文明的进步源于重要行为增加的数量，我们可以很自然地从事这些行为，而不需要经过思考。
——艾尔弗雷德·诺思·怀特海，1911年42
与其原来的样子相比，事物未来的样子与它现在的样子更像。
——德怀特·艾森豪威尔
加速回归定律可应用于所有技术，尤其是进化过程。应用信息技术可以将该定律很准确地绘制出来，因为我们已经有了完善的定义标准（如每美元每秒钟的计算量、每克元件每秒钟的计算量）去衡量它们。加速回归定律中暗含着大量指数增长的例子，在各种不同的领域中我们都能找到，如电子、DNA测序、通信、大脑扫描、人脑的逆向工程、人类的知识领域以及技术小型化。技术小型化的趋势与纳米技术的出现直接相关。
未来的GNR（遗传学、纳米技术、机器人技术）时代（见第5章）不仅源于计算的指数增长，而且更多地来自于多种相互交织的技术进步的内部作用，以及它们彼此间的相互协作。指数增长曲线上的每一点都构建了全方位的技术，它们是人类创新与竞争的史诗。我们认为正是这些混沌过程的共同作用，导致了平稳可预测的指数增长趋势。这不是巧合，而是进化过程的本质特征。
人类基因组破译工程启动于1990年，有批判者指出，以当时的速度完成这项工程需要几千年的时间。但是，原计划需要15年的工程提前完工了——2003年43便完成了第一版测绘。破译成本也由1990年的每对染色体10美元降到了2004年的每对一便士，而且这个成本还在加速持续下降（见图2-19）44。
图 2-19
科学家破译DNA序列的数据量呈平缓的指数增长（见图2-20）45。一个具有代表性的例子是SARS病毒DNA序列的破译——从SARS病毒的发现到最终破译只用了31天，而HIV病毒DNA序列的破译则花费了多于15年的时间46。
图 2-20
当然，电子存储方面我们在也可以看到指数级的增长（如RAM）。需要注意的是，图2-21中的指数增长经历了不同的技术范式：从真空管到离散晶体管，再由从离散晶体管到集成电路47。
图 2-21
但是，磁存储（磁盘驱动器）的性价比的增长并不遵循摩尔定律（见图2-22）。这一指数趋势反映了一个磁性基板上的数据压缩量，而非集成电路中的晶体管数量，这是很多工程师和公司寻求解决的另一技术挑战48。
图 2-22
很多年来，通信技术（交流信息的方法，见图2-23）的指数增长甚至比计算的处理或存储方法更快，故而通信技术的暗示作用同样非常重要。这一领域的进展，不仅涉及集成电路中晶体管缩小方面的进步，还涉及纤维光学、光交换、电磁技术等诸多领域的加速进步49。
目前，我们正在通过无线通信方式，逐渐摆脱有线通信对我们的城市和日常生活的局限，无线通信正以每10到11个月翻一番的速度增长（见图2-23）。
图 2-23
图2-24和图2-25显示了基于主机（网络服务器）数量的互联网的整体增长。这两个图表分别用对数形式和线性形式绘制相同的数据。正如前文讨论过的，当技术进步呈指数增长时，我们却以为这个过程在线性域中经历。从大多数观察家的角度来看，直到20世纪90年代中期，这个领域什么也没有发生，而万维网和电子邮件似乎是突然出现。但是因特网在世界范围内的普及，早在20世纪80年代初，通过对因特网前身APPANET的指数增长趋势的检测，就可以预测到50。
图 2-24
图2-25显示的是相同的数据在线性图中的刻画51。
图 2-25
除了服务器外，互联网的实际数据流量每年都翻倍52，如图2-26所示。
图 2-26
