如何创造思维：人类思想所揭示出的奥秘

21世纪具洞察力的思想家和未来学家、“库兹韦尔定律”创立者，美国发明家名人堂获奖者、美国国家技术奖获得者、奇点大学校长、谷歌公司工程总监雷·库兹韦尔力作。
这是一部洞悉未来思维模式的颠覆之作。库兹韦尔对于大脑和人工智能的理解，将对我们生活的方方面面，地球上的各行各异，以及我们有关未来的设想产生巨大的影响。库兹韦尔通过一系列推理告诉我们，我们有能力创造人类智能的非生物智能。
财讯传媒集团首席战略官段永超，跨界物理学家李淼，中国当代最知名的科幻作家、畅销书《三体》作者刘慈欣联袂推荐。
湛庐文化出品。

更多精品图书，敬请关注京东湛庐品牌专卖店

2045年，人工智能将人类智能，储存在云端的“仿生大脑新皮质”与人类的大脑新皮质将实现“对接”，世界将开启一个新的文明时代，“奇点”到来！那个时候，我们是谁？我们是什么？人还能称之为人吗？
库兹韦尔把“奇点”当做一个的“隐喻”：当智能机器的能力跨越这一临界点之后，人类的知识单元、链接数目、思考能力，将旋即步入令人眩晕的加速喷发状态——一切传统的和习以为常的认识、理念、常识，将统统不复存在，所欲的智能装置、新的人机复合体将进入“苏醒”状态。
库兹韦尔通过对人类思维本质的全新思考，大胆地预言了人工智能的未来。他坚信人类一定会制造出可与人脑相媲美的“仿生大脑新皮质”。它们甚至比人脑更具可塑性，并可放置在云端，与遥远的人类生物大脑远程相连。

[美]雷·库兹韦尔（Ray Kurzweil），21世纪最伟大的预言家，奇点大学校长，谷歌公司工程总监。
天才发明家，被誉为“爱迪生的合法继承人”，获得了美国国家技术奖、奖金高达50万美元的Lemelson-MIT发明奖等众多奖项，并入选美国发明家名人堂。
创立了“库兹韦尔定律”，指出“技术力量正以指数规律快速发展”。同时预测：2027年电脑将在智能上超过人脑，2045年“奇点”出现——“严格生物学意义上的”人类将不复存在。

在《如何创造思维》这本书里，库兹韦尔坚信人类一定会制造出可与人脑相媲美的“仿生大脑新皮质”。它们甚至比人脑更具可塑性，并可放置在云端。他尤为关注人机的完美结合，为人工智能发展指明了新方向。库兹韦尔预言，只要仿生大脑新皮质与人脑新皮质 “对接”起来，就能创造无可限量的人类智能大爆发，迎接“奇点”的到来！
——段永朝 财讯传媒集团首席战略官

如何创造意识、思维，也许是人类认识自然的最后难题，是意识对自己的回归。作为著名发明家、作家、未来主义者，库兹韦尔关于思维的研究和观点独特而惊人。他认为不久的未来，计算机可以实现人类大脑新皮质功能并人类，人类将与机器结合成为全新的物种，这非常像著名科幻作家弗诺 ·文奇在《深渊上的火》中描述的超级智慧。他关于天分、创新和爱情的观点非常有启发性，他的其他不无争议的观点则将我们置于一个新的思考层次。在这些有的可靠，有的有争议的观点背后，是严谨的数学模型，例如隐马尔可夫模型。在这本去年出版的新书中，他反复强调了“加速循环规则”，即“库兹韦尔定律”。让我们拭目以待 2045年，库兹韦尔预言的人类蜕变的奇点。
——李淼 中山大学教授

库兹韦尔通过对人类思维本质的全新思考，大胆地预言了人工智能的未来，他的想象力令人惊叹！最可贵之处在于，这一切都不是科学幻想，而是基于现有科技理论所进行的严谨推测。我期待着预言应验的那一天。
——刘慈欣 中国当代最知名的科幻作家，畅销书《三体》作者

