乎从来不会出现在办公室的同时，完成一家公司的经营工作。
这家公司的办公室散落在曼哈顿市区联合办公空间里的几个幽闭屋子里，而Jim 在给客户与访客的电子邮件中是如此形容这些房间的——「时髦的 Soho」、「光着脚的 Soho」与「令人窒息的时尚 Soho」。
在他出现在办公室的罕见场合，他呆在那里的时间从未超过一个小时。
由于很容易感到无聊，他经常会在会议中跟丢讨论的思路，转而被某些新闻应用或者手机上的表情键盘所吸引；也可能在会议开始后几分钟内走出会议。
后来，你会发现他躲在黑暗的办公室里，回复电子邮件或喝汤，亦或者是在二楼的小便池上固定好，双腿张开，最后发出一声深深而满足的叹息——这是一个不会给人留下深刻印象的男人的小便方式。
Jim 在商业上成功的基本公式很简单：雇佣聪明的男孩 (很少有女孩) ；告诉他们——他们真的很聪明，让他们自己想办法。
4 月份，公司的公共网站需要重新设计。我的工作就是想出一些词来表达公司独特的」使命」。
我在 Slack 上给 Jim 发短信：「我正在重写这个网站的副本，想得到你的一些看法：用五句话来形容或者更少：
什么是 Predata？你认为这个公司五年后会做什么？换句话说，这里的大愿景是什么？这一切发生在哪儿？我们是谁？为什么我们存在?」
Jim 回复说：「天啊，我对大愿景什么的没那么在行。请自己尝试一下，我会很高兴，而且很快编辑与修补一下。」
这是一家如此精简的创业公司，其首席执行官已经剥夺了所有关于公司存在的原因与解释。
而注意力 /意图的二进制，肯定会成为这个没有明显想法的世界里的优秀表演者。
不合格的大脑
人工智能不缺乏批评。
在硅谷，大型猫科动物已经亮出了它们的爪子。马斯克是包括马云和比尔盖茨在内的几位科技名人之一，认为人工智能对人类文明构成了致命的威胁。
去年，马斯克将建造人工智能的工作比作「召唤恶魔」，而马克. 扎克伯格认为马斯克在人工智能辩论中的干预是不负责任的。马斯克回击了一条推文：
「我已经和马克谈过这件事了，」他写道，「他对这个问题的理解有限。」
当马斯克谈到人工智能时，他主要指的是上世纪 50 年代最初构想出来的技术——作为一种符号逻辑系统，能够创造具有类似人类大脑一般认知复杂性的自我意识机器。这就是通常所说的「通用人工智能」或「强人工智能」。
而在现实中，目前任何归入「AI」类别的技术或公司符合以上描述。相反，「人工智能」这个术语被粗略地用来指代一组不那么雄心勃勃的技术，其中一些技术几乎没有什么共同之处：
机器学习、深度学习和神经网络，机器人技术。
如果这个领域的野心是以机器的形式来模拟人脑，那么人工智能在它出现的 60 多年年里几乎没有取得什么进展。
正如我们今天所了解的那样，人工智能可以做什么的范围仍然是有限的。而机器学习，是支持Predata 的基于逻辑和规则的人工智能分支，它不过是一种处理数据和对识别模式进行程序反应的技术。
有些人认为，它根本不应该被认为是人工智能的一部分。
最近，即使是最引人注目的 AI 应用成功案例，经过更仔细的检查，也相对平淡无奇。
自主的超人化机器智能自发地弹出并进行无程序化工作……这仍然是库兹韦尔式的幻想。忘记天网吧，在这个阶段，我们甚至不确定我们是否能够到达「机器管家」的程度。
物理学家David Deutsch 认为，强人工智能之所以未取得任何进展，是因为人工智能社区无法认识到「人类大脑与其他所有物理系统的区别，在性质上与其他机能有着很大的不同」，不能以计算机程序解释其他属性的方式进行说明。
