人类与计算机的互补不仅仅是宏观事实，而且是创立伟大事业的途径。在PayPal的经历使我明白了这一点。2000年年中，我们成功度过网络公司的破产危机，并快速增长，但仍面临一个巨大难题：每月都因信用卡诈骗损失上千万美元。每分钟处理成百上千笔交易，因此不可能一一检查——任何质量控制团队都达不到这种速度。
因此我们做了任何工程师团队都会做的事情：采用自动化技术找到解决方案。首先，马克斯-列夫琴组建了数学家精英团队来仔细研究欺诈性交易。然后利用研究结果，编写自动识别软件，实时取消欺诈交易。但这一措施很快就失效了，因为一两个小时后，窃贼就发现了，他们改变了策略。我们的对手适应性很强，而我们的软件反应缓慢。
诈骗犯虽然躲过了我们的自动检测算法，但我们发现，他们不能轻易骗过人类分析师。因此马克斯带领工程师用混合策略重写了软件：程序将可疑的交易标记在设计好的用户界面上，然后人工审核其合法性。多亏了这个混合系统，我们抓住了那个吹嘘自己无人能敌的俄罗斯窃贼，所以我们给这套系统起了个俄罗斯的名字——“Igor”。而且，有了这套系统，我们在2002第一季度扭亏为盈（而2001年的每季度我们还损失2930万美元）。美国联邦调查局来问我们是否愿意出借Igor，以协助他们侦测金融犯罪。这让马克斯自翊为“网络密探福尔摩斯”，他也的确是。
这种人机结合的做法让PayPal得以在商界立足，成百上千的小商家才愿意通过网络收款来发展壮大。没有人机结合的解决方案，就不会有这些成果——虽然多数人对它一无所知。
2002年出售PayPal后，我依然在人机结合上下功夫：人机结合比单打独斗效果显著，那么在此核心基础上可建立什么有价值的事业呢？第二年，我和斯坦福大学的老同学亚历克斯·卡普、软件工程师斯蒂芬·科恩动了创办公司的念头：利用PayPal安全认证系统的人机复合模式来辨识恐怖分子和金融诈骗。我们知道美同联邦调查局兴趣正浓，于是2004年我们共同创办了帕兰提尔公司，一个帮助人们从不同信息来源提取有用信息的软件公司，到2014年，帕兰提尔公司的销售额已达到10亿美元。《福布斯》称帕兰提尔的软件是“杀手软件”，因为谣传它帮助美国政府找到了奥萨马·本·拉登。
对于操作细节，我无可奉告，但可以说仅凭人类智慧或计算机，并不足以保证我们的安全。美国两个最大的情报机构使用的方法截然不同：中央情报局倾向于用人，而国家安全局倾向于使用计算机。中央情报局的分析师要排除的干扰太多，很难识别严重的威胁。国安安局的计算机处理数据的能力很强，但机器自己不能鉴别是否有人在策划恐怖行动。帕兰提尔致力于克服这两种缺陷：运用帕兰提尔的软件分析政府提供的数据（比如，也门极端主义教士的通话记录、与恐怖活动关联的银行账户），然后标记出可疑活动，供训练有素的分析师审核。
除了帮助查找恐怖分子，使用帕兰提尔的软件，分析师还可预测阿富汗的叛乱分子放置爆炸装置的地点；起诉引入注目的内幕交易案件；打击全球最大的儿童色情团伙；支持疾病控制预防中心对抗食源性疾病的爆发；通过先进的诈骗检测软件，可以他商业银行和政府每年减少上亿美元的损失。
先进的软件为此提供了可能性，但更为重要的是人类分析师、检察官、科学家、金融专家，没有他们的积极参与，软件毫无用处。
想想如今专家的工作内容。律师必须用不同方式讲述棘手问题的解决方案——依据委托人、对方律师、法官等谈话对象的改变，变换说辞。，医生要有能力与非专家的普通病人沟通诊疗结果。好老师也不只是精通自己教授的学科知识，他们还必须了解如何根据学生的兴趣和学习方式调整教学方法。计算机或许可以执行部分任务，但不能有效加以整合。法律、医疗、教育领域的先进技术不能替代专家，只能帮助专家做得更好。
