بر خلاف سایر صنایع که در رکود هستند، فناوری اطلاعات چنان با سرعت رشد می‌کند که این روزها هر جا صحبت از فناوری می‌شود، منظور فناوری اطلاعات است. امروزه بیش از ۱/۵ میلیارد نفر از دسترسی مستقیم به اطلاعات جهان از طریق ابزارهایی که در جیب جا می‌شوند لذت می‌برند. قدرت پردازش همه گوشی‌های هوشمند حال حاضر هزاران برابر قدرت رایانه‌هایی است که فضانوردان را به ماه بردند. و اگر قانون «مور» همچنان به قوت خود باقی بماند، رایانه‌های فردا حتا قدرتمندتر هم می‌شوند.
در حال حاضر رایانه‌ها چنان قدرت پردازشی دارند که کارهایی که پیش از این فکر می‌کردیم فقط از عهده انسان‌ها برمی‌آید را بهتر از خود انسان‌ها انجام می‌دهند. در ۱۹۹۷ رایانه «دیپ بلو»ی شرکت IBM توانست قهرمان شطرنج جهان، «گری کاسپاروف» را شکست دهد. بهترین مسابقه‌دهنده برنامه «جئوپاردی»، «کن جنینگز» در سال ۲۰۱۱ تسلیم کامپیوتر «واتسون» شرکت IBM شد. و ماشین‌های خودران گوگل امروزه در خیابان‌های کالیفرنیا در حال رفت و آمد هستند. قطعاً راننده‌ای حرفه‌ای مثل «دیل ارنهارت جونیور» نگران خودران‌های گوگل نیست ولی روزنامه «گاردین» حق دارد برای میلیون‌ها راننده تاکسی در دنیا نگران باشد و بنویسد که این خودران‌ها «موج بعدی بیکاری را راه خواهند انداخت.»
همه انتظار دارند که در آینده رایانه‌ها کارهای بیشتری انجام دهند. آن قدر بیشتر که برخی را نگران کرده است: آیا ۳۰ سال بعد کاری باقی می‌ماند که انسان‌ها بخواهند انجام بدهند؟ «مارک اندریسن» سرمایه‌گذار خطرپذیر با لحنی مستأصل گفت که «نرم‌افزارها دنیا را بلعیده‌اند». ولی «اندی کسلر» سرمایه‌گذار خطرپذیر وقتی که توضیح می‌داد بهترین راه خلاقیت «راحت شدن از شر آدم‌ها است» خوشحال به نظر می‌رسید. مجله «فوربز» وقتی از خوانندگانش می‌پرسید که «آیا ماشین روزی جای شما را خواهد گرفت؟» بیمناک بود.
به نظر می‌رسد که آینده‌پژوهان امیدوارند پاسخ «آری» باشد. «فناوری هراس»ها آن چنان از جایگزین شدن ماشین‌ها به جای انسان‌ها نگرانند که ترجیح می‌دهند ما کل فناوری‌های جدید را متوقف کنیم. اما هیچکدام از دو طرف از درستی فرضیه جایگزینی ماشین‌ها به جای کارگران انسانی نمی‌پرسد. اما این فرضیه از اساس غلط است:رایانه‌ها مکمل انسان‌ها هستند نه جایگزین انسان‌ها. با ارزش‌ترین کسب و کارهای دهه‌های پیش رو به دست کارآفرینانی ساخته خواهد شد که می‌خواهند انسان‌ها را قدرتمندتر کنند نه این که آن‌ها را از کار بیکار کنند.
پانزده سال پیش کارگران آمریکایی نگران این بودند که در رقابت با نیروی کار ارزان مکزیکی، کار خود را از دست بدهند. البته این نگرانی عاقلانه هم بود چون انسان‌ها می‌توانند جای انسان‌های دیگر را بگیرند. امروز مردم فکر می‌کنند که بار دیگر صدای «راس پرو»، کاندیدای انتخابات آمریکا در سال ۱۹۹۲، که با نگرانی از انتفال شغل‌ها به خارج از آمریکا و به ویژه مکزیک، می‌گفت که «غرش لعنتی کارخانه‌ها از جنوب به گوش می‌رسد» را یک بار دیگر می‌شنوند. اما این بار این صدا به جای این که از کارخانه‌های ارزان قیمت شهر «تای‌خوآنا» در مکزیک شنیده شود، از مزرعه‌های سرور در تگزاس به گوش می‌رسد. آمریکایی‌ها از فناوری‌های آینده نزدیک می‌ترسند، چون آن را همانند جهانی‌سازی در گذشته‌های نزدیک می‌پندارند. اما این وضعیت‌ها خیلی با هم فرق می‌کنند: آدم‌ها بر سر شغل و منابع با هم می‌جنگند اما رایانه‌ها برای هیچکدام آن‌ها هیچ رقابتی با هم ندارند.