Deutsch 说，人类的智慧不能被任何已知的编程技术所编码，然而 AI 开发者仍然带着「人脑可以被编码」的认知，尽可能地解决人工智能问题。
人类的思维不是一种行为主义的输入和输出功能，因此不能根据一个定义好的逻辑系统进行优化; 同时，它也不是一个可以自我修正的神经网络。
这些技巧也许会复制人类思维的离散功能，但是它们无法捕捉思维的整体性或者那些使其（思维）独特的东西：
创造性，天生具备情感与直觉。
当然还有别的原因。但我们尚未知晓。
很多人工智能领域的研究人员认为Deutsch 只是一个局外人，他不了解这项技术到底是如何工作的——这是数据工程界的机械性反驳。
但无论如何，Deutsch的基本观点是正确的。人工智能领域仍然在一瘸一拐地前行，并没有真正理解人类大脑的独特之处，也没有对」智力」的定义达成一致。
如果理想的人工智能是「强大的」，那么我们的时代，就是弱人工智能时代，简称「机器弱智时代」。
因此，今天的智能不是由人类大脑的特性来定义的，而是由联想决定的。
智能是聪明人做的事。由于智能在人工智能领域中仍然未被定义，整个领域可以说是构想不当的，至少现在是这样：
一台用来模拟我们尚未理解的器官的机器注定会失败。
而这不仅仅是一个学究式的定义点，更是风险投资在这个新兴市场中如何被分配的核心。
面对无法确定一项技术是否智能的问题（因为我们不知道什么是智能），硅谷的金主们只能根据开发人员的智慧来判断一个AI 新想法的价值。
他们研究了什么？他们在哪里上的学？这些都是重要的问题。
你要为你的失业工作
这是一座有两层楼高的图书馆，它的顶层是拱形的深色木质天花板。
其中一面墙打满了书架，摆满了商业书籍和过时的计算机编程指南。壁炉上方挂着一幅巨大的油画，上面是由大沙鼠改画而成的一团星海。
在这里，数据科学家们站起来发言。
显然，这场聚会成了他们展示公司未来愿景的舞台，而数据科学则是达成这一愿景的唯一方式。
John 表示，若要成功跨越信息的意图和注意力之间的鸿沟，就必须要构建本体论。他指的不是柏拉图、黑格尔或者哈姆雷特等意义上的本体论，毕竟现在并不是对存在这一本质进行哲学探讨。
在这里，他指的是工程师们通常所说的那个本体论，是一种理解事物之间关系的概念框架。
就像所有的机器学习系统一样，数据也是公司平台进行训练的基础。在系统工程的帮助下，基于数据的输入能够输出对应的信号或者预测结果。
其中，有两种主要类型的数据被输入到系统当中：一种是在线资源（从社交媒体获取的网页），另一种则是带有日期标签的历史事件集合（抗议、罢工、恐怖袭击、导弹测试、大单日金融证券走势等）。
喂数据的过程必须由系统用户手动完成，这是一个繁复的过程，也是典型的数据挖掘工作。
随着时间和数据池的增长，理论体系也在向前迈进，整个系统将会趋于成熟。最终，系统将可以产生更好、更准确的预测。
在过去一年里，Josh和公司内部的三名分析师花了很多时间忙于为系统添加新的资源和事件。
三名分析师都是近期从普林斯顿大学人文和社会科学专业毕业的研究生，他们根据分类系统将这些输入分成了——「小型采矿罢工」、「中型右翼民间抗议」和「内城激进抗议」等。
他们一直在扩充不同的类别，但是却始终没有人能完全理解这样分类的道理，至少分析师团队不能。
不过，分类已经是过去式了。数据科学家断言，未来将是本体论的天下。
