如果你在谷歌(Google)上输入“technology indis…”，你立刻会被引导至一个讨论亚瑟•C•克拉克(Arthur C Clarke)的第三定律——“任何足够先进的技术都与魔术无法区分”——的网页。这位科幻小说作家的这句格言发表于1962年，在那个年代，自动完成输入的谷歌搜索引擎真的会看似魔法。

还有其他很多例子：在我们的祖先看来，电力、飞机和电话都会看上去是不可思议的、无法解释的。它们中的每一个都体现了技术突破应该是什么样子，在它们问世后理所当然地赢得关注。

然而，我们需要谨慎一些，不要忽视比较简单的技术进步。电灯泡是比蜡烛或油灯更安全、更可控的人造光源，但真正让它起到革命性作用的是它的价格——在过去两个世纪里，照明成本下降了约400倍。超级计算机和太空旅行得到了媒体的全部关注。仅仅做到便宜没有如此魔力。但是，便宜可以改变世界。

想想带刺铁丝网（便宜的围栏）、集装箱（便宜的物流），或者电子表格（便宜的运算）吧。宜家(Ikea)给了我们便宜的家具，相同的简单模块化组装原理也正在为我们提供更便宜的太阳能电池板。

我最喜欢的例子是纸：古腾堡(Gutenberg)印刷机从根本上降低了写作的成本，但如果一种书写表面的价格没有随之下降，它就会没什么用处。与纸莎草纸、羊皮纸或丝绸相比，纸最重要的特性之一是它的价格非常低。

考虑到这一切，如今也许因为其便宜（而非具备神奇的魔力）而被我们忽视或误解的技术进步是什么？答案显然是“传感器”。我们周围到处都是便宜的传感器——在我们的手机里，（越来越多地）在我们的汽车里——它们在不断获取外部世界的信息。

一本新书提出了一个不同、但有点相关的答案。阿杰伊•阿格拉沃尔(Ajay Agrawal)、乔舒亚•甘斯(Joshua Gans)和阿维•戈德法布(Avi Goldfarb)合著的《预测机器》(Prediction Machines)认为，我们正开始享受“预测”这种新的低成本服务带来的好处。这些作者表示，我们所称的人工智能，有很大一部分可以被理解为一种极其廉价的预测。

预测无处不在。当我键入“technology indis…”时，谷歌预测我是在寻找关于克拉克第三定律的信息；亚马逊(Amazon)对我接下来也许要买什么做出了预测——考虑到我已买过什么，或者搜索过什么，在自己的愿望清单上添加了什么。在字面意义上，预测也许是对未来的预言，或者更广义地说，它可能是试图在有限信息的基础上填补一些空白。

并不是所有预测都很棒，但我们也不需要所有预测都很棒。智能手机上的小键盘在跟适度准确的预测结合在一起时，是相当有用的——从推荐用来回复电邮的整个短语(“我同意你的看法”)，到如果手机认为“H”是一个拇指肥大的打字者更有可能的目标时，在触摸屏上巧妙地把“H”放大，把周围的按键缩小。

预测文本中的错误往往是无足轻重且容易纠正的，因此错误率高并不要紧。笨拙的文本预测器可能被发布到真实世界，以便它们可以学习。自动驾驶汽车的高错误率则不那么容易被原谅。

正如阿格拉沃尔和他的同事们所指出的，足够准确的预测使完全不同的商业模式成为可能。如果一家超市能预测到我想买的东西——也许是跟我的冰箱合作——那么它就可以在我尚未提要求时就把东西送到我家里，押注我会很高兴看到它们中的大部分。

由于好的预测可以减少不确定性，我们也许还会看到，帮助我们处理不确定性的事物将面临更少的需求。如果这个会合作的冰箱可以通过预测我的需求来安排刚好及时的交货，那么结果可能是冰箱的容积可以小得多。

另一个例子是机场休息室，这是一个帮助忙碌的人应对如下事实的地方：在一个不确定的世界里，早早出发去机场是明智的。路线规划器、航班追踪器和其他便宜的预测算法可能会让更多的人削减出错余量，在最后一刻到达机场，省得去休息室。

还有就是医疗保险；如果一台计算机能非常准确地预测出你是否会患上癌症，那就不清楚是否还有足够多的不确定性需要用保险来防范了。

这一切似乎都是看待日新月异的机器学习世界的一种有用方法，比琢磨克拉克最著名的发明——会蓄意谋杀的HAL 9000电脑——更有用。一些自动预测已经很好了，但很多预测正在改变世界——并非因为它们无所不知，而是因为它们足够好，而且便宜。