库兹韦尔这本有关思维的新书非常了不起，正为时下所需，而且言之凿凿！让人眼前一亮！
——马文·明斯基 人工智能之父，麻省理工学院“人工智能实验室”创始人

雷 ·库兹韦尔对大脑和人工智能的理解将对我们生活的方方面面、地球上的各行各业，以及我们有关未来的设想产生巨大的影响。如果你关心其中任何一个方面，此书都值得一读！
——彼得·戴曼迪斯 奇点大学执行主席，《纽约时报》畅销书《富足》（Aboudance）作者

《如何创造思维》是难得一见的好书，每一页都能给你不一样的启示。库兹韦尔通过一系列推理告诉我们：我们有能力创造人类智能的非生物智能。这部作品既高瞻远瞩，又妙趣横生。
——拉斐尔·莱夫 麻省理工学院校长

如果你曾疑惑你的大脑是如何运转的，那你一定要拜读这本书。库兹韦尔的洞见剥开了人类思维深处的秘密，让我们发现了重建人类思维的能力。这本书掷地有声、发人深省。
——迪安·卡门 个便携式胰岛素泵、家用透析机、 IBOT移动系统的发明者国家科技奖章获得者

雷 ·库兹韦尔，杰出的人工智能先驱之一，他用一本新书阐释了智能的本质，包括生物和非生物智能。此书将人类大脑描述成一种机器，可以理解分层的概念，包括椅子的形状和幽默的本质。他的重要发现，强调了学习在大脑和人工智能中所起的关键作用。他提供了一张可靠的路线图，以实现超人类的智能，这将是应对人类重大挑战的必要条件。
——劳伊·雷迪 卡耐基梅隆大学机器人研究所创始董事，图灵奖获得者

雷·库兹韦尔开创了这样的人工智能系统——可以读取以任何形式打印的印刷品，可以合成语音和音乐并理解语言。这是现在机器学习改革的先驱者，是创建可以在国际象棋上击败人类、赢得《危险边缘》节目、驾驶汽车的智能计算机的基础。他的新书对使得此次智能科技革命得以发生的进步进行了清晰、引人入胜地描绘，尤其是学习方面的进步。
——托马索·波吉奥 麻省理工学院“生物计算学习”中心实验室主任

库兹韦尔的书展现了他惊人的才能——综合来自各个领域的思想，然后以简单优美的语言呈现给读者。此书是即将到来的人工智能革命的先驱，而库兹韦尔有关人工智能的预言也将在这次革命中成真。
——迪利普·乔治 人工智能科学家大脑新皮质的层次结构模型的先驱

各方赞誉

推荐序 解放思想

段永朝·跨界思想家财讯传媒集团首席战略官

前言 揭开人脑思维的奥秘

第1章 自然界的思想实验

历史上出现过很多著名的思想实验，特别是关于自然界的思想实验，爱因斯坦的“驾乘光束”实验就是其一。研究大脑，也可以采用同样的办法。通过简单的思想实验，我们就能很好地理解人类智慧是怎么一回事儿。

思想实验1：大峡谷和大洞穴的形成

思想实验2：驾乘光束

大脑新皮质的统一模式

第2章 思考的思想实验

大脑和计算机都能存储和处理信息，但是，大脑和计算机之间的相似性可不只是看上去那么简单。大脑的记忆是层级结构和连贯有序的。记忆奇妙地出现在你的脑海里，一定是某些事物触发了它们。

思考，人脑不同于计算机

记忆是连贯有序的

联想因触发而生

记忆的结构是层级的

第3章 大脑新皮质模型

大脑新皮质分 6层，共包含 300亿个神经元，它们又组成了 3亿个模式识别器。这些模式识别器按层级关系组织，它们是思想的语言和思维模式识别理论的基础。只有具备自联想能力和特征恒常性能力，大脑新皮质才能识别模式。思维模式分两种：无目标思维和导向式思维，做梦就是无目标思维实例。

