《连线》汇聚了两位传奇头脑：艾伦·凯（Alan Kay）和丹尼·希利斯（Danny Hillis）。结果是一场快进般、令人神经震撼的、对未来的预警扫描。
没有比让丹尼·希利斯和艾伦·凯同处一室、任他们交谈更好的方式来感知技术之风的吹向了。所以我们就这么做了。艾伦·凯，当然，是一个前缀必然带着“远见卓识”的人。这一次，这个被滥用的称呼实至名归。早在计算机还在吞食穿孔卡片的时候，凯就在思考个人计算，孕育了“动态书”（dynabook）的概念，而今天的笔记本电脑不过才稍稍接近了这一想法。在这过程中，他还帮助开创了“图形用户界面”（graphical user interface）的概念——每一个双击图标或打开新窗口的人至少部分地要感谢凯。曾经是施乐帕洛阿尔托研究中心的“原科学家”，如今 53 岁的凯担任苹果计算机公司的研究员，这一职位让他能够继续追求利用技术推动教育发展——反之亦然。
丹尼·希利斯，37 岁，是“思维机器”（Thinking Machines）的联合创始人兼首席科学家，这是一家超级计算机公司，部分目标正是去建造希利斯曾说过的那种机器：“我想设计一台会为我感到骄傲的计算机。”他在麻省理工学院人工智能实验室这个数字天堂中受训，是一个彻头彻尾的黑客。他一直在研发公司的“连接机”系列——这种大规模并行计算机由成千上万个微处理器组成，让人觉得它看起来就像，正如一位观察者所说的，“达斯·维德的冰箱”（Darth Vader's refrigerator）。但他忙于这些机器，以至于他原本打算用它们去模拟生物体进化过程的计划被暂时搁置了。
在一个多雨的秋日星期一，这两人会聚在希利斯的角落办公室里，这个房间里摆满了引人入胜的道具——从古董玩具到写满密密麻麻公式的黑板。那些关注未来风向的人会有兴趣注意到，这两位传奇计算机科学家共同的迷恋是：生物学。
丹尼·希利斯：我有一个故事。我们当时在给某位 CEO 演示连接机（Connection Machine）上的一个数据库程序。当我们展示时，他说：“哦！我办公室前面桌子上的那台小电脑就能做到。”我们心里想，这怎么可能呢？因为我们展示的内容确实需要连接机才能完成。他说：“不不不——我很确定我办公室前面的小型 PC 就能做到。”幸好，他的信息技术副总裁也在场，我们就把他叫过来问：“这是怎么回事？CEO 说他的 PC 能做到。”结果发现，他的 PC 通过道琼斯系统连接到了一台连接机。所以实际上他的电脑确实能做到！关键是，不久之后，你对自己正在使用哪台计算机的认知，将和你在开灯时对电力来源的认知一样模糊。我觉得大家太迷恋计算机的去中心化，以及在自己桌子上放一台电脑的想法，却忽视了反向趋势：**所有这些计算机开始彼此交流，而它们提供的计算资源在某种意义上正在变成一种公共事业。**因此，事实上，计算机去中心化的同时，存在着一个令人惊叹的趋势——计算资源的高度集中。随着通信的进步，某件事在哪儿完成变得越来越无关紧要。
艾伦·凯：那是当年的 ARPA 梦想。我们在 60 年代常说，我们不在乎是不是有一台核动力计算机在月球上疯狂地进行计算。对于用户来说，计算机就是他们在屏幕上看到的东西，仅此而已。那玩意到底在哪儿根本不重要。而且它本来就不该重要。
丹尼·希利斯：但这个理念至今还没有真正被接受。所以每次有人看到连接机（Connection Machine）时，他们都会问，我什么时候能在桌面上放上一台？事实真相是，他们什么时候能把一台放在桌面上根本不重要。只要桌面上的设备足够好，能给你呈现出你想要的漂亮画面，并且足够好地以“人类带宽”与你互动——
艾伦·凯：那就是你唯一关心的。