为了适应这种指数增长，互联网骨干网的数据传输速度（图2-27所示，实际用于互联网的最快的骨干网通信信道）本身也呈指数级增长。请注意图2-27中的“互联网骨干网的带宽”，我们可以明显地看到连续的S形曲线：一个新的范式带来了加速增长；随着该范式的潜力用尽，增长趋于平缓；随后通过范式的迁移实现新的加速增长53。
图 2-27
另一个将对21世纪产生深远影响的趋势是，各类技术普遍朝着小型化方向发展。各类技术（包括电子和机械）关键部件的尺寸正在以指数速度缩小。目前，缩小技术以每10年缩小到原来尺寸1/4的速度发展。这种小型化趋势是由摩尔定律驱动的，但它同样反映了所有电子系统尺寸的发展趋势，例如磁存储。我们还可以看到机械设备尺寸的减少，图2-28说明了机械设备尺寸随时间的变化趋势。54
图 2-28
由于纳米技术的快速发展，各种不同技术的关键特征的尺寸正在接近于多纳米范围（少于100纳米，1纳米是1米的10亿分之一）。如图2-29所示55，纳米技术科学引用文献在过去的十年增长迅速。
图 2-29
在纳米技术的相关专利方面我们看到了相同的现象（见图2-30）56。
图 2-30
正如我们将在第5章探讨的，随着基因技术在能力和性价比方面的指数增长，基因（或生物技术）革命给生物领域带来了信息革命，同样，纳米技术革命将为材料和机械系统提供快速增长的信息控制力。机器人（或强人工智能）革命涉及人类大脑的逆向工程，这意味着用信息的方式，并结合日益强大的计算平台的分析结果来理解人类智能。因而，所有这三种重叠的变革（遗传学、纳米技术和机器人），将主导21世纪上半叶信息革命的方方面面。
信息、秩序和进化：沃尔夫勒姆和弗雷德金对于元胞自动机的深刻见解
正如我在本章前面所描述的，信息技术的每个方面都在以指数级的速度增长。人类固有的对于奇点（正发生于人类历史之中）的期望，对人类的未来是非常重要的。我们可以在人类历史的每个阶段发现信息的存在。人类知识和艺术的每一种表达形式——科学抑或工程设计、文学、音乐、绘画、电影，都能表达为数字信息。
我们的大脑可以通过神经元放电的方式进行数字化的运转。大脑中神经元之间的连接可以通过数字化的方法来进行描述，甚至人脑的构造也是由一段令人称奇的微小的数字遗传密码所规定的57。
事实上，所有的生物操作都是通过2比特的DNA碱基对的线性序列完成的，这些碱基对序列控制20种氨基酸的排列以生成蛋白质。分子通过离散的原子排布构成。碳原子在它的四个方向上都能与分子建立连接，故而非常适于创造多种三维结构，因此无论在生物中还是在技术中碳原子都非常重要。在原子内部，电子位于离散的能量层中；其他的原子内微粒（例如质子），则由不同数量的夸克组成。
尽管量子力学的公式在连续域和离散层都适用，但是我们知道连续层可以通过二进制数据58进行非常准确的描述。事实上，量子力学（从量子的字面意思去理解）是基于离散值的。
物理学家、数学家史蒂芬·沃尔夫勒姆提供了大量的证据证明，事物复杂度的逐渐增加来源于宇宙，宇宙是一个具有确定性的规则系统（该系统基于确定的规则并能够预测结果）。在他所著的《A New Kind of Science》一书中，沃尔夫勒姆综合地分析了一种称为“元胞自动机”的数学结构是如何描述自然界的方方面面的59。（元胞自动机是一种简单的计算机制，例如，它可以根据转化规则，依据临近细胞的颜色来改变每个细胞的颜色。）
在他看来，可以用元胞自动机去解释所有的信息过程，所以沃尔夫勒姆与信息相关的见地的若干关键问题有着密切的关系。沃尔夫勒姆还假设宇宙本身是一个巨大的具有元胞自动机特性的计算机。在他的假设中，显而易见的模拟现象（例如运动与时间）和物理学中的公式，都存在一种数字化的基础，我们可以根据一种简单的元胞自动机的转换，对物理学的理解进行建模。