分层模式

模式结构

流向大脑新皮质模式识别器的数据本质

自联想和恒常性

学习

思想的语言

梦的语言

模型的根源

第4章 人类的大脑新皮质

尽管进化带来的改变并不总是朝着更高的智力水平前进，但是，智力仍是一个重要的进化分支。大脑新皮质的分层学习能力如此重要，以至于它在进化过程中体积越来越大，并最终成为大脑的主体。大脑运转时，并不以神经元为基础，而是神经元集合。

智力，一个重要的进化分支

新皮质的分层学习能力

积木式神经元集合

视觉皮质与通用算法

第5章 旧脑

虽然大脑新皮质已成为大脑的主体，但我们的旧脑并未消失，仍在帮助我们寻求满足和躲避危险。丘脑的突出作用是与新皮质持续联络，海马体存储最新记忆，而小脑则负责人体动作的协调。

感觉传导路

丘脑

海马体

小脑

快乐与恐惧

第6章 卓越的能力

人类的卓越能力，主要归功于大脑脑岛中的纺锤体细胞。大脑新皮质某些区域的优化，使其更善于处理联合模式，这就是天分的由来。跨领域合作和非生物大脑新皮质的云端存储，将让我们更富有创造力。从进化观点看，爱情的存在就缘于大脑新皮质的需求。

天分

创造力

爱情

第7章 仿生数码新皮质

我们现在已能模拟包含 160万个视觉神经元的人脑视觉新皮质，模拟完整人类大脑的目标，预计 2023年就可实现。“矢量量化”方法既能高效利用计算机资源，又能保留重要的语言识别特征。“隐马尔可夫模型”让语音识别系统能同时完成识别和学习两项任务。

脑模拟

神经网络

矢量量化

用隐马尔可夫模型解读你的思维

进化（遗传）算法

列表处理语言LISP

分层储存系统

人工智能的前沿：登上能力层级顶端

创造思维的策略

第8章 计算机思维的4大基础

尽管人脑的思维模式极为精巧，我们仍可通过软件对人脑进行模拟。要想做到这一点，计算机必须要具备准确的沟通、记忆和计算能力，具有计算的通用性和冯 ·诺依曼结构，并且能够按大脑核心算法进行创造性思维。

基础1：准确的沟通、记忆和计算能力

基础2：计算的通用性

基础3：冯·诺依曼结构

基础4：按大脑核心算法进行创造性思考

第9章 思维的思想实验3

意识来源于复杂物理系统的“涌现特性”（emergent property），“感受性”（qualia）是其突出特征。成功模拟人脑的计算机也是有意识的。思维就是有意识大脑所进行的活动。非生物学意义上的“人”将于 2029年出现。将非生物系统引入人脑，不会改变我们的身份，但却产生了另外一个“我”。把我们的大部分思想储存在云端，人类就能实现“永生”。

谁是有意识的

你必须有信仰

我们能够意识到什么呢

东方是东方，西方是西方自由

意志身份

第10章 有关思维的库兹韦尔定律

信息技术的发展，都遵循着库兹韦尔定律，与思维相关的技术也不例外。随着人类基因组计划的实施，生物医学已成为一项信息技术，并呈指数型发展。在互联网上，每秒比特的传递量每 16个月就翻一番。磁共振成像技术，也以指数级速度稳定发展，目前的空间分辨率已接近 100微米。

生物医学

信息传输

大脑研究

第11章 反对的声音

库兹韦尔定律及其在人类智能提高方面的应用，也招致了不少批评。保罗 · 艾伦对“指数发展”说完全持否定态度。罗杰斯 · 彭罗斯认为，计算机无法像人脑那样进行量子计算。约翰 · 赛尔说，计算机即便能够通过图灵测试，它也不知道自己在做些什么。