وقتی «راس پرو» درباره رقابت با نیروی کار خارجی هشدار می‌داد، «جورج اچ دبلیو بوش» و «بیل کلینتون» مشغول موعظه درباره خوبی‌های تجارت آزاد بودند:طبق نظریه‌های اقتصادی، از آنجایی که هر فردی توانایی نسبی در انجام یک کار خاص دارد، اگر آدم‌ها کاری را که در آن تخصص دارند انجام بدهند و بعد حاصل کار خود را با دیگران معامله کنند، اقتصاد، ثروت را به طور خودکار به حداکثر می‌رساند. اما در عمل، نحوه کار تجارت آزاد خیلی واضح و شفاف نیست، حداقل برای تعداد زیادی از کارگران. سود در تجارت وقتی به بالاترین حد خود می‌رسد که اختلاف بزرگی در مزیت‌های رقابتی وجود داشته باشد ولی باید در نظر داشت که بازار عرضه جهانی نیروی کار ارزان قیمتی که حاضرند کارهای تکراری را با هزینه فوق‌العاده پایین انجام دهند، بازار بسیار بزرگی است.
مردم فقط برای کار نیست که با هم رقابت می‌کنند؛ آن‌ها همه منابع یکسانی را تقاضا می‌کنند. وقتی که مصرف کننده آمریکایی به اسباب‌بازی و پوشاک ارزان چینی دسترسی دارد، باید بپذیرد که در اثر تقاضای بالای سوخت در کارخانه‌های چینی، حالا او هم باید هزینه بیشتری برای سوخت بپردازد. بین کسی که در «شانگهای» چین باله کوسه‌ماهی می‌خورد با یک نفر که در «سن دیه‌گو»ی آمریکا خوراک تاکوی ماهی می‌خورد هیچ فرقی نیست، هر دوی آن‌ها به غذا و سرپناه نیاز دارند. نیازها و خواسته‌های مردم، روی خط فقر متوقف نمی‌شود و همانطور که جهانی‌سازی گسترش می‌یابد، تقاضاهای مردم هم بیشتر و بیشتر می‌شود. حالا که میلیون‌ها دهقان چینی از لحاظ دریافت کالری روزانه تأمین شده‌اند، می‌خواهند این کالری را به جای این که از حبوبات به دست آورند، از گوشت تأمین کنند. این همگرایی خواسته‌ها و تقاضاها در سطوح بالای اجتماعی آشکارتر است: همه ثروت‌مندان از «پترزبورگ» تا «پیونگ‌یانگ»، به یک اندازه نوشیدنی‌های مرغوب و گران قیمت را دوست دارند.
حالا بیایید به جای این که از منظر نیروی کار انسانی به ماجرای رقابت نگاه کنیم، از منظر خود رقبا به موضوع بنگریم. در سمت عرضه، تفاوت رایانه‌ها با انسان‌ها بسیار بیشتر از تفاوت هر دو انسانی با هم است: انسان‌ها و ماشین‌ها هر کدام در چیزهایی خوب هستند که از اساس با هم متفاوت هستند. انسان‌ها اراده دارند -ما در وضعیت‌های پیچیده، برنامه‌ریزی می‌کنیم و تصمیم می‌گیریم- اما ما انسان‌ها هیچ درکی ار حجم عظیم داده‌ها نداریم. رایانه‌ها کاملاً عکس ما انسان‌ها هستند: آن‌ها در پردازش کارآمد داده‌ها بر انسان‌ها برتری دارند اما در گرفتن تصمیم‌هایی که برای انسان‌ها بسیار ساده است، ناتوان هستند.
