上次我们在这个机构正在改变世界，它的领头人想跟你聊聊未来社会的生存法则一文中介绍了《爆裂：未来社会的9大生存原则》这本书。
作者伊藤穰一和杰夫·豪在书中指出，由于我们已经进入一个具有不对称性、复杂性和不确定性特征的指数时代，人类根本无法预知未来。我们需要围绕“不知”原则来应对即将到来的一切。作者提出了以下9个未来社会的生存原则：涌现优于权威、拉力优于推力、指南针优于地图、风险优于安全、违抗优于服从、实践优于理论、多样性优于能力、韧性优于力量、系统优于个体。
现在，我们先来聊聊第一大生存法则——涌现优于权威。这一原则是本书所有原则的基石，其他原则都建立在“涌现优于权威”这一原则的基础之上。
所谓涌现（emergence），指的是一些要素通过简单的规则相互作用，最后却出现一个跟单个要素全然不同的、高于所有要素的东西。一个典型的例子是蚂蚁，每个蚂蚁的智能都很低，但是蚁群却能完成许多极为复杂、充满智慧的事情，比如建造结构精巧的蚁巢。
涌现的例子有很多，比如人脑通过功能简单的神经元之间的相互作用，涌现出了意识和智慧；没有任何一个个体知道制造铅笔的所有环节，但是从个体中涌现出的“市场”，却可以用极低的成本制造出铅笔；由普通读者合作写成的维基百科，质量却堪比由权威专家耗费巨大资源编写而成的《不列颠百科全书》，等等。
跟涌现相对应的，是权威。权威对我们来说并不陌生。政府机关、传统企业的管理方式都是“权威”方式，由一个或几个精英人士领导和决策，然后层层传递、执行。
简单来说，涌现是自下而上，权威是自上而下。
那么问题来了，为啥说在未来社会，涌现优于权威呢？
答案是：互联网的出现大大降低了“涌现”的成本。相比权威，涌现能为很多问题提供更优的解决方案，或者能解决“权威”解决不了的问题。
举个例子现在最热门的话题做例子，人工智能。现在人工智能的迅猛发展，其实依靠的是两个东西：深度学习和大数据。
什么是深度学习呢？先打个可能不太准确的比方，你想告诉一个小孩什么是“苹果”，如果费尽心机去告诉他“苹果”的定义（估计你也不知道这个定义），这娃可能一辈子也搞不懂啥叫“苹果”，但你直接给他看苹果，无论是实物、照片还是简笔画，小孩一看，很快就知道了啥是“苹果”。抽象的“苹果”概念，是从人的脑子里“涌现”出来的。
人工智能的深度学习，也是一个类似这样的涌现过程。但是机器学习跟人还是不一样。关键的区别在于，人类学习不需要海量数据，一个小小孩，通过红苹果知道“苹果”之后，见到绿苹果也能马上判断这是“苹果”；但计算机需要海量的数据来“喂养”它，你给他输入各种各样的“苹果”，它自己从中识别什么是“苹果”。一开始它可能很笨拙，老是出错；但随着数据量的增大，它的准确率会越来越高。
其实“深度学习”并不是近几年才出现的新技术，而是在20世纪60年代就出现了（对“深度学习”技术发展历史感兴趣的小伙伴，可以参考李开复的《人工智能》一书），但是为啥人工智能近些年才发挥出巨大威力呢？你可能也猜到了，就是因为那时我们没有“大数据”。
没有大数据“喂养”的深度学习技术，就像没有子弹的枪，发挥不出巨大的威力。之所以现在深度学习大放异彩，就是因为互联网的迅猛发展，产生了海量的数据，而这些数据，给人工智能的发展提供了子弹。
假设我们通过“权威”的方式收集数据，领袖发号施令，组织人力、物力收集数据来“喂养”人工智能，就算能办到，这种方式的成本之高昂，也是绝对无法负担的。
所以，我认为人工智能的发展，是互联网降低“涌现”成本的绝佳案例。
话又说回来，我们说涌现优于权威，是不是意味着政府、传统企业的“权威”型组织方式一定失效？
这也未必。关键还是看，针对某个具体的问题，哪种方式成本更低，效果更好。在我看来，涌现与权威哪个更优，绝不是一个价值观的问题，而是一个“哪种方式更能解决问题”的问题。我们生活在一个演化的世界里，哪种方式更能适应未来社会，更能解决未来社会的问题，哪种方式就会胜出。
而伊藤穰一告诉我们的是，由于互联网的发展，我们将有越来越多的问题可以用“涌现”的方式解决，可以解决得更好——这是未来的趋势。