“奇点遥远”论

“量子计算能力缺失”论

“无意识”论

后记 拥抱“奇点”

注释

译者后记

计算机思维的4大基础
我们的大脑外在形态好似一块法国乡村面包，内在像是一个拥挤的化学实验室，充斥着无间断的神经元对话。可以把大脑想象成一堆发光的存在；一个鼠灰色的细胞“议会”；一个梦工厂；一个住在球状头骨内的小小君王；一团杂乱的神经细胞，微小但无处不在，导演着一切人生戏剧；一个变幻无常的乐园；或是一个名叫“头骨”的“衣橱”里塞满了各式各样名叫“自我”的“行头”，挤得皱皱巴巴的，仿佛小小的运动随身包里装了太多衣服。
戴安·艾克曼
大脑会存在是因为为了维持生存必须对资源进行分配，而且随着空间和时间的变化，威胁生存的因素也在不断变化。
约翰·奥尔曼
现代大脑地图给人一种有趣的古旧感——就像一张中世纪的地图，已知世界被散布着不知名怪兽的未知之地环绕。
大卫·班布里基
在数学中你并没有理解什么东西，你只是习惯了它们而己。
约翰·冯·诺依曼
自从20世纪中期电脑出现以来，关于电脑的能力极限，以及人脑能否被视为一种形式的电脑的争论就没有间断过。对于后一个问题，舆论共识已经发生转变，从认为这两种信息处理实体在本质上是相同的，转变为认为二者存在本质上的不同。那么大脑是否可被视为电脑呢？
20世纪40年代，电脑开始成为时髦的话题，它们被视为思考机器。1946年，世界上第一台电子数字积分计算机 ENIAC发布，它被媒体称为“巨脑”。随着电脑在接下来的几十年里走入大众市场，广告常常称其为普通人脑无法企及的、拥有超能力的“大脑”。
程序使电脑名副其实。由卡内基 ·梅伦大学的赫伯特·西蒙（Herbert A. Simon）、J. C.肖（J. C. Shaw）和艾伦 ·纽厄尔（Allen Newell）发明的“通用问题解算机”，成功证明了数学家伯特兰·罗素（Bertrand Russell）和阿尔弗雷德·怀特海（Alfred North Whitehead）在他们1913年出版的名著《数学原理》（Principia Mathematica）中无法论证的定理。在接下来的几十年里，电脑在解数学问题、诊断疾病、下国际象棋等智力运动方面凸显出大大超越人脑的优势，但在控制机器人系鞋带，或是学习5岁大儿童就能理解的常用语言方面却困难重重，计算机现在才刚刚能够掌握这些技能。具有讽刺意味的是，电脑的进化与人类智能的成熟方向正好相反。
关于电脑和人脑在某种程度上是否等同的问题至今仍存在争议。在序言中我提到关于人脑的复杂性可以查到无数种引证。类似地，在google上搜索“大脑不等同于电脑的引证”，也可以得到上百万条链接结果。在我看来，这些链接的内容都无异于在说“苹果酱不是苹果”。技术上来说这种说法没有错，但苹果可以做出苹果酱。类似于“电脑不是文字处理器”之类的说法可能更加贴切一些。尽管电脑和文字处理器存在于不同的概念层面是事实，但是电脑在运行文字处理软件时就变成了文字处理器，反过来则不然。类似地，电脑如果运行“大脑软件”则可以变成人脑。这正是很多研究人员，包括我自己正在尝试的事情。
那么问题就变成了我们是否可以找到一种算法使电脑变成等同于人脑的存在。由于具有内在通用性（仅受容量大小制约），一台电脑可以运行我们定义的各种算法，人脑却只能运行一套特定的算法。尽管人脑的模式相当精巧，不仅有极大的可塑性，还可以在自身经验的基础上重建连接，但这些功能我们可以通过软件进行仿真。
基础1：准确的沟通、记忆和计算能力
计算的通用性的理念（即一台普通目的的电脑可以植入各种算法）在第一台机器产生时就出现了。计算的通用性和可能性及对人类思维的适用性包含 4个核心概念，它们很值得探讨，因为人脑也在对其进行运用。第一个是准确的沟通、记忆和计算能力。在1940年，如果你使用“计算”这个词，人们会认为你在说模拟电脑。模拟电脑的数字由不同程度的电压代表，而且特定的模块可以运行加、乘等运算。然而，模拟电脑的一个很大的限制是准确性存在问题。其准确性只能达到小数点后两位数，而且随着处理代表不同数字的电压的操作员增加，错误也随之增多。所以无法进行较大量的计算，因为结果会由于准确性太低而毫无意义。