برای این که ابعاد این تفاوت را بهتر درک کنید، به یکی از پروژه‌های گوگل برای جایگیزینی کامپیوترها به جای انسان‌ها توجه کنید. در سال ۲۰۱۲ یکی از ابررایانه‌های آن‌ها که در آن روزها بسیار خبرساز بود، پس از پویش ۱۰ میلیون ویدئوی سایت «یوتیوب»، یاد گرفت که یک گربه را با دقت ۷۵٪ در ویدئوها تشخیص بدهد. به نظر فوق‌العاده می‌آید ولی بیاد بیاورید که یک بچه چهار ساله معمولی می‌تواند بدون درنگ این کار را بکند. وقتی که یک لپ‌تاپ ارزان قیمت می‌تواند در بعضی کارها بهترین ریاضی‌دان‌ها را شکست بدهد، در برخی کارهای دیگر یک ابررایانه با ۱۶/۰۰۰ پردازشگر نمی‌تواند یک بچه را شکست بدهد. دلیلش این است انسان‌ها و رایانه‌ها قوی‌تر یا ضعیف‌تر از هم نیستند، آن‌ها در دسته‌بندی‌های کاملاً متفاوتی قرار می‌گیرند.
تفاوت‌های اساسی بین انسان و ماشین به این معنی است که منافع معامله با رایانه‌ها بسیار بیشتر از منافع معامله با انسان‌ها است. معامله ما با رایانه‌ها، بیشتر از معامله ما با یک گوسفند یا لامپ نیست. طبق این دیدگاه: رایانه‌ها ابزار هستند نه رقیب.
در سمت تقاضا، تفاوت‌ها عمیق‌تر هستند. رایانه‌ها بر خلاف شهروندان کشورهای صنعتی، در آرزوی غذای عالی یا ویلاهای رو به دریا نیستند؛ همه چیزی که آن‌ها می‌خواهند مقدار مشخصی جریان برق است، که حتا آن قدر باهوش نیستند که بتوانند همان را هم تقاضا کنند. وقتی ما یک فناوری جدید رایانه‌ای طراحی می‌کنیم که در حل مسائل به ما کمک کند، از تمام منافع معامله با یک شریک تجاری فوق متخصص برخوردار می‌شویم، بدون این که برای منابع با آن رقابت کنیم. اگر این مسأله را به درستی بفهمیم، فناوری برای ما راهی است تا از رقابت در دنیای در حال جهانی‌شدن بگریزیم. هرچقدر هم که رایانه‌ها قوی‌تر و قوی‌تر شوند، باز هم جای انسان‌ها را نمی‌گیرند: آن‌ها مکمل انسان‌ها هستند.
مکمل بودن انسان‌ها و رایانه‌ها فقط یک واقعیت با ابعاد بزرگ نیست. بلکه راهی است برای ساخت کسب و کارهای بزرگ. من این موضوع را به تجربه در پی‌پال دریافتم. در میانه سال ۲۰۰۰ ما از سقوط دات‌کام نجات پیدا کردیم و به سرعت رشد کردیم ولی با مشکل بسیار بزرگی مواجه شدیم: در هر ماه بیشتر از ۱۰ میلیون دلار در از طریق کارت‌های اعتباری از ما کلاهبرداری می‌شد. از آنجایی که ما در هر دقیقه صدها یا هزاران تراکنش انجام می‌دادیم، امکان این که تک‌تک آن‌ها را بررسی کنیم غیر ممکن بود. هیچ تیم کنترل کیفیت انسانی نمی‌توانست به این سرعت عمل کند.
بنابراین ما همان کاری را کردیم که هر گروه مهندس دیگری انجام می‌دهد: ما یک راه‌حل خودکار را امتحان کردیم. در ابتدا «مکس لوچین» تیمی از نخبه‌های ریاضی‌دان را گرد هم آورد تا بر روی جزئیات یک تبادل مالی جعلی مطالعه کنند. سپس با استفاده از نتایج این مطالعه، برنامه‌ای نوشتیم تا در زمان انجام تبادل، تراکنش‌های مشکل‌دار را تشخیص داده و به صورت خودکار آن‌ها را لغو کند. اما به سرعت به این نتیجه رسیدیم که این روش هم جواب نمی‌دهد: بعد یکی دو ساعت، دزدها دست ما را می‌خواندند و روش‌های خود را تغییر می‌دادند. ما با یک دشمن انطباق‌پذیر روبرو بودیم، اما نرم‌افزار ما نمی‌توانست در پاسخ به آن‌ها خود را تطبیق دهد.