丹尼·希利斯：直到现在一直存在这样一种经济力量：你总是尽可能买最小的计算机更划算，因为在桌面计算机上，你花一美元就能得到一百倍的计算能力。但在并行计算出现后，情况发生了变化——大型计算机和小型计算机完全由相同的部件构成：微处理器、DRAM、小型温彻斯特硬盘等等。所以两者的经济学原理完全相同。通信成本正在变得足够便宜，因此你可以像插上电源一样，从网络中获取资源。
艾伦·凯：在 60 年代，约翰·麦卡锡就称这种东西为“信息公用事业”（the information utility）。当帕洛阿尔托研究中心研发 Alto 计算机时，我们同时发明了以太网，因为我们这些前 ARPA 人员都觉得通信和计算同样重要。但如果你看商业世界，网络在 PC 上的出现就晚得多。我记得 1983 年有人在一次会议上问史蒂夫·乔布斯：“网络在哪儿？”结果他把一张软盘扔给那个人。直到最后一刻，乔布斯都是“运动鞋网”（sneaker net）的信徒。
丹尼·希利斯：实际上，你根本不想要国会图书馆放在你桌子上。你真正想要的是从桌子上就能访问国会图书馆。你不想要它放在你桌上的原因是，因为一旦它过时，你就得担心如何维护整个国会图书馆！
艾伦·凯：不过你的设想里其实有一个阴暗面。改变书本中的信息是很难的，但如果我们把一切都放到线上，那一小群不太可信的人控制了它——我认为这正是我们目前的情况——结果就是《1984》。
丹尼·希利斯：但你高估了他们的控制力。你知道吗？人们一直争论信息处理技术会成为极权主义的工具。但如果你看看历史，信息处理技术恰恰是极权主义的垮台原因。
艾伦·凯：嗯，没错。我认为人们能够并且也会想要维护自己的档案，尽管它们不会像大规模存储那么庞大。
丹尼·希利斯：你看，即使可以插电获取电力，电池依然有用。你当然想在口袋里放些现金，但大部分钱还是存在银行里。总会有人把钱塞在床垫下，也会有人把数据塞在“床垫”里。你的家并不是存储数据的好地方。总体而言，你希望数据存放在你使用的地方：你希望在办公室里能用到它，你希望在飞机上能用到它。拥有一台家用电脑，有点像拥有一台家用发电机。
艾伦·凯：你看，你在 60 年代还太年轻，不记得当时有一股潮流，大家想要搬去俄勒冈的农场，带上几台风力发电机。
丹尼·希利斯：是的，我赶上了那股潮流的尾巴。但事实证明，集中化有很多优势。一旦网络真正建立起来，你就有大型并行计算机来存储数据，这将使家用机器人变得切实可行。因为如果你计算一下家用机器人需要多大的计算能力，那是相当可观的。你希望它能够把录像机和钢琴连接起来，做一些需要大量专业知识的事情。如果你设想这台机器人只需要一部小型手机去访问一个大型数据库，那就现实得多。因为大多数时候，家用机器人只是在 A 点和 B 点之间移动，这完全可以用一个 4 位微处理器来完成。但偶尔，它需要处理一张图像，并做出一个重大决策，比如在吸尘时遇到地上的一美元纸币，要不要把它扔掉。而在这个关键时刻，它就需要能够向某个大型计算设施寻求帮助。当然，你会在月底因为这次计算多付一分钱。
艾伦·凯：我在想生态计算。当我在 60 年代末使用计算机时，地球上所有的计算能力加起来都能装进一只细菌里。细菌仅相当于哺乳动物细胞的 1/500，而我们体内有 10 万亿个这样的细胞。我们直接制造出的任何东西在计算能力上都无法接近它。不久之后，我们将不得不“培育”软件，并且我们应该开始学习如何去做。**我们应该有那种即使出现错误也不会崩溃的软件。**正如我一个朋友曾经说过的，如果你想把一架波音 747 延长六英寸，那是一个大问题；但一个婴儿在成长过程中会十几次长高六英寸，而你从来不需要把他“停下来维护”。