只要曾用模拟磁带机录制过音乐的人都会知道这一效应。第一遍拷贝的质量会打折，相比原版听起来有较多杂音（此处的“杂音”代表随机错误）。把第一遍拷贝再进行拷贝会出现更多杂音，到第十遍的拷贝时，基本上就只剩下杂音了。数字计算机的崛起伴随着同样的问题，思考一下数字信息的沟通通道我们就可以理解了。没有任何通道是完美的，通道本身都存在一定的错误率。假设一条通道有 90%的可能性能正确传送每个比特的信息。如果我传送的信息有1比特，那这条通道正确传送它的可能性为0.9，那假如我传送 2比特信息呢？那准确率就变成了0.92 =0.81。那假如我传送 1字节（8比特）信息呢？我准确传送该信息的可能概率连50%都达不到（准确地说是 0.43）。准确传送5字节信息的可能性仅为 1%。
解决这个问题的一个方法就是增加通道的准确性。假设一个通道在传送一百万比特时出现一个错误，如果我传送的文件包含 50万字节（约为一个普通的程序或数据库的大小），尽管通道固有的准确性较高，但正确传送它的可能性仍不到 2%，而单单一个比特的错误就可以彻底毁掉整个程序或其他形式的电子数据，所以这种情形并不能令人满意。除了通道的准确性，另一个棘手的问题是传送中出现错误的可能性随着信息量的增加而迅速增加。
模拟计算机通过柔性降级的方法处理该问题（即用户只用其处理能容忍出现一些小错误的问题）。如果用户能将其运用限制于一定的计算，那么模拟计算机确实是有用的。然而数字化计算机要求连续的通信，不仅是在不同的计算机之间，也包括计算机自身内部：从内存到中央处理器之间存在通信；在中央处理器中，不同寄存器和算法单元之间也在进行通信；在算法单元内，从一个比特寄存器到另一个之间也在进行交换。通信在每个层次上都普遍存在。如果错误率随着通信的增多快速增加，而一个比特的错误就可以破坏整个过程的完整性，那么数字化计算注定会失败，至少在当时看来是这样的。
引人注目的是，这种普遍的认识在美国数学家克劳德·香农（Claude Shannon）出现并展示了怎样通过最不可靠的沟通通道来进行精度很高的通信时得以改变。 1948年 7月和 10月，香农在《贝尔系统技术杂志》（Bell System Technical Journal）上发表了具有里程碑意义的论文《通信的数学原理》（A Mathematical Theory of Communication），提出噪声通道编码理论。他认为无论通道的错误率是多少（除了错误率正好为每比特 50%的通道，因为这意味着该通道传输的是纯粹的噪声），都可以按想要的精度传送信息。换句话说，传输的错误率可以是 n比特分之一，但是n的大小可以随意定义。比如说，极限情况下，就算一个通道的正确率仅为 51%（即该通道传送的正确信息的比特数仅比错误信息的比特数多一点儿），仍然可以使传输的信息错误率达到百万分之一，甚至万亿分之一，甚至更小。
这是怎么做到的呢？秘诀就在于冗余。这在现在看来似乎是显而易见的，但在当时则不然。举一个简单的例子，假如我每比特信息都传送 3次，并且选传输后多数相同的那条信息，那么我就可以大大地提高信息的可靠性。不断增加冗余就能让你得到你需要的精度。不断重复传送信息是从准确性较低的通道得到任意高精度信息最简单的方法，但不是最有效率的方法。香农的论文开创了信息理论这一领域，为错误侦查和校正码提供了最理想的方法，使在任意非随机通道条件下获得任意目标精度成为可能。
年纪较大的读者可以回想一下电话调制解调器，它通过嘈杂的模拟电话线路传递信息。幸好有了香农的噪声通道理论，尽管这些线路存在可以听到的明显的嘶嘶声，砰砰声或其他形式的声音失真，它们仍然可以传送高精度的数字化信息。数字存储器也存在同样的问题和解决办法。你是否想过为什么就算唱片曾掉在地上并且有刮痕， CD、DVD或其他磁盘软件仍能准确地读出音乐吗？这也多亏了香农。
计算包含 3个部分：通信（正如我之前提到的，在计算机内部和计算机之间普遍存在）、存储器和逻辑门（可进行计算和逻辑功能）。逻辑门的准确性可以通过错误侦查和校正码达到任意高的精度。幸好有了香农的理论，不管多大多复杂的数字化信息和算法，我们都可以准确处理，避免过程中出现较高错误率。需要指出的很重要的一点是，我们的大脑也在运用香农的理论。当然，人脑的进化远远先于香农发现这一原理。绝大部分模式或思想（思想也是一种模式）在大脑中储存时都包含大量的冗余。冗余出现的首要原因是神经传输系统自身的不可靠性。