这正是领英公司协助招聘专员做的事。领英在2003年创立时，既没有征求招聘专员的意见，以找到需要改进的地方，也没有编写完全替换招聘专员的软件。招聘工作一半是侦探工作一半足推销工作，招聘专员需要仔细审核应聘者经历、评估其动机和适应能力、说服最优秀的人才加入团队。让计算机高效地完成所有工作是不可能的，因此领英从改变招聘专员的工作方式入手。现在，超过97%的招聘专员使用领英的网络，运用其强大的搜索过滤功能筛选应聘者，该网也为数亿个使用它来管理个人品牌的专家创造了价值。如果领英公司只是用技术取代招聘专员，那么它不会形成今天的规模。
对计算机科学的认识
为什么如此多的人忽视与计算机互补的力量？这要从学校教育谈起。软件工程师致力于开发取代人力的项目，这是他们的职责所在。学者通过专业研究扬名立万，他们的主要目标是发表论文，而发表意味着尊重特定学科的界限。对计算机科学家来说，则意味着让人类的功能减少到只限于完成特殊任务，而计算机经训练后可将各项任务一一完成。
在当今计算机科学最前沿，“机器学习能力”这一词语激起了机器代替人类的幻想，其宣扬者似乎相信只要输入足够的训练资料，计算机就可以执行任何任务。网飞公司（Netflix，网络影视光盘租赁公司）和亚马逊的用户亲身体验了计算机学习的效果：两家公司都依据消费者浏览及购买的历史，运用特定算法来推荐产品。输入的数据越多，得到的建议就越好。谷歌翻译也是如此，它支持80种语言的翻译，虽然粗糙，但勉强可用，这并不是软件懂得语言，而是它能对巨大语料库的文本进行统计分析，提取句型。
另一个体现机器会取代人类的倾向的流行语是“大数据”。如今的公司对数据情有独钟，它们错误地认为数据越多，能创造的价值就越多。但大数据通常都是沉默的资料，计算机能找到人类没有注意到的模式，但无法比较不同资料来源整理出来的模式，也不能用这些资料解释人类复杂的行为。可行的见解只有人类分析师（或者说那种只存在于科幻小说中的人工智能）才能给出。
我们痴迷于大数据仅仅是因为觉得科技很奇特。我们为计算机单独取得的一些小成就而惊叹，却忽视了人类在计算机的辅助下取得的巨大进步，因为人类的参与淡化了其神秘性。沃森、深蓝电脑和越来越厉害的算法虽然很酷，但未来最有价值的公司肯定不是靠计算机单独解决问题，而是关注计算机如何才能帮助人类解决难题。
聪明的计算机：是敌，还是友
计算机运算的未来充满了未知。像Siri（苹果手机语言助理）和沃森这些预示着未来趋势的越来越高明的机器人智能，越来越普及；一旦计算机能回答我们的所有问题，它们就可能会问，为什么它们要完全屈从于我们？
替代派思维的逻辑终点是“强大的人工智能”：计算机使得人类在每个重要领域黯然失色。当然，勒德分子被这种可能性吓坏了。这甚至让未来学家也心神不宁，因为还不确定强大的人工智能会拯救人类还是会毁灭人类。技术应该增加人类对自然的控制力，减少人类生活中的偶然性；建造聪慧过人的计算机一定是利弊参半。强大的人工智能就像宇宙彩票：我们赢了，得到理想国：我们输了，被天网( Skynet)取代。
但即使强大的人工智能不是不可预测的谜团，而有真实存在的可能，那个时代也不会很快到来：被计算机取代是22世纪人类该担忧的问题。对遥远未来的不确定的恐惧不应阻止我们现在制订明确的计划。勒德分子认为我们不应该制造未来可能取代人类的计算机，狂热的未来学家则持相反的观点。这两种观点相互排斥，但不能代表所有的观点：在这两个极端之间还有巨大的空间，未来几十年，理智的人可以建设美好的世界。我们在计算机使用上的创新，不仅能够帮助人类做好已有工作，还能帮助人类做到之前不可想象的事情。