丹尼·希利斯：有一些事情会推动我们进入生态计算。**如果你看看我们现在设计软件的方式，基本上还在使用设计摩托车时的方法。工程学的技巧是：你把一个问题拆解成部分，再定义这些部分之间的交互，然后重新组合成整体。所以，工程学只能构建这种层级清晰、交互定义良好的系统。但如果你看看生物有机体，它是完全不同的结构。结果是，它们的系统具有无限更强的韧性。**正如你说的，它们可以增长 10% 而几乎没什么影响。人的大脑，肯定比任何软件程序都复杂，却不会“崩溃”。当我刚进入麻省理工学院人工智能实验室时，正是语言程序有所进展的黄金时期，看上去只要沿着那个方向继续前进，就能“工程化”出一个会思考的东西。但后来我们撞上了一堵墙：随着系统越来越复杂，它们变得更脆弱、更难以修改，事实上我们也没能真正突破那个点。我的意思是，到今天，自然语言理解在性能上并没有比当时高出多少。现在，你可以从中得出结论，人工智能根本就是一个不可能的任务。马文·明斯基仍然设想通过工程学来构建 AI，他当然得出了这样的结论：大脑就是一个极其复杂的“拼凑物”。所以你可能会认为我们永远无法造出这样的东西。但你也可以得出另一个结论：我们所用来研究 AI 的方法根本不够强大。
艾伦·凯：嗯，问题是没人知道另一种方法该怎么做。但这并不意味着你不应该尝试。
丹尼·希利斯：我认为另一种方法将是唯一可行的方法。如果我们真的要造出一台会思考的机器，我们必须面对一个问题：**我们要能够建造出比我们理解力更复杂的东西。这意味着我们必须用不同于工程学的方法来建造。**而我所知道的唯一候选方法就是生物进化。但问题是，一旦你开始这么做，你就会发现，你在学校里学到的生物进化故事实在太简单了。
艾伦·凯：没错。幸运的是，他们在 50 年代没有更好的仪器，否则他们永远也不会发现 DNA。那时的理解太过简单。他们不知道内含子，也不知道其他这些东西。当时看上去好像是一条非常简单的路径。
丹尼·希利斯：生物学的问题在于，你一旦开始研究，就会发现任何故事都过于简单。我最喜欢的例子是灰蛾。灰蛾曾经是控制论中的经典案例之一。它有一个从眼睛到翅膀的神经回路被充分研究过，这样当灰蛾受到惊吓时，它会通过让右翅膀比左翅膀拍得更用力来平衡眼睛受到的光照量。这会让它们直线飞向月亮，或者在受惊时绕着灯光飞圈子。这在很长一段时间里成了生物伺服机制的经典案例，直到有人发现，其实只有雌性灰蛾是这样工作的。雄性灰蛾则完全不同：它受惊时会环顾四周，寻找最近的雌蛾并跟随她！
艾伦·凯：这是生物的简约性。何必让两个性别都演化出同样的机制呢？
丹尼·希利斯：但我想生物学家从中学到的教训是：每次你提出一个简单的“这个导致那个”或“这个机制是这样运作的”故事时，事实总比这复杂得多。生物学家处理的东西远比我们所理解的复杂。如果你把生物学仅仅看作是调整蛋白质序列的事情，那么我认为你就错过了进化中有趣的部分。但如果你认为形态发生才是关键，那调控序列比实际的蛋白质要重要得多。
艾伦·凯：当我深入研究生物学时，我被胚胎学深深吸引。它的运作简直令人难以置信。
丹尼·希利斯：当人们研究基因时，他们基本上是在研究结构中的指令。但这种结构本身的演化，比基因本身的演化更有趣。生物学家称之为“进化的可进化性”（evolution of evolvability）的演化。你知道，现在生物学中还有一个有趣的政治问题，那就是生物学家——至少是优秀的生物学家——真的清楚地知道进化理论与进化现象之间存在多大的差距——
艾伦·凯：但他们不敢说出来，因为这会被原教旨主义者利用。