……

揭开人脑思维的奥秘
大脑，比天空辽阔
因为，把他们放在一起
一个能包含另一个
轻易，而且，还能容你
大脑，比海洋更深
因为，对比它们，蓝对蓝
一个能吸收另一个
像水桶，也像，海绵
大脑，和上帝相等
因为，称一称，一磅对一磅
他们，如果有区别
就像音节，不同于音响
艾米莉·狄金森
智能可以超越自然的局限，并依照自身的意志改变世界，这恐怕是世间最了不起的奇迹了。人类智能可以帮助我们克服生物遗传的局限，并在这一进程中改变自我。唯有人类能够做到这一点。
人类智能之所以能够产生与发展，源于这是一个可以对信息进行编码的世界。宇宙为何如此运转，这本身就是一个有趣的故事。物理学的标准模型会有数十个常量需要被精准限定，否则无法产生原子，也就不会有所谓的恒星、行星、大脑，更不会有关于大脑的书籍。让人不可思议的是，物理学定律及常数能够精确到如此程度，以至于允许信息自身得以演化发展。当然，根据人择原理，如果不是这般精确，就没有我们在这里谈古论今。在某些人眼中，上帝创造了这个世界，而在另一些人眼中，这个世界不过是无穷多可能的平行宇宙中具有丰富信息的一员——那些没有信息的无聊宇宙可能已经在演化过程中消亡了。不过，无论我们的宇宙是如何进化到现在的，故事依然可以从基于信息的世界开始。
进化故事从越来越多的抽象层面延展开。原子——特别是碳原子，它能够通过四种不同的方式相连接，创造丰富的信息结构，然后形成更多复杂分子。结果，物理学催生了化学。
十亿年后，一种被称为 DNA的复杂分子逐步进化完成，它能精确编码长串的信息，并按照这些“程序”编译出生物。由此，化学催生了生物学。
生物体以快速增长的速率进化出了神经系统——交流与决策网络。我们通过它协调越来越复杂的生理结构和行为。神经元组成的神经系统聚合成了能够实施越来越明智行为的大脑。这样，随着大脑成为储存与处理信息的前沿，生物学就催生了神经学。从原子到分子，再到 DNA，再到大脑，再进一步就是独一无二的人类。
哺乳动物的大脑有一种特有的天赋，而这种天赋在其他类别的物种中尚未发现。我们可能会根据等级高低来思量或理解由多种成分组成的结构，在这种结构中各种不同的分子是按照同一模式排列的，这一排列模式同时也是一种符号，之后该符号将会作为一种分子被用于更复杂的结构中。这种能力产生于一种被称为大脑新皮质的结构中，就人类而言，该能力则更为复杂、更具潜力，因此，我们可以将此类模式称为想法。通过永无休止的循环过程，我们可以构建更为复杂的想法。我们将此类浩大的递归链接的想法称为认知。认知基础是智人才有的，而且认知基于其本身进行演化、从指数级增长并一代一代传下去。
人类的大脑则产生了另一层次的抽象意识，因为我们在利用大脑智能的同时还具备另一种有利因素（一种与之相对的附属物）——手，通过对环境的掌控，我们用手来制造工具。这些工具代表着一种新形式的演变，技术也由此产生。也正是基于这些工具，我们的认知基础才得以无限发展。