其他一些人早先已经提出了这种可能性。理查德·费因曼从信息与物质和能量的关系方面思考这个问题。诺伯特·维纳在他1948年的《控制论》一书中曾经预言过一个根本性的变化：宇宙的基石不是能源，而是信息转换60。关于“宇宙正在运行于一台数字计算机中”的假设可能是由在1967年康拉德·楚泽61第一次提出来的。楚泽被公认为可编程计算机领域杰出的专家，从1935年到1941年间，他发明了可编程计算机。
另一个物理信息化理论的狂热支持者是爱德华·弗雷德金，他在20世纪80年代早期提出了一种“物理学新理论”，这一理论基于宇宙最终由软件组成这一思想。根据他的理论，现实不是由物质和能量组成的，而是由根据计算规则不断变化的比特数据构成的。
20世纪80年代，罗伯特·赖特援引弗雷德金的话：
“世上有三大哲学问题：什么是生命？什么是意识、思想和记忆？宇宙是如何运转的？……信息的观点涵盖了以上三者……我的意思是说复杂性的最基础层次应该是运行于物理空间的信息处理过程。在复杂性的更高层次，例如生命、DNA（生化机能），都是由数字化信息处理控制的。在另外一个层次上，思考的过程也是基本的信息处理……我可以在很多不同的领域找到支持该观点的证据……在我看来，这真是一种势不可挡的趋势。它像是我苦苦寻找的一只动物。我已经发现了它的足迹，发现了它的排泄物，发现了它咀嚼了一半的食物，发现了它的皮毛，还发现了很多其他关于它的踪迹。每个发现都符合一种动物的特征，但它却是一种未被前人发现的动物。人们会问：那个动物在哪里？我会回答，好吧，它就在那里，并且我知道它的各个方面。它不在我的身边，但是我就是知道它在那里……我所见到的是如此具有说服力，所以它不可能是我想象出来的东西62。”
赖特就弗雷德金的数字化的物理学理论作了一些评论：
“弗雷德金提出了一种计算机程序的有趣特征，即它包括很多元胞自动机；查明这些元胞自动机将带来的后果是没有捷径的。事实上，基于传统数学的分析方法（包括不同的方程）与基于算法的计算方法有着根本的不同。你可以不用知道系统运行的中间过程，仅通过分析就能推算出这个系统未来的状态，但是这种方法对于元胞自动机却是失效的，你必须洞察整个发展轨迹，才能最终发现系统的最终状态：如果它不显露出自己的状态，就无法预测其最终状态。弗雷德金解释道：‘对于一些问题，我们没有办法预测它们的答案’。……弗雷德金相信宇宙是一个规则化的计算机，它正在被一些人或事物利用去解决一个问题。这听起来像是一个好消息和坏消息的笑话：好消息是我们的生活有了意义；坏消息是这个意义帮助远方的黑客将Pi的估算值精确到小数点后9位63。”
弗雷德金继续说明他的理论：尽管信息的存储和恢复需要消耗能量，但是我们能够任意减少在信息处理方面的能量消耗，并且这个极限没有下界64。这表明信息比物质和能量更适合作为现实世界的基础65。在第3章，我将重新审视弗雷德金的这个理论，即信息处理所需的能量的减少将没有下限，因为它属于宇宙智能的终极力量。
沃尔夫勒姆将他的理论建立在了一个单一且统一的观点上。让沃尔夫勒姆感到兴奋的发现，是一个被称为元胞自动机110规则的简单规则及其行为。（还有一些其他有趣的自动机规则，不过110规则已经可以很好地说明这个问题了。）沃尔夫勒姆的大部分分析都是关于最简单的元胞自动机的，尤其是那些一维线性细胞，它们的颜色只有两种（黑色和白色），并且规则是基于与一个细胞直接相邻的两个细胞。每次一个细胞颜色的转变只依赖于它以前的颜色和它左右两边的细胞。