丹尼·希利斯：没错！所以，这里有一点不成文的共识：我们不会在公共场合谈论这个。但现在，出现了一些新情况，那就是我们实际上已经有能力对进化进行实验了。我们可以在计算机中运行数十万代，甚至数百万代的种群，并观察进化的过程。我们可以进入其中，查看它的历史，而不必担心化石记录的不完整。事实上，我们可以研究其遗传学。我们可以研究基因型到表型的编码功能，从而研究形态发生。只要你这样做，就会发现重要的效应与进化中通常研究的效应完全不同。这就是当你真正尝试做实验，而不是停留在哲学思辨时发生的典型情况。还有更多：有个人在进化出能进行 RNA 催化的蛋白质。他生成大量随机 RNA，然后让它们结合，如果它们能够进行这种催化反应。接着，他筛选它们，使那些能正确反应的在混合物中占据更大比例。然后，他用 DNA 技术扩增这些少数，并收获新的一代，再重复这个过程。最后，他得到了一些非常特定的、能执行特定功能的蛋白质。换句话说，他现在真的在试管里实现了进化。而且没有理由认为这个过程不能以某种方式实现自动化。这太酷了——就像当年见证第一批晶体管诞生时一样。你几乎可以预见集成电路即将到来，尽管它们还没完全成熟。你会想立刻冲出去，尝试用它们造一台计算机。但进化技术即将达到一个开始对自身形成正反馈的阶段。
艾伦·凯：我认为这是计算机科学中最伟大的智识事件之一。你知道，计算机科学颠倒了常规。在常规科学中，你被给定一个世界，你的任务是找出其中的规则。而**在计算机科学中，你给计算机规则，它就创造出世界。**于是我们拥有了还原论的梦想。我们可以仅从一个原理构建整个宇宙。
丹尼·希利斯：事实上，这并不是巧合。随着物理学家在不断地拆解事物时，他们发现这些部分看起来越来越像计算机科学。因为计算机科学是从底层开始的，它通过逐步构建把一切组合起来。过去，我们建造的复杂程度受限于我们处理材料的能力。机械机器太复杂了，以至于零件会逐渐损坏、公差会逐渐偏移。但当你用软件来建造某物，特别是如今你有了巨型计算机，你唯一的限制就是你的想象力。程序运行时具有绝对完美的公差，而且你想要多少就能有多少。这就像是一套拥有无限个永远不会损坏零件的 tinkertoy（拼插玩具）。
艾伦·凯：没错！在某个时刻，除非你只是个日常工匠型的程序员，否则你会开始对复杂性感兴趣。当你对任何事物产生兴趣时，你会开始寻找类比；大多数科学家都会这么做，这是最好的途径之一。当然，类比并不总是能完全对照。当你花很长时间去排查一个小程序里的 bug，而这个 bug 来源于某种非线性交互时，你会意识到，在任何一个像样的生物系统里，它早就被立即消解掉了。你会意识到——哦！一切都与一切相连，而且是即时并且强烈地相连的。
丹尼·希利斯：所以在生物学中，一切都与一切相互作用，但不知怎的，这反而让系统变得健壮而不是脆弱。
艾伦·凯：没错。很难想象有谁对复杂性感兴趣却不去研究生物学，因为没有任何其他东西能接近它。经典数学在遇到非线性现象时就开始失效，甚至在面对简单的递归函数时也是如此。有些文明在整个存在过程中都只有砖头，却从未发明过拱门，因为拱门是一种砖块的非线性组织。对我来说，最有趣的是：在复杂性问题上，架构比材料更重要。
丹尼·希利斯：好吧，假设我们真的通过进化过程解决了制造智能的问题。那么我认为哲学家和宗教人士会非常高兴，因为他们可以说：“嗯，你知道，就像上帝当年用化学做到的那样，上帝这次又做到了。上帝创造了我们所有人，这并不是人类工程出来的。”我觉得他们会很快接受这个观点。
艾伦·凯：但正如你先前所说的，结果可能没有人能真正理解。
丹尼·希利斯：**我们最终会得到智能生命，而我们对它们的思维方式的了解不会比我们对自己思维方式的了解更多。**我认为一旦主教和它们进行过一次长谈，把道德律延伸到它们身上将是非常自然的一步。我不认为这会对宗教或哲学的基本原则造成任何问题。意识只是一种愚蠢的“补丁”。我们有大量专门的硬件来编码和解码咕哝声——也就是对话。你可能有过这样的经历：有人在向你解释某件事时，你误解了他，但你的误解实际上比他原本要解释的更好！这就是在利用你的理解硬件。那么，既然你有这么多硬件闲置着，你就会用下面这种愚蠢的补丁：每当你在思考时，你就把这个想法在自己身上演绎一遍，把它讲给自己听，希望自己能误解它。你把它压缩成一种编码化的表征，而这种压缩表征就是意识。事实上，即使把它断开，你也只是会变得稍微笨一点点。但不足以让任何人注意到。