حیله‌های انطباق‌پذیر کلاهبردارها الگوریتم تشخیص خودکار ما را گمراه می‌کرد، اما فهمیدیم که آن‌ها نمی‌توانند به آسانی تحلیل‌گرها انسانی را فریب بدهند. بنابراین مکس و مهندسانش نرم‌افزار را بازنویسی کردند تا از یک راهکار دوگانه استفاده کند: رایانه تراکنش‌هایی که بیشتر از همه مشکوک بودند را علامت‌گذاری می‌کرد و با استفاده از یک رابط کاربری مناسب آن‌ها را نشان می‌داد، بعد کاربران انسانی تصمیم نهایی را می‌گرفتند و مشخص می‌کردند که آیا تراکنش قانونی بوده است یا نه. به لطف این سامانه دوگانه که ما نام آن را «ایگور» گذاشته بودیم (نام یک کلاهبردار روسی که همیشه برای ما رجز می‌خواند که ما هیچ وقت نمی‌توانیم جلوی او را بگیریم)، برای اولین بار در اولین سه ماهه سال ۲۰۰۲ به سود دهی رسیدیم، در حالی که در سه ماهه اول سال قبل ۲۹/۳ میلیون دلار زیان داده بودیم. پلیس فدرال آمریکا از ما درخواست کرد تا اجازه دهیم «ایگور» به آن‌ها در تشخیص جرایم مالی کمک کند. و «مکس» می‌توانست با خودنمایی و آب و تاب (البته به حق) خودش را «شرلوک هلمز دنیای زیرزمینی اینترنت» صدا بزند.
این همزیستی انسان و ماشین باعث شد تا پی‌پال در دنیای کسب و کار باقی بماند که به تبع باعث شد صدها هزار کسب و کار کوچک بتوانند پرداخت‌های مورد نیاز خود در اینترنت را رشد بدهند. بدون یک راه‌حل مشترک بین انسان و ماشین، هیچکدام این‌ها محقق نمی‌شد (حتا اگر بسیاری از آدم‌ها آن را نبینند یا حتا اصلاً از وجودش مطلع نباشند.)
این فکر بعد از فروش پی‌پال در سال ۲۰۰۲ همچنان با من بود: اگر انسان و رایانه با کمک هم می‌توانند چنین نتایج بهتر و حیرت‌آوری به دست آورند که هیچکدام به تنهایی نمی‌توانند، چه کسب و کارهای ارزشمند دیگری می‌توان بر این اساس بنیان نهاد؟ سال بعد این موضوع را به عنوان ایده‌ای برای راه‌اندازی یک استارتاپ جدید، با «الکس کارپ»، همکلاس قدیمم در استنفورد و «استفن کوهن»، مهندس نرم‌افزار، در میان گذاشتم:ما می‌توانیم از راهبرد دوگانه انسان و ماشین که در سیستم امنیتی پی‌پال داشتیم، برای تشخیص شبکه‌های تروریستی و کلاهبرداری‌های مالی استفاده کنیم. ما می‌دانستیم که FBI به این موضوع علاقه‌مند است. در سال ۲۰۰۴ «پالانتیر» را بنیان‌گذاری کردیم، یک شرکت نرم‌افزاری که به انسان‌ها در استخراج نظر در میان انبوهی از منابع اطلاعاتی کمک می‌کند. شرکت در سال ۲۰۱۴ یک میلیارد دلار قرارداد دارد و «فوربز» نرم‌افزار پالانتیر را به خاطر شایعه‌ای مبنی بر نقش داشتن آن در کمک به دولت در پیدا کردن مخفی‌گاه «اسامه بن لادن»، «بهترین برنامه» نامید.