因此，它一共有8种可能的信息输入情况（两种颜色的3种不同组合）。而规则控制着这8种不同的输入，最终得出一种颜色输出（黑色或者白色）。因此有28（256）种可能的规则适用于这样一个一维、两色、临近细胞的自动机。因为左右对称，256种规则中的128种与另外128种一一对应。又由于黑白的等价性，我们又能将其中的一半与另一半相对应，如此便只剩下64种规则。沃尔夫勒姆用图2-31说明了二维模式自动机的运转，在二维模式中，沿着y轴方向的每条线都代表下一代应用于线上每个细胞的规则。
大部分规则正在衰退，这意味着它们只能创造出没有意义的重复模式，例如单色细胞，或者棋盘上那种交错重复的色彩样式。沃尔夫勒姆把这些规则称为第一类自动机。另一些规则可以产生任意间隔的稳定条纹，他把这些规则称作第二类自动机。第三类自动机则更具研究意义，因为在这些规则中，可识别的特征（如三角形）以一种本质随机序列出现于作为结果的模式中。
然而，第四类自动机才令沃尔夫勒姆恍然大悟，并促使他投入十年的时间研究这一领域。110规则是第四类自动机的一个典范实例，该规则能够演绎出令人称奇的复杂模式，并且模式间并不重复。我们可以从模式中看到人工制品，例如各种不同角度的线条、三角形的聚合以及其他有趣的结构。但是这些结果模式既不是有规律的，也不是完全随机的；它看起来存在规律却又不能预知（见图2-31）。
图 2-31
为什么该规则如此的重要而有趣呢？请记住，我们先从一个最简单的起始点——黑色的单细胞来开始。该过程重复地应用了一种非常简单的规则66。在这个重复而且确定的过程中，行为是重复且可预测的。这样会产生两种意想不到的结果。结果好像是随机的，但并不是纯随机的；纯随机本身是非常枯燥的。设计产生的过程中有一些可识别的、有意义的特征，所以这种模式具有一定的秩序和明显的智能。沃尔夫勒姆列举了一系列的图形实例，其中很多图形让人百看不厌。
沃尔夫勒姆重复阐述了他的观点：“以前总是认为构成一个复杂现象的基础机制本身必然是复杂的。但是我发现简单的程序同样可以产生巨大的复杂性，所以我原来的观点是错误的。67”
我确实发现110规则的行为如此令人着迷。此外，一个非常重要的事实是完全确定的过程能产生出完全不可预测的结果，因为它解释了，虽然这个世界以确定的规则为基础，但本质上这个世界是不可预知的68。然而，我一点都不奇怪为什么如此简单的一个起点经过确定的、简单的过程，能够产生不可预测的复杂结果。这些现象源于分形、混沌、复杂性理论和自组织系统（例如神经网络和马尔科夫模型），自组织系统从简单网络开始，最终将产生明显的智能行为。
在另一个层面，我们用大脑的例子来说明这个问题：初始大脑有压缩基因组中的3千万至1亿字节的信息，但大脑的最终复杂程度是初始状态的10亿倍69。
一个确定的过程会产生明显随机结果，这一事实不足为奇。我们已经有了的随机数产生器（例如程序设计里面的随机函数），它可以利用确定的过程产生随机序列（可通过概率测试）。这些程序可以追溯到计算机软件的最初时期，例如第1版Fortran。尽管如此，沃尔夫勒姆确实为这些观察提出了完备的理论基础。
沃尔夫勒姆继续介绍了简单计算机制如何存在于自然界的不同方面，他还向我们证明了，这些简单的确定性机制能够制造我们看过和经历过的复杂事物。他举了很多的例子，例如动物身上好看的色彩，贝壳的形状和标记以及涡流的模式（空中烟雾的运动轨迹）。他认为计算是必要的、无处不在的。根据沃尔夫勒姆的理论，简单计算机制的重复性的应用是世界复杂性的真正源头。