艾伦·凯：你读过朱利安·杰恩斯（Julian Jaynes）写的《二分心智崩溃中意识的起源》这本书吗？他声称我们直到最近才真正意识到“意识”的存在。这是我读过的最棒的一本“不可能是真的”书。
丹尼·希利斯：很多年前，当你第一次开始谈论动态书（dynabooks）和网络这些东西时，大家都觉得你有点疯。他们说：“嗯，也许会发生一点点那样的事，但他肯定是在夸大！”不过你已经有足够多的预测成真了，所以我挺想听听你接下来的预测。
艾伦·凯：也许我快说不出来了！其实商业世界在实现这些东西时太过守旧，所以我至今还有意义。我的预测其实非常冷静，因为它们源自两个完全不同的领域。60 年代那些思考个人计算机的人往往把它们类比为汽车，而 IBM 则像铁路。所以有了这种交通工具的隐喻，大家都在努力成为下一个亨利·福特。但当我去麻省理工学院拜访西摩·派普特时，我看到孩子们在做的事情根本无法套用这种交通工具的隐喻。我在寻找可以类比的东西，我在想：嗯，有一样东西是大人和孩子共享的，那就是书。所以我说，**如果计算机就像一本书呢？**于是我就这样开始了那种思路。另一种推演更有趣。我当时读过戈登·摩尔关于硅，特别是 MOS 硅发展方向的论文。那完全是另一场游戏。如果你懂足够的物理能看懂那些论文，而且你还稍微有点浪漫情怀，那么你很容易推演出这根本不是什么科幻小说。IBM 和 DEC 当时看不到这一点，因为他们无法想象这意味着除了能造出更好的大型机之外还有别的什么。但对我来说，这意味着我们会拥有非常小的机器和数以百万计的用户，而这一切会迫使所有人使用交互界面。如果没有摩尔定律，我肯定早就放弃了这个想法。一旦我看到它将在十到十五年内实现，那它就成了某种“圣杯”。
丹尼·希利斯：好吧。现在，25 年过去了，你的“圣杯”已经变成了敌人。我们现在被困在动态书的隐喻中，所有人都在想着笔记本电脑、便携电脑之类的东西。这个隐喻变得如此强大，以至于阻碍了人们去看到新的东西。
艾伦·凯：是啊，它已经彻底过时了。但你知道什么没发生吗？尼尔·波兹曼打过一个很好的比方。他说当电视刚出现时，没有人知道该怎么用它。在头几年，他们播放的是现场剧，那是这个国家做过的一些最好的现代戏剧。然后电视商业化了，就走上了《拉文和雪莉》（Laverne and Shirley）的道路。我认为 70 年代派普特在做他的实验，而我们在施乐帕洛阿尔托研究中心做我们的实验时，那段时期就是计算机的“90 年代剧场”，在它商业化之前。现在，几乎没有任何东西体现出派普特和我当时认为这些机器重要的方面，甚至你当时认为重要的方面。外面看到的全都是盲目的模仿，你知道，这太可悲了。在商业世界里，你会遇到这样的问题：公司能做多少研究取决于当前业务的状况，而实际上这种关系应该是反过来的；当情况更糟时，你才更应该做研究。但人们往往被短期问题牵着走。
丹尼·希利斯：在你看来，我们的社会是不是越来越关注短期了？在我成长的 60 年代初，人们常常谈论 2000 年会发生什么，而现在已经是 1993 年了，人们还在谈论 2000 年会发生什么。所以在我的一生中，未来似乎每年都在缩短一年！如今人们意识到 2020 年将会如此不同，以至于他们根本无法想象。而在 1960 年，2000 年似乎只要把 1960 年外推一下就能到达。
艾伦·凯：有人说，20 世纪是“变化发生变化”的世纪。