我们的第一个发明是口语，它使我们能够用不同的话语来表达想法。随后发明的书面语言，使我们能够用不同形式来表达我们的想法。书面语言库极大地扩展了我们无外力援助的大脑的能力，使我们能够维持并扩充我们的认知基础，这是一种递归结构化的思想。
其他物种，如黑猩猩，在言语表达上是否也具有分级思想，这一问题仍存在一些争议。黑猩猩能够学会有限的手语符号，它们可以使用这些符号同人类训练员进行沟通。然而，就黑猩猩能够处理的认知结构而言，其复杂性还是有不同限制的，这也是显而易见的。它们能够表达的语言仅限于简单的名词 –动词语序的句子，而不能表达复杂事物的无限扩展，而这是人类的特性。关于人类语言的复杂性，有这样一个有趣的例子。加布里埃尔 ·加西亚 ·马尔克斯所写的故事或小说中有许多惊人的长句子，甚至一个句子就有几页长 ——他曾写过一个 6页篇幅的故事《最后的鬼魂之旅》（The Last Voyage of the Ghost)，通篇就只有一个简单句，而这个故事的西班牙语译文和英语的译文都翻译得很好。
我之前出版有过三本有关技术的书籍：《智能机时代》（Age of Intelligent Machines），写于 20世纪 80年代，出版于 1989年；《心灵机器时代》（Age of Spiritual Machines），写于 20世纪 90年代中期到末期，出版于 1999年；《奇点临近》，写于 21世纪初，出版于 2005年，其主要思想是关于一个固有的不断加快的演化进程（因抽象意识水平的不断提升而导致），以及其产物的复杂性和能力的指数级增长。人们将这种现象称为库兹韦尔定律（ LOAR），该规律与生物和技术的演变有关。关于 LOAR，有一个最生动的例子，即信息技术能力和价格 /性能的可预测的指数级发展。技术演化进程不可避免地导致计算机能力的进化，反过来又扩展了我们的认知基础，使我们能够通过某一领域知识的广泛联系来了解另一领域的知识。网络本身就为等级划分系统的能力提供了一个强有力的恰当例子，网络包含大量的知识，同时又维持了其内在的结构。世界的内在就是按等级划分的——树有枝，枝有叶，叶有脉。建筑有楼层，楼层有房间，房间有门、窗户、墙壁、地板。
我们还开发了其他工具，通过利用这些工具，我们现在能用精确的信息术语来理解我们所属的生物群落。我们正以极快的速度利用逆向工程法分析生物群落的构成信息，包括大脑结构的信息。我们现在拥有以人类基因组形式存在的生命目标代码，这项成就本身也是指数级发展的一个突出实例。过去的二十年间，世界已测序的基因数据量呈指数增长，每年增加了近一倍。现在我们可以通过计算机模拟来判断有碱基序列是如何形成氨基酸序列，从而折叠成三维蛋白质。计算机资源持续呈指数级增长，我们就蛋白质折叠复杂性的模拟能力也在稳步提高。