只有数据挖掘型的分析人员能够更加深入、智能地标注资源（也就是说，更加本体化），那么机器将能够看到事物背后隐藏的关系和模式。最终，这项工作有可能会实现自动化。
也正因如此，分析师们也每天就必须全力以赴地工作以保证自己不会被时代淘汰。
不可避免的行业术语
那么，这项工作是必需的吗？人们需要利用这项技术来更好地预测恐怖袭击或者是朝鲜核试验？
据我所知，没有人嚷嚷着要用社交媒体衍生的信号处理工具来预测世界上的大事件。
假设你认可公司的基本原则：需要提出更好的方法来预测真实事件。那么，为什么人工智能会是达成这一目标的最佳途径呢？
我看向 Jim。他低着头，闭上了眼睛，他的拖鞋就挂在脚尖上来回晃悠，就像是快从新长出的皮肤上脱落的结痂一样。他睡着了，或者他假装睡着了，对这个话题没有任何表示。
我起身假装去上厕所，开始胡乱溜达。
在厨房里，Jim的管家 Leni 正在把不同的药磨成糊糊，家里的狗 Toast 患有糖尿病，这样做会让它更容易吞咽。
Jim 在晚些时候告诉我，「Leni做得一手好菜，尤其擅长新加州料理。」Jim 低声说话的语气就像是在教堂中祷告一样，他似乎在告诉我一个非常重要的秘密。
我接着往前走。这栋房子让我感觉死气沉沉的，哪怕房间里坐满了人。
房子就是为了这场聚会而设立的一样，装饰这栋房子的人试图让它更有家的感觉，可是这些房间的装饰差不多都是一个模子出来的——奶油色沙发、海军色抱枕、灰色的窗帘。
当我回到图书馆的时候，Jim抬起了头，他醒了。
Raymond 是产品开发负责人，他是一位身材瘦削的普林斯顿毕业生，常常皱着眉头，不喜欢谈话。他正在进行有关「真实情况」和「执行指令仪表板」的演讲。
这时，John 插了句嘴：「我们真正需要做的是捕捉分析师的内心模型，并将模型输入到系统当中。」他给出了一个他和他的「团队」在Palantir 工作时曾经遵守过的数据传递的协议。Palantir就是「记者 Will Alden」报道过的那家公司。
「在 Palantir，」他继续说道，「我们花了很多时间去努力理解数据。我们需要做的比这多得多。我们需要弄清楚数据是否有用。」
然而，数据其实根本不是问题。
对于一位分析师来说，真正的智慧来自于对那些极端的、意想不到的变化的观察，而非识别模式。由于缺乏实践经验，Predata选择在整个社交媒体上努力。
任何一个熟悉模式识别的学生都能迅速说出，模式化现象的效价必然会变得更为人所知，还会在日益重复中丧失能力。智慧来源于创造力和适应性。
在无法用真正的智能来建立计算机系统的情况下，工程师们已经搭建走出了最明智的下一步棋：一个不智能的系统。
这个平台本身由一系列黑色屏幕组成，其特点就是难以捉摸的彩色波浪线。
根据工程师所说，这些信号表达了与在线对话相关的「数字波动性」，这个概念对公司产品的潜在用户来说没什么意义。
而要在分析中说明这些信号，用户需要使用由工程师开发的神秘词汇来进行解释，这些混乱的术语听起来就像裁缝在做衣服（「最合身」、「在线试穿」）、或是与食物相关（「多味卷饼」）、或者是低劣科幻电影的场景描述（「异常检测仪表板」）。
而在工作时，没有任何情报或金融分析师曾经说过「多味卷饼」这样的词汇。
人类灵魂的工程师
Predata 建立了一个增强任务和功能的系统，而这些任务和功能完全是工程师们自己想象出来的。工程师们忙于导入系统的「心智模型」与任何已知的人类分析员的认知过程都没有关系。
这个系统就相当于一个即时的翻译工具，可以将已知的语言转换为未知的语言，然后试图让用户以这种全新但却毫无作用的语言替代自己的语言。