丹尼·希利斯：你曾经参与过的最长远的项目是什么？我猜苹果有五年计划，但它会有五十年计划吗？
艾伦·凯：我怀疑不会。日本人倒是有五十年计划。
丹尼·希利斯：嗯，我设计过一座钟。这座钟是一个非常庞大的物体，大约有金字塔那么大。它在物理上非常巨大，机械运作。也许它是由季节性的温度变化来驱动的。这座钟每年滴答一次。每一百年敲一次钟。每到千年时，会有布谷鸟出现。如果你开始思考这座钟，以及下次布谷鸟出现时它会是什么样子，这会让你把 3000 年视为未来真实的一部分。仅仅是这座钟的存在，就会迫使人们把思维延伸到千禧年的心理障碍之外。
艾伦·凯：如果没有 ARPA 的长远眼光，我认为施乐帕洛阿尔托研究中心其实不可能出现。这已经成了民间常识，但我认为，就资助而言，ARPA 是美国发生过的最好的事情。
丹尼·希利斯：ARPA 之所以如此强大，其中一个原因是没人把它当回事。
艾伦·凯：包括资助它的人。
丹尼·希利斯：这让他们能够做一些高风险的事情，因为没人害怕他们真的会成功。现在人们意识到 ARPA 确实能实现它的目标，而这是一个非常可怕的前景。
艾伦·凯：现在他们反而希望它一定要成功。这就像下金蛋的鹅。当你开始强迫这个过程时，它就死了。ARPA 成功的原因在于，**他们基本上是资助人而不是项目。**他们并不在乎这些人具体在做什么，他们认为有趣的人自然会做出有趣的事情。伊万·萨瑟兰在 1962 或 1963 年去 ARPA 时才 26 岁。他的想法是：“嗯，有趣的人可以做出一些事情；让我们找到这些人，看看会发生什么。”天哪，如今要找到这样的资助实在太难了。我一直以来做的事成功几率都很低。它们看起来不像工程项目，这是最大的问题。所以，我个人非常怀念整个 ARPA 的体系。像你这样的人，丹尼，当年不必去创办一家公司才能获得资金。你最初并没有打算成为大亨，对吧？你只是有一件伟大的事想去做？
丹尼·希利斯：我们现在做的事情的问题在于，它已经变得“体面”了。像 IBM 这样的公司也在做。所以是时候开始去做一些成功几率很低的事情了。
艾伦·凯：嗯，我觉得你搞的那些基因方面的东西正好符合这一点！
丹尼·希利斯：我认为，现在是我们进入网络空间房地产行业的时候了。我想建造一个可以从网络访问的地方，让黑客们在那里开拓。看看他们能创造什么。我想把这当作一笔房地产交易来做，找人来资助，理由就是他们能拥有那里的大部分地产。而这些黑客会通过获得一些地块来换取价值。我相信这件事应该由商业来推动。在一开始，你可以通过雇佣他们在这个虚拟世界里做一些有用的事来支撑经济，比如带人参观、建设图书馆，或者一些用于访问数据和了解情况的基本社区设施。但随后你要允许他们自己创业，创造工具或创造虚拟身份，等等。一开始你可能需要一些“吸引物”，比如一些娱乐内容。
艾伦·凯：所以你让人们在那里开拓！他们会以某个比例做一些有用的事情。那这需要多少钱？
丹尼·希利斯：我认为你会像当年在帕洛阿尔托研究中心做 Alto 等项目那样来做。首先，你利用一些还不太经济的技术，做出一点点超前的东西。然后你等待世界在技术上赶上你。很快，所有购物和视频点播的基础设施都会建成，而他们会先用它来传送旧媒介。到那时，人们会拼命寻找其他用途。能够看出这个事件顺序的人，现在就可以拿出几百万美元来为那一刻做准备——当他们需要内容来填充那个新事物时。动态书（dynabook）项目在帕洛阿尔托研究中心的成本有多高？
艾伦·凯：嗯，我当时的年度预算，大概在 1973 年，是 50 万美元左右。那还是石油美元之前。我们有一些天才，所以不需要很多人。查克·萨克尔只用了三个月半，带着几个技术员，就独自完成了第一台 Alto，他基本上是“把东西往墙上扔”，结果就成了。我会说，只有大约二十个人完成了六项基础发明：Alto、以太网、用户界面、面向对象编程、激光打印机，以及文件服务器。