在我看来，沃尔夫勒姆的观点只是部分正确的。我同意我们的周围都是计算，也同意我们看到的一些模式是由元胞自动机的等价物创造的。但是这里我要问一个关键性的问题：自动机产生的结果究竟有多复杂。
沃尔夫勒姆有效地回避了复杂性程度这个问题。我同意像棋盘这种衰退的模式毫无复杂度的说法。沃尔夫勒姆也承认单纯的随机现象并不代表复杂度，因为在完全不能预测的情况下，纯随机将可以被预测到。如果第四类自动机有意义的特征是既不重复也不是纯随机的，这一论点为真，那么我也同意这类自动机产生的结果会比其他类自动机产生的结果复杂。
然而，第四类自动机产生的复杂度也有一个明确的极限。在沃尔夫勒姆的书里列举的许多图片都是看起来十分相似的，尽管它们并不重复，但它们的不同之处都很细微。而且，它们既没有继续衍生出新的复杂度，也没有发展出新的特征类型。元胞自动机即便迭代无数次，其产生的图形的复杂度仍然保持与原来相同的水平。它们无法进化出昆虫、人类、肖邦序曲，也无法进化出比条纹或图中混杂在一起的三角形更加复杂的东西。
复杂度是一个连续统一体。这里我把“秩序”定义为“适合某种意义的信息”70。一个完全可预测的过程的秩序为0。单纯高层次的信息并不代表一定含有高层次的秩序。一本电话簿虽然有很多信息，但是这些信息秩序的层次很低。一个随机序列本质上是纯粹的信息，因为随机序列不可预测，但是它却没有秩序可言。第四类自动机的产物确实具有一定水平的秩序，与其他持久的模式相同，有其适用的场合。但是代表人类模式的秩序和复杂度都远远高于第四类自动机的产物。
人类需要完成高层次的需求：他们生存在一个充满挑战的生态中。人类世界中存在着极度复杂而又非常精妙的等级制度。沃尔夫勒姆认为任何混合了可认知的特征和不可预测元素的模式实际上都是等价的。但是他没有说明第四类自动机是如何增加它的复杂度的，更不用说像人一样复杂的模式。
这里缺失了重要的一环，即解释从元胞自动机的常规模式如何发展到具有较高层次智能的复杂的持续性结构。例如，第四类自动机不能解决有意义的问题，并且不论迭代多少次也无法接近问题的答案。沃尔夫勒姆把110规则当做是“宇宙计算机”71来使用。然而，即使是宇宙计算机本身也必须利用软件来运行智能的程序。运行在宇宙计算机上的软件的复杂程度也是一个问题。
可能有人会指出第四类自动机的模式是由最简单的自动机（一维、两种颜色、两个相邻的规则）发展而来的。但如果我们增加维度会发生些什么呢，例如增加多重颜色，或者通过综合离散的元胞自动机产生连续的功能？沃尔夫勒姆极其认真地解释了这些问题：复杂自动机产生的结果与简单自动机产的结果本质上是一致的；我们最终通过非常有限的模式获得一定程度的意义。沃尔夫勒姆认为我们不需要用更复杂的规则去获得复杂的结果。但是我的观点与之相反，我们不能通过简单的规则或者进一步迭代的方法来增加结果的复杂度。所以元胞自动机只能有限地推动我们向前。
我们能通过简单的规则解决人工智能难题吗？
我们如何通过这些有趣的但受限的模式去获得那些复杂的事物（例如昆虫、肖邦的乐曲）呢？我们考虑的概念是与沃尔夫勒姆提出的元胞自动相冲突的——这就是进化，或者说一种进化算法，我们开始获得更令人激动、更智能的结果。沃尔夫勒姆称第四类自动机和进化算法“在计算上是等价”的，但是我认为这一命题只在硬件层次上是成立的。在软件层次上产生的模式是非常不一样的，而且复杂度和有用性的秩序也是不同的。