现在有一项涉及成千上万个科学家和工程师的宏伟工程正在进行中，他们正致力于理解智能程序的最好范例：人类大脑。这可以说是人造机器文明史上最为重要的工作。在《奇点临近》一书中，我认为库兹韦尔定律的一个必然结果就是另一种智慧物种很可能不存在。总结来说，就是考虑在短暂的时间内，我们能做到从只具备落后技术（试想在 1850年，全国范围内送信最快捷的方式是通过驿马快信）到拥有能到达其他星球的技术，那么，如果有其他智慧物种存在，我们应该早就发现了。从这个角度看，对人类大脑实施逆向工程可能是世界上最重要的项目了。
这项工程的目标是精确理解人类大脑的工作机制，然后使用这些已知的方法来更好地了解我们自身，并在必要的时候修复大脑，而与本书最密切相关就是，创造出更加智能的机器。我们必须牢记工程学能做的就是将一个自然现象明显放大。例如，想想伯努利定律这一相当微妙的现象，它指出运动的弯曲表面比运动的平坦表面的空气压力要小。虽然科学家们仍没有充分解决关于伯努利定律〇1如何制造机翼升力的数学问题，但是工程学已经接受了这个精妙的观点，并集中全力，开创了整个航空世界。
在本书中，我提出了一个叫做思维的模式认知理论的观点，我认为它描述了大脑新皮质（主要负责感知、记忆和判断思维的大脑区域）的基本算法。在书中的前面数章，我描述了近代神经科学研究和人类自身的思想实验导致的不可避免的结果：这种方法一直被用在大脑新皮质上。思维的模式认知理论和库兹韦尔定律的含义就是我们能设计这些原则来广泛传播人类智能的力量。
实际上，这项措施已在进行中。以前专属于人类智能的许多任务以及活动，现在能完全由电脑控制，更加精确，范围也扩大了。每次发邮件或打电话，智能算法都能合理地追踪信息。有时候，心电图测出的结果和医生的诊断结果恰好相反。在血细胞图像中，也有可能出现这样的情况。智能算法能自动识别假的证件；能指挥飞机的起飞和降落；能指导智能武器系统；能帮助涉及计算机辅助的产品；能及时追踪库存水平；还能将工厂里的产品分门别类地放在一起。它甚至还会下国际象棋，参加大师级水平的围棋比赛。
成千上万的人都见识了那台名叫“沃森”的 IBM电脑在《危险边缘》（Jeopdrdy!）这个自然语言游戏中的表现，总的得分比世界上两个玩得最好的人总分还要高。值得注意的是，沃森不仅能读懂和理解《危险边缘》中语言的内涵，还能理解如包含双关或比喻，需要广阔的知识面 (比如说维基百科或其他的百科知识 )才能理解的语言。它得对人类的各种文化活动了如指掌，比如历史、科学、文学、艺术、文化等。现在 IBM正致力于细微差别演讲技术（前库兹韦尔计算机产品公司，我的第一家公司）。关于新版本的沃森，通过细微差别演讲技术的临床理解语言技术，它能阅读医学文献（几乎所有的医学期刊和领先的医学博客）成为大师级的看诊医师和医学咨询师。一些观察者指出沃森没有真正理解《危险边缘》游戏或它所阅读的百科全书，因为它只是在进行“统计分析”。这里我所要描述的关键是人工智能领域所涉及的数学技术（比如这些被用在沃森、 Siri和 iPhone助手上的技术），它们在数学上与大脑新皮质中涉及的生物学形式的方法非常相似。如果通过统计分析理解语言和其他现象不能得出正确的理解，那么人类也无法理解。