“这个嘛，没有，因为我——”

“杰克…”安妮将目光从手提电脑屏幕上移开，看着我“我觉得你最好少讲这些无用的话。你没有多少本钱可以挑剔，你已经开始面临知识老化的问题了。”

“知识老化。”我重复道。

“说得对，杰克。你已经６个月段有工作了。在高技术领域，这已经是很长时间了、公司的人会认为，如果你花了那么长时司找工作，你一定有什么毛病。他们不知道确切的毛病，只是假设你已经被拒绝了多次，被许多家公司拒之门外。用不了多久，他们甚至连面试的机会也不愿给你的。在圣何塞不行，在阿芒克不行，在奥斯丁不行，在剑桥也不行。船只已经启航。你听见了我的话吗？这件事情我就谈到这里好吗？”

“好的，可是——”

“没有什么可是，杰克。你得和你妻子谈一淡，你得想出一个办法，把自己销售出去。”

“可是，我无法离开硅谷。我得留在这里。”

“有一点不太妙。”她说着让电脑屏幕再次翻动。“无论我什么时候提到你的名字，我就会得到——听我说，电子媒体公司究竟出了什么问题？唐·格罗斯要被起诉吗’”

“我不知道。”

“几个月来我一直听到那样的谣传，但是看来不会被起诉。从你的角度考虑，我希望它很快出现。”

“我不明白，”我说“我在一个热门领域中拥有优势地位，多智能体分布式并行处理，而且——”

“热门？”她问，半眯着眼睛看着我“分布式并行处理并不热，杰克。它具有令人讨厌的放射性。硅谷里的每个人认为，人工生命领域的突破性发展将来自分布式并行处理。”

“它们会出现的。”我点头赞同。

在过去几年中，人工生命已经取代了人工智能，一跃变为计算机业的长期奋斗目标，奋斗的理想是编写出具有生物特征的程序——那些程序能够改写，协作工作，学习新知识，适应出现的变化。许多这样的性质在机器人技术中尤其重要，它们已经借助分布式并行处理开始变为现实。

分布式并行处理技术的要点是，人们可以将任务分配给几个处理器，或者分配给人们在计算机中创造出来的虚拟智能体网络。有几种基本的方式去实现这一点。一种方式是创造一个数量巨大的相对愚钝的智能体，那些智能体共同工作，以便实现一个目标——就像一群蚂蚁共同工作来达成同一目标。我领导的团队那时在这方面已经做了大量工作

另一种方式是制造一种模仿人脑神经网络的所谓神经网络。结果，即使简单的神经网络也拥有令人惊讶的力量。那样的网络能够学习。它们能够借鉴过去的经验。我们在这方面也取得了一些进展。

第三种方式是在计算机中制造虚拟基因，然后让它们在虚拟世界中逐步衍变，直到实现特定目标。

除此之外，还有其他几种方式。

从总体上看，这些方法代表了一种巨大变化，超越了原有的人工智能——或被称为ＡＩ——的理念。过去，程序编制员努力去编写能够覆盖每一种情况的规则。例如，他们试图要计算机懂得：如果有人在商店里选择了商品，他们必须在离店之前付钱。但是，结果却很难将这种日常知识编为程序。训算机会出错。必须增添新程序以避免那些错误。结果是错误越多，规则越多。所用的程序最终越来越庞大，涉及数百万条编码，这使它们开始因为复杂性而出错。那些程序太大，无法排除错误，人们无法找到错误出现在什么地方。

所以，人们面对的情况好像是基于规则的人L智能走入了死胡同；许多人作出了可怕的预测：人工智能将会寿终正在寝。英国教授们相信计算机绝对可能赶上人类的智能；２0世纪８0年代是他们的理论大行其道的时期。

但是，分布式并行处理的智能体网络提供了一种全新方式。而且，那种编程方式的理念也是新的。基于规则的陈旧编程方式是“自上而下的”在总体上给系统制定了行为规则。

但是，新的编程方式是“自下而上的”这种程序在最低结构层面上规定单个智能体的行为，然而，并未在总体上规定系统的行为。系统的行为是自动浮现出来的，那是发生在更低层面的数以百计的微小互动的结果。