ما نمی‌توانیم جزئیات آن عملیات را افشا کنیم، همین قدر بگویم که هوش انسانی و رایانه‌ها، هیچکدام به تنهایی نمی‌توانند امنیت ما را تأمین کنند. دو سازمان بزرگ اطلاعاتی آمریکا روش متفاوتی را به کار می‌گیرند: سازمان مرکزی اطلاعات یا CIA توسط جاسوسانی اداره می‌شود که معتقد به برتری انسان‌ها هستند. سازمان امنیت ملی آمریکا یا NSA توسط ژنرال‌هایی اداره می‌شود که اولویت را به رایانه‌ها می‌دهند. تحلیلگران CIA به سختی از میان کلی اطلاعات نامرتبط، تهدیدهای جدی را تشخیص دهند. رایانه‌های NSA می‌توانند حجم عظیمی از اطلاعات را پردازش کنند، اما ماشین‌ها به تنهایی نمی‌توانند با اطمینان خاطر تشخیص بدهند که یک نفر در حال توطئه و عملیات تروریستی است. پالانتیر سعی می‌کند از این دو دیدگاه متضاد فراتر برود: نرم‌افزار داده‌هایی را که دولت در اختیارش گذاشته است (مانند رد تماس‌های روحانیون تندرو در یمن یا حساب‌های بانکی متعلق به شبکه‌های تروریستی)، تحلیل می‌کند و فعالیت‌های مشکوک را شناسایی می‌کند تا یک تحلیل‌گر آموزش دیده آن‌ها را بررسی کند.
علاوه بر کمک به پیدا کردن تروریست‌ها، تحلیلگران با استفاده از نرم‌افزار پالانتیر توانسته‌اند پیش‌بینی کنند که شورشی‌های افغانستانی بمب‌های دست‌ساز خود را کجا می‌کارند؛ موارد بزرگی از جاسوسی تجاری را کشف کنند؛ بزرگ‌ترین حلقه «هرزه‌نگاری» کوددکان در دنیا را متلاشی کنند؛ به «مرکز کنترل بیماری‌ها و پیشگیری» در مبارزه با شیوع بیماری‌های ناشی از مواد خوراکی کمک کنند؛ و در نهایت با استفاده از سیستم پیشرفته کشف کلاهبرداری، باعث صرفه‌جویی صدها میلیون دلار در سال بانک‌های تجاری و دولت شدند.
این‌ها همه به کمک نرم‌افزارهای پیشرفته ممکن شده است، اما مهم‌تر از آن تحلیل‌گرهای انسانی، مسئولان قضایی، دانشمندان و متخصصان مالی بودند که بدون حضور مؤثر آن‌ها، نرم‌افزار بی‌استفاده بود.
به این فکر کنید که این روزها حرفه‌ای چه کارهایی می‌کنند. وکلا باید بتوانند به شیوه‌های مختلف و با زبانی فصیح برای مسائل ناراحت کننده راه‌حل پیدا کنند. طنین صدای آن‌ها بسته به این که با موکل حرف می‌زنند یا وکیل طرف مقابل یا قاضی، تفاوت می‌کند. پزشکان مسائل پیچیده پزشکی را با توانایی‌های ارتباطی ترکیب کنند و به بیماران عامی بگویند. و آموزگاران خوب، آن‌هایی نیستند که در رشته خود متخصص‌اند. آن‌ها همچنین باید یاد بگیرند چطور درس‌ها را مناسب سطح فهم تک تک شاگردان خود که علاقه‌مندی و شیوه‌های یادگیری‌شان با هم فرق می‌کند، درس بدهند. رایانه‌ها ممکن است بتوانند بعضی از این کارها را انجام بدهند اما نمی‌توانند آن‌ها را به خوبی با هم ترکیب کنند. فناوری بهتر در حقوق، پزشکی و آموزش هیچ گاه جای حرفه‌ای‌ها را نمی‌گیرد بلکه به آن‌ها کمک می‌کند تا بهتر و بیشتر کار کنند.
