这就是深度学习 ， 会带来人类从未考虑过或甚至无法想象的发现 。 温伯格说 ， “深度患者”的教训是 ， 深度学习系统不必将世界简化为人类能够理解的东西 。
这违背了我们迄今为止所建立的一切 。 机器学习对天气、医疗诊断和产品性能的预测比我们做得更好 ， 但往往以牺牲我们对其如何得出这些预测的理解为代价 。
温伯格强调 ， 虽然这可能带来危险 ， 但也是一种解放 ， 因为它使我们能够驾驭我们周围大量数据的复杂性 ， 从混乱和琐碎的数据中获益 。
温伯格将此形容为“从混沌理论转向混沌实践——将这一理论那令人兴奋的想法应用于日常生活” 。 这就是本书英文书名Everyday Chaos的由来 ， 它讨论的并非理论意义上的混沌 ， 而是每日每时的混沌 。
温伯格指出 ， 这种转向并非始于人工智能 ， 而是从有互联网以来就开始了 。 各行各业都采取了那些完全避免预测未来的做法 ， 比如柔性生产、敏捷开发、A/B测试、最小化可行产品、开放平台和用户可修改的视频游戏等 。 他甚至极而言之地说 ， 我们在过去20年里做的那些发明与革新 ， 都是为了避免去预测未来会发生什么 。
我们对这种新的认知模型已经如此适应 ， 以至现在我们对上述与传统认知模型相悖的新事物 ， 已经习以为常了 。
我们在互联网上公认的工作方式 ， 事实上推翻了关于未来如何运作的旧假设：互联网并不试图预测未来并为其做准备 ， 而是通过创造更多深不可测的可能性来造就我们的繁荣 。 网络也降低了在没有定律、假设、模型、甚至对什么会成功的直觉的情况下运作的成本 。
战略不是漫长的计划 ， 也不通往可知的未来
预期和准备 ， 是我们处理日常事务的核心 ， 也是企业做战略规划的核心 。
长期以来 ， 人类一直认为 ， 如果能够理解事件发生的永恒定律 ， 我们就能够完美地预测、规划和管理未来 。 但认知模型发生转换后 ， 我们的最佳战略往往需要忍住不去预测 ， 因为预测总是着眼于通过减少可能性来集中资源 。
很多人把战略理解为“长期规划” ， 只有存在一个有序、可预测的未来 ， 这样的规划才有意义 。 在不同程度上 ， 以不同的方式 ， 战略规划要求公司能够将各种可能性缩小到自己可以追求的可能性 。
正因如此 ， 温伯格才说：“战略规划通常被视为一种限制性操作 。 它识别可能性 ， 并选择企业想要实现的可能性 。 ”
这种线性思维激发了一种异乎寻常的战略制定方法——场景规划（scenario planning） 。 在场景规划的过程中 ， 战略制定者发明并深入考虑有关企业的若干同样合理的未来故事 。 虽然这无疑有助于打开思路 ， 探索未来如何影响现在 ， 但它受限于一种错误的世界观 。
从根本上说 ， 不管设计出几个场景 ， 面对世界的复杂性 ， 都还是过于简单化 。 线性思维当然也可以努力增加自身的复杂程度 ， 但无论线性思维趋向多么复杂 ， 世界都不会有如其所愿的规则结构 。 我们需要的是非线性思维 。
在《瞬时竞争力：竞争优势的终结》一书中 ， 丽塔·麦克格拉斯教授 ， 驳斥了迈克尔·波特关于企业可以拥有“可持续竞争优势”的看法 。 相反 ， 她提倡一种 “持续重构的战略” 。
这种对战略的理解要求公司必须对环境中的任何变化保持警惕 。 它们也必须拥有特定的组织结构和文化 ， 使其能够通过脱离当前的轨迹来作出反应 ， 从而创造一个新的轨迹 。 与波特式的战略观相比 ， 这是180度的翻转 ， 那种认为战略是一个漫长的计划、通往一个基本可知的未来的观点彻底过时了 。