事实上，有两种狭义智能的分支：一种是弱人工智能的狭义智能，另一种则是数据科学家们狭义的自我消费智能。
我向团队表示，「我们现在似乎把时间浪费在了无关紧要的事情上。」
多味卷饼，最合身，异常检测仪表盘...谁会需要这种东西啊。这不是我自己发明的流氓评论，我从公司的潜在客户那里也听到过类似的说法，但是数据科学家们并不认同这个观点。
「如果你在1985 年向一个焦点小组展示Usenet 列表（新闻网，集中了对某一主题有共同兴趣的人发表的文章），我保证没有人会告诉你他们选择谷歌，而且他们很多人最初会倾向于用一个性能不佳的搜索引擎，」John表示，「但是我敢肯定的是，如果到了 2001 年的时候，人们会非常开心地选择谷歌。」
自 2012 年以来，美国人工智能初创公司的风投资金增加了 8 倍以上。
「作为数据科学家，我们的责任就是成为量化真相的最终仲裁者，」Dakota补充道。
系统构建完成之后，他们的任务就是掌握数据，清洁、紧缩、剖析、解读、操作数据，还要去了解它，关心它。
数据科学家就像是一群园丁，忙着修理沙漠中被精心护理的小径——独属于他们的『特殊道路（Sonderweg）』。
对他们来说，最重要的就是系统的量化纯度和路径的完善度，并不介意这些在现实世界中是否有意义。
在公司呆了一年之后，我惊讶地发现，我已经开始用这种工程师们创造的奇怪术语来思考政治和政策。
「部门汇总的上涨表明未来两周的政治风险加剧，尽管从相对较弱的微观经济部门信号活动来看，经济政策不太可能成为驱动因素」——就是这样。
就像在宾州车站的工人一样，每天结束后都累的弓着腰——我开始感受到这种精神弯曲的影响：错觉一直在告诉我，是的，可以用这种方式分析，思考政策。
无法改变的是，我开始逐渐变成一个沙猪党。与技术的接触剥离了我的创造力，独立思考的能力。我开始渐渐丧失更多的能力。开始变得越来越不像人类。
随着时间的推移，我开始明白公司的重点不在于根据人类思考的模式来训练和优化算法。这并不是在将机器人性化，传统强人工智能的愿景自然会具备这一特性。
相反，它是为了让人类变得更加机械化——让人类不断学习成为机器，成为被剥夺了主动性与有机思想的死板的工头。
失败的降临将会秘而不发。硅谷的这部分故事仍然很少向外界透露。
而反过来想，这个想法开启了一个不那么可怕的视角。也许，对于所有愚蠢的数据决定论者来说，Perdata确实是在预见人类的未来——只是方式和它所想的不同。
一个对用户不友好的系统，其市场可能不会准确地预测未来，并会将人类操作员变成自动机器一般的存在。但这个市场毕竟很大。
或许这些公司迷失在黑夜中的斑斑锈迹，最终会变成一只小独角兽般的脚印。
但是在前行的路上，到底会牺牲什么呢？
经历了 4 个小时彻底的自我批评之后，Jim 进行了总结，他又开始大力夸赞员工。整个团队进到了后院放松身心。
我慢慢走到酒桌旁，在想，这些聪明的男孩究竟是真的天才，还是一群无法透过自己专业护栏看到外面世界的平庸人士？
Jim 靠近我，对我的葡萄酒品味表示赞许。「我一般只喝New World 的葡萄酒，」他说道。
然后话锋一转，转向那群聪明的男孩点头说道：「这些孩子很棒。我们要做的就是给他们空间让他们做自己的事情，我们将会解锁很多『alpha（金融领域用于衡量表现的方法）』。」他在说「很多『alpha』的时候」，轻轻地晃起了他的屁股。