«لینکدین» این کار را به خوبی برای استخدام‌کننده‌ها انجام داده است. وقتی در سال ۲۰۰۳ لینکدین پایه‌گذاری شد، به سراغ استخدام‌کننده‌ها نرفتند تا ببینند چه چیزی بیشتر آن‌ها را اذیت می‌کند تا آن را حل کنند و سعی هم نکردند تا نرم‌افزاری بنویسند که جای استخدام‌کننده‌ها را بگیرد. بخشی از کار استخدام کارآگاهی است و بخشی دیگر فروشندگی: باید سابقه متقاضیان را به دقت موشکافی کنید و ببینید انگیزه‌های آن‌ها چیست و آیا برای کار سازگاری دارند یا نه و بعد امیدبخش‌ترین آن‌ها را برای پیوستن به تیم ترغیب کنید. جایگزین کردن همه این کارها به صورت مؤثر با یک نرم‌افزار غیر ممکن است. در عوض، «لینکدین» شیوه کار استخدام‌کننده‌ها را متحول کرد. امروز بیشتر از ۹۷ درصد استخدام‌کننده‌ها از لینکدین و جستجوی قدرتمند و قابلیت پالایش آن برای پیدا کردن نامزدهای مناسب برای یک شغل، استفاده می‌کنند و شبکه این سایت برای چند صد میلیون آدم حرفه‌ای که از آن برای مدیریت برند شخصی خودشان استفاده می‌کنند بسیار ارزشمند است. ساده بگویم اگر لینکدین سعی می‌کرد تا جای استخدام کننده‌ها را با فناوری خود پر کند، آن‌ها امروز اصلاً کسب و کار موفقی نداشتند.
چرا خیلی از مردم از قدرت مکمل بودن غافل هستند؟ ریشه آن در مدرسه است. مهندسان نرم‌افزار دوست دارند روی پروژه‌هایی کار کنند که جای کار آدمی را بگیرد، چون این طور آموزش دیده‌اند. دانشگاهی‌ها اعتبار خود را از پژوهش‌های تخصصی به دست می‌آورند. هدف اول آن‌ها چاپ مقاله است و چاپ مقاله یعنی تلاش برای گسترش مرزهای یک رشته خاص. در علوم رایانه، این تلاش یعنی ساده کردن کارهای انسانی و تبدیل آن‌ها به سلسله‌ای از کارهای تخصصی که رایانه‌ها بتوانند راه غلبه بر آن‌ها را یکی یکی یاد بگیرند.
به داغ‌ترین مباحث روز علوم رایانه در این روزها توجه کنید. عبارت بسیار پر کاربرد «یادگیری ماشین» تداعی کننده جایگیزینی ماشین‌ها به جای انسان‌ها است و حامیان آن اعتقاد دارند که اگر به اندازه کافی به رایانه‌ها داده و اطلاعات بدهیم، می‌توانند تقریباً هر کاری را یاد بگیرند و انجام بدهند. هر کاربر «نت‌فلیکس» یا «آمازون» تجربه دست اولی از یادگیری ماشین دارد: هر دوی این شرکت‌ها با استفاده از الگوریتم‌های خود، بر اساس تاریخچه چیزهایی که تماشا کرده‌اید یا خریده‌اید، محصولات دیگری را به شما پیشنهاد می‌کنند. هر چقدر که به آن‌ها اطلاعات بیشتری بدهید، کار آن‌ها هم بهتر می‌شود. مترجم گوگل هم به همین صورت کار می‌کند، ارائه ترجمه‌های بی روح ولی به درد بخور برای همه ۸۰ زبانی که پشتیبانی می‌کند، نه به خاطر این که این نرم‌افزار زبان انسان را می‌فهمد، بلکه به دلیل این که از طریق نحلیل آماری انبوهی از نوشته‌ها، توانسته است الگوهایی را استخراج کند.
عبارت رایج دیگری که این روزها نشان دهنده تمایل به جایگزینی است، «کلان داده» است. شرکت‌های این دوره و زمانه اشتهای فراوانی برای داده‌ها دارند و به اشتباه فکر می‌کنند که داده بیشتر ارزش‌های بیشتر می‌آفریند. اما «کلان داده» معمولاً داده بی معنی است. رایانه‌ها می‌توانند الگوهایی را پیدا کنند که از دید انسان‌ها مخفی است ولی نمی‌دانند چطور الگوهای گرفته شده از منابع مختلف را با هم مقایسه کنند یا این که چطور رفتارهای پیچیده را تفسیر کنند. فهمی که ارزش دنبال کردن داشته باشد، فقط کار تحلیلگران انسانی است (یا نوعی هوش مصنوعی خیلی عام که فقط در داستان‌های علمی وجود دارد).