一个进化算法初始于随机的生成解决某种问题的方法，这个算法通过数字化的遗传密码进行解码。然后，在模拟的进化中我们令不同的进化算法之间相互竞争，较好的解决方案将会保留下来，并通过模拟有性繁殖的方式进行复制。在有性繁殖中，被创建的后代解决方案聚合了父母双方的遗传密码（编码解决方案）。我们也会引入一定比例的基因突变，这一过程中包含各种各样的高层次参数，如突变率、繁殖率等。这些参数都被形象地称作“上帝的参数”，设计进化算法的工程师的工作就是将参数设置为最优值。这一过程将在模拟的进化中运行数千代，该过程最后得到的解决方案的秩序，将明显地高于过程初始的解决方案。
进化（有时称作遗传）算法的结果将为复杂问题提供优雅、美丽并且智能的解决方法。我们已经开始利用进化算法进行艺术创作、设计人工生命模式，还用来完成一系列的实际任务，如设计喷气式飞机的引擎。基因算法属于狭义的人工智能方法——创造能够执行具体任务的系统也需要应用人类智能。
但是有些问题还是没有解决。尽管遗传算法对于解决某些特定问题是有效的工具，但是它们还是无法达到强人工智能的水平——强人工智能具有人类智能的特征：广博、深邃、精妙，在模式识别和指令语言方面具有超凡的能力。难道是我们运行遗传算法的时间长度不够吗？毕竟人类进化经历了数10亿年的时间。或许我们不能仅仅利用几天或者几周的时间来用计算机模拟这个进化过程。但事实上，即便用很久的时间去模拟这个过程也是行不通的，因为应用传统的遗传算法只能接近其性能的渐近线。
第三个层次（该层次能够以超出元胞自动机的处理能力生产明显的随机性，也能够以超出基因算法的能力生产聚焦的智能解决方案）在多个层面执行进化。传统的遗传算法只允许算法限制于解决一类很窄的问题上，并且遗传的方式也是单一的。遗传密码本身需要进化；遗传规则也需要进化。例如，自然不会停留在一个简单的染色体上。在自然进化的过程中，有很多层次是间接包含的关系，并且我们需要为进化准备一个复杂的环境，只有在这样的环境中进化才会发生。
构建强人工智能使我们有机会缩短进化过程所需的时间，例如，逆向工程人类大脑（正在进行中的研究项目）已经使进化过程获益。我们将在这些解决方案中应用进化算法，这与大脑解决问题的方式一样。例如，婴儿在子宫里的时候，其供养线路最初随机分布于染色体组的一些区域。最近的研究表明，这些基因区域与学习适应变化的能力相关，然而在婴儿降生后，这些功能的相关结构很少发生变化72。
沃尔夫勒姆证明了一个有效的观点，即一些（事实上是大部分）计算的过程是不能被预测的。换句话说，我们在没有经历完整个过程时不能预测未来的状态，我同意他这个观点，只有能以更快的速度模拟这个过程，我们才能够提前知道答案。由于假定宇宙以最快的速度运转，那么将不存在缩短这个过程的方法。但是我们已经受益于数十亿年的进化了，进化极大地增加了自然界复杂度的秩序。得益于此，现在我们可以利用进化后的工具去逆向模拟生物进化的结果（最重要的是模拟人的大脑）。
的确，自然界的一些现象，仅仅是由于元胞自动机简单的计算机制，才具有某种程度的复杂性。那个在“帐篷—橄榄”状贝壳上有趣的三角形模式（沃尔夫勒姆经常提起的例子）或者复杂多样的雪花形状都是很好的例子。但是我不认为这是一个新的观察结果，因为我们经常认为雪花的设计源自一种简单的分子计算机的构建过程。虽然沃尔夫勒姆给我们提供了很多具有说服力的理论，去表达这些过程和它们的结果模式，但是生物的内涵要远多于第四类自动机。
沃尔夫勒姆另一个重要的发现是，他认为计算是一个简单的而且无处不在的现象。当然，我们都知道在这一个多世纪里，计算本质上是非常简单的：我们能够以最简单的信息处理为基础，构建任意的复杂程度。
例如，查尔斯·巴贝奇在19世纪后期制作的机械计算机（无法运行），它只提供了少量的运行代码，但其基本原理与现代计算机在很多方面（存储容量和速度）是相同的。巴贝奇发明的复杂度源于设计的细节，不过事实证明，仅仅利用他所掌握的技术是无法解决这个问题的。