两周之后，在会议上我宣布辞职。Jim对我的工作表示感谢，闭着眼睛确定我「非常有才华。」我离开公司两周之后，他又给我发送了一封邮件，再次对我表示感谢。标题是：「天才Timms。」
三周后，他发送了第三封邮件。「你对Predata 做出了巨大的贡献，我们非常感谢你所做的工作，」他写道。「你非常有才华。」
并不实用的设计
在聚会结束的第二天早晨，Jim带着我们四个从房子离开到了车站。沙猪党是时候要回归到这座城市了。
在我们从SHINN VILLA 车道出来的那一刻，汽车音响上响起了一首18 世纪欢快的交响乐。「汽车连接到我的手机，每次都会神奇地播放不同的音乐，」Jim说道。「我不知道为什么会这样。」突然，音乐停了。每个人都笑了起来。
这些人爱着Jim。即使 Jim 会在邮件里抬高自己的身份，他也是个很有趣的人。
但这种好感度适用于以下任务——在追求一种有趣但却不现实的想法过程中，获得数百万美元的风投资金。当然，这种想法有它自己的天才之处。我们继续在途中保持沉默。
在前一天的晚餐上，「这里唯一的规则就是你必须要喝完所有的酒！」Jim在我们坐下时大声地嚷嚷，而我坐在两位数据科学家 John 和 Dakota 之间。
我说道：「如果我们不清楚数据是否有用，那么所有非工程师的人都应该被解雇，公司应该倒退回去，重新成为一个学术研究的项目。」
John 耸耸肩：「也许我们应该构建一个本体论，然后再做出伟大的预测。」
我问这些数据科学家们，他们认为Jim 真正想用这家公司达成什么目标？为什么 Jim 在能轻易过着品智利顶级葡萄酒，尝新加州菜肴这样的奢侈生活时，还为自己找上麻烦事？
在大多数同龄富翁过着玩冲浪板，打打高尔夫的悠闲生活时，他正坐在曼哈顿昏暗的办公室发送邮件，在Slack 上和一群25 岁的孩子们学习GIF 协议。
Jim 凭借巨大的财富从劳动的枷锁中解脱出来，但是他仍然进行着这种生产性工作。重点是什么？
我已经知道了答案。
Jim 对基础性「问题」的认定和公司的起源故事一样模糊不清。Predata并不以满足市场需求而存在，这样它的创始人就可以通过完成一些专业成就而取得成功。
Predata 存在的原因与任何建立在外来资金基础上的美国创业公司一样：因为它可以。
公司的真实性在于其超越性。John又一次耸了耸肩，笑声中带着戒备，「听起来你好像不想在这工作了，」他说道。我意识到他是对的。
我们一开到普林斯顿的郊外，音乐就恢复了。Jim又打开了话匣子，向我们介绍着校园内不同结构和地标的简略历史。他很擅长这一点，作为学生两次入学普林斯顿，最后又立即回来教授老掉牙的商业知识。
当我们经过一个石像塔时，他说「学校关闭了通往屋顶的道路，曾经有压力大的学生从上头跳了下来。」然后，经过一个豪宅时他说道，「约翰纳什曾经住在这里。」
Jim 在这里停了一会，给我们一点时间欣赏纳什的传记碑：创造了纳什均衡理论的那个纳什曾经在离我们几步之遥的地方吃东西，呼吸，且彻底改变了决策理论。
「那时候我还是本科生，一天晚上我走过校园，途中必须要穿过数学系的地下室。那栋建筑叫什么？」
「Fine Hall」，其中一个聪明的男孩回答道。
「Fine Hall 的走廊上全是黑板，」Jim 继续说道。「就在我穿过地下室的时候，突然我就听到哒哒哒的声音。那就是约翰纳什，他在黑板上写出了长长的数学方程。我当时整个人都惊呆了，所以没和他搭话。」
最后，我们把车挺进了普林斯顿车站的停车场。「他是一个非常有才华的人。」他说道。
就在三个月后，Predata获得了第二轮风投资金。