ما اجازه داده‌ایم که «کلان داده» ما را مسحور خود بکند فقط به این دلیل که فناوری را به شکل غیر متعارفش می‌خواهیم. ما تحت تأثیر گام‌های کوچکی هستیم که رایانه‌ها توانسته‌اند به تنهایی بپیمایند اما دستاوردهای بزرگی که مکمل هم بودن انسان و رایانه به آن‌ها رسیده است را نادیده می‌گیریم چون مشارکت انسان، آن‌ها را به اندازه کافی هوشمند نشان نمی‌دهد. ابررایانه‌های «واتسون» و «دیپ بلو» و الگوریتم‌های هر روز بهتر یادگیری ماشین بسیار جذاب هستند، اما با ارزش‌ترین شرکت‌های آینده دنیا نمی‌پرسند که چه مسائلی هست که رایانه‌ها به تنهایی می‌توانند آن‌ها را حل کنند. در عوض می‌پرسند که: چطور رایانه‌ها می‌توانند به انسان‌ها کمک کنند تا مسائل سخت را حل کنند؟
آینده دنیای رایانه‌ها لزوماً پر از ناشناخته‌ها است. این روزها دیدن ربات‌های فوق هوشمند شبه انسان، مانند «سیری» و «واتسون» به عنوان جلوداران اتفاقات آینده، کاملاً عادی شده است. شاید روزی که رایانه‌ها بتوانند به تمام پرسش‌های ما پاسخ دهند، بپرسند که چرا باید همچنان مطیع ما باقی بمانند.
نقطه پایان منطقی بحث جایگزینی، «هوش مصنوعی قوی» نامیده می‌شود: رایانه‌هایی که در تمام جنبه‌های مهم از انسان‌ها پیشی می‌گیرند. قطعاً فناوری هراس‌ها حتا از احتمال چینی چیزی وحشت‌زده می‌شوند. این مسأله حتا آینده‌پژوهان را هم کمی پریشان می‌کند. معلوم نیست که هوش مصنوعی قوی بشریت را حفظ خواهد کرد یا نابود. کار فناوری این است که سلطه ما بر طبیعت را افزایش دهد و نقش بخت و اقبال در زندگی ما را کم کند. ساخت رایانه‌های باهوش‌تر از انسان ممکن است از ما انتقام گرفته و باز پای بخت و اقبال را به زندگی ما باز کند. هوش مصنوعی قوی مثل بلیت یک بخت آزمایی آسمانی است: اگر ببریم، آرمانشهر خود را به دست می‌آوریم و اگر ببیازیم، «اسکای نت» فوق هوشمند فیلم «ترمیناتور» ما را از هستی ساقط می‌کند.
حتا اگر هوش مصنوعی قوی به جای این که افسانه‌ای خلاف عقل باشد، موضوعی امکان‌پذیر و شدنی باشد، حداقل به این زودی‌ها اتفاق نخواهد افتاد: جایگزینی رایانه‌ها موضوع نگرانی در قرن ۲۲ ام خواهد بود. ترس غیر قطعی و نامعین از آینده‌ای دور، نباید مانع تحقق برنامه‌های قطعی و معلوم امروز ما شود. مطالبه فناوری‌هراس‌ها این است که ما نباید رایانه‌هایی بسازیم که ممکن روزی جایگزین انسان‌ها بشوند. آینده‌پژوهان دیوانه می‌گویند این دقیقاً همان کاری است که باید بکنیم. این دو دیدگاه، «این یا آن» هستند و امکان ندارد که هر دوی آن‌ها همزمان رخ دهد. اما برای انسان‌های عاقل، در میان این دو دیدگاه افراطی، فضای خالی بسیاری وجود دارد تا بتوانند در دهه‌های پیش رو، دنیای بهتری را بسازند. هر قدر که ما راه‌های بیشتری برای استفاده از رایانه‌ها پیدا کنیم، آن‌ها نه فقط در کارهایی که امروز انسان‌ها انجام می‌دهند بهتر و تواناتر خواهند شد، بلکه در انجام کارهایی که پیش از آن ناممکن و دور از تصور ما بود، به ما کمک خواهند کرد.