图灵机是阿兰·图灵在1950年提出的关于通用计算机的理论概念，它只提供7种非常基本的命令，但可以组织执行任何可能的计算73。一个“通用图灵机”可以模拟任何在磁带上描述过的可能图灵机，这是信息通用性和简洁性的进一步证明74。在《智能机器时代》一书中，我展示了任何一个计算机怎样由一个适当数量的简单的装置构建，即“或非门”75。这虽然不是通用图灵计算机的准确描述，但却表明了，只需要提供一个适当的软件（这些软件包含了或非门的连接描述信息），任何计算都能够运行于一系列非常简单的装置（比110规则简单）上76。
尽管我们需要额外的概念去描述一个为解决问题提供智能方法的进化的过程，但是沃尔夫勒姆论证了计算的普适性和简单性，为我们理解世界上信息的根本重要性做出了重要贡献。
莫利2004：你已经得到正在加速进化的机器了，那人类怎样了呢？
雷：你指的是生物意义上的人吧？
莫利2004：是的。
查尔斯·达尔文：据推测生物的进化是一个持续不断的过程，不是吗？
雷：好吧，生物进化在一段时间里，进化的非常缓慢，很难去准确地测量。我指的是间接的进化。结果是较老的范式（如生物进化）正在以原来的速度继续，其发展远比不上新的范式。动物的进化和人的进化一样复杂，也是经历了数万年才产生了一些值得注意、却很小的改变。人类的整个文明和技术的进化史也经历了这段时间。但是我们现在已经准备就绪，在几十年内超越脆弱而缓慢的生物进化。当前发展的速度是生物进化速度的1000至100万倍。
内德·路德：如果不是所有人都赞同这一点将会怎样？
雷：我不期望他们都立刻同意。承认这个事实是需要一个过程的。技术或者进化都存在一个前沿和后沿。在现在这个时代，仍然有人使用犁去耕地，但是这也不能阻碍手机、电信、互联网和生物技术的广泛使用。尽管如此，后沿终究会赶上来的。例如，亚洲的一些国家就没有经历工业时代，直接从原来的农业经济跨越到了信息经济77。
内德：可能你说的是对的，但是数字鸿沟会越来越大。
雷：我知道人们会这样说，但是这怎么可能会变为现实呢？人类数量现在增长得非常缓慢。但是无论你采用什么方式统计，被数字技术联系起来的人的数量都在快速增长。世界上越来越多的人口开始使用电话通信技术和无线网络技术，所以数字鸿沟是正在消亡，而不是正在增长。
莫利2004：我依然觉得有或没有这一问题没有得到充分的重视，还有很多地方我们应该去做。
雷：确实是这样，但是最重要的，非人力控制的加速回归定律正沿着一个正确的方向前进。试考虑一个特殊行业里的技术：从担负不起和进展不顺利开始；后来变得不那么昂贵，也取得了一定的进展；下一步是产品变得廉价并且进展得非常顺利；最终，技术几乎是免费的，而且产生了巨大的效益。
不久以前，当你在电影中看到有人在使用移动电话的时候，那个人一定是一个位高权重的家伙，因为只有这样的人才能支付得起移动电话的高昂费用。还有一个辛酸的例子，那就是治疗AIDS的药物。以前，刚开始研制的时候，研究情况简直糟透了，并且每年在每个病人身上花费的钱大于一万美金。不过现在情况有所好转了，并且在贫穷的国家价格每年也都会下降好几百美元78。遗憾的是，关于艾滋病的治疗药物的研究还不能说是非常成功，也不能说是非常廉价。虽然世界已经开始对艾滋病采取了一些行动，但是艾滋病已经造成了很大的伤害，特别是在非洲地区。前沿和后沿之间的时间正在缩小。我估计当前这个前沿与后沿间的时间在10年左右。在未来的10年，这个时间将缩小为5年。