丹尼·希利斯：我同意。我认为你不需要很多人来做这件事。我觉得整个想法就是要有杠杆效应。如果你让足够多的人在其中有份，那么我敢打赌，你每投入一美元的努力，就会得到价值一百美元的努力，因为人们只是为了分得成果的一部分而投入。基本上，你所做的是在建立一个“前沿”。如果我们是对的，这将是下一个伟大的事物，那么你就能吸引到合适的二十个人。尝试建立这个前沿会很有趣。一个重要的点——我一直在思考如何说服资助者——那就是，没有“无法无天者”，你就不可能创造前沿。不幸的是，这是生态结构中必不可少的一部分。
艾伦·凯：是啊，就像语言最重要的地方在于它能让你说谎。否则你永远不会有任何进步。
丹尼·希利斯：所以，我认为你必须在其中内建一些良好的加密功能，这样你才能拥有隐私，以及能够保密地交换信息。今天很多科学家仍然是秘密的柏拉图主义者。他们认为，在宇宙的某个地方，存在着“形式”。你知道，我就是热爱蒸汽机。它们的制造者并不试图隐藏零件；他们实际上还对它们进行装饰。但这并不像巴黎的蓬皮杜博物馆那样，把本来隐藏的东西展示出来——那很丑。蒸汽机工程师们是把零件本身做成了机器美感的一部分。**我的信念是，在每一段软件中，你都应该能够“掀开引擎盖”，看到底层的呈现。**而今天，硬件中已经没什么有趣的东西可看，软件也对你封闭了。
丹尼·希利斯：拆开一台动态书（dynabook）你学不到多少东西，除了学到“不要拆”。我以前从没意识到过这一点，但现在的孩子们甚至没有机会去“黑”操作系统。
艾伦·凯：所以他们只好编造一些迷信和神话，因为那是他们唯一能做的事。
丹尼·希利斯：那你接下来打算做什么？
艾伦·凯：这里存在一种有趣的互动，你可以称之为“天赋”与“元系统”（meta-system）的互动——我们能在有限天赋之上搭建多少元系统，来学习如何做事。最近的两位网球冠军，伊万·伦德尔和克里斯·埃弗特，并不是天生的运动员。他们只是学会了如何打网球。而一些最具天赋的网球选手，比如纳斯塔西和阿加西，只有在顺境时才表现出色——他们没有可以退回依赖的习得技能。所以，在任何一个群体中，也许有 5% 到 20% 的人拥有天生的黑客类天赋；他们往往不需要教学法的帮助。教学法的意义在于让其他 80% 的人至少能靠近目标。因此，**我一直很感兴趣的是，如何把一些非常重要的观念变成那种 80% 的人也能以操作性方式学会的状态。**这就是我为什么不断回到计算机的原因。
丹尼·希利斯：比如哪些观念？
艾伦·凯：比如“反馈”。比如如何在不破坏事物本质的情况下把它拆开。还有“普适性”的观念——从简单的原理中得到万物的观念，你不需要很多东西就能得到一切。
丹尼·希利斯：我一直在问自己一个问题：下一个前沿在哪里？那个正在被建构的新世界在哪里？你知道有什么候选方向吗？
艾伦·凯：**我认为前沿与人类学习有关。**知识并不是完全相对的。大约有一百个强大的观念，它们基本上决定着生与死的差别，而我认为我们的一项主要任务应该始终是真实，并让尽可能多的人获得这些观念的权利。
丹尼·希利斯：但事实上，如果你看看正在发生的事情，情况似乎恰恰相反。我们正在走向一个两级社会，要么你是那种多少了解并有能力应对社会复杂性的人，要么你就是它的受害者，只能被动承受。
艾伦·凯：而且我认为，随着知识前沿变得越来越不直观，这个差距实际上还会不断扩大。
原文：WIRED 杂志 1994 年 1 月刊的一次对谈，由 Kevin Kelly 与 Steven Levy 促成，嘉宾为 Alan Kay 与 W. Daniel (Danny) Hillis。讨论主题横跨网络、并行计算、人工智能、生物学隐喻与科研资助模式。