一、人工智能研究视角的改变
在人类发明的历史上，很多领域早期都是模仿动物的行为，比如，模仿鸟类飞行发明了飞机。传统的人工智能方法没用了这各模仿学的思路，其出发点是“让机器像人一样思考而获得智能”，因此，首先了解人类是如何产生智能的，然后让机器（主要是计算机）按照人的思路去做。为此，花了很大的精力去研究、构建神经网络。但由于神经网络（人的大脑）结构和工作原理非常复杂，所以，研究进展缓慢，除了做出了几个简单的“玩具”，比如让 机器人象猴子一样摘香蕉，却解决不了什么实际的问题。
到了20世纪70年代，，人们开始尝试新的发展道路，即采用数据驱动和超级计算的方法解决智能问题，在八九十年代取得了缓慢但稳步的发展。而进入21世纪后，由于互联网的发展，使得可用的数据量剧增，即大数据时代的到来，数据驱动方法的优势越来越明显，最终完成了从量变到质变的飞跃。如今很多需要类似人类智能才能做的事情，计算机已经可以胜任。计算机科学家们定义的5 大人工智能问题：1.语音识别；2.机器翻译；3.文本的自动搜索或者写作；4.占用人类的国际象棋冠军；5.自动回答问题。今天的计算机已经做到了，有些时候还超过人类。
上述人工智能研究方法（思维）变革的代表人物之一是美国康奈德大学的弗雷德-贾里尼克（Fred Jelinek）教授，他在1972年为IBM设计语音识别系统的过程中，采用了与传统计算机科学家（人工智能专家）不同的方式看待语音识别问题，即认为语音识别不是人工智能问题而是一个通信问题。
二、自然科学的发展
如果要想在“道”的层面上理解大数据，了解一种新的思维方式的重要性，而不仅仅是将自己的追求停留在“术”的层面，那么我们就需要了解人类认识世界方法的演变和发展。
欧洲之所以能够在科学上领先于世界其他地方，在很大程度上是依靠从古希腊建立起来的思辩的思维和逻辑推理的能力，依靠它们可以从实践中总结出最基本的公理，然后通过因果逻辑构建起科学的大厦。其中最有代表忹的人物是欧几理得的几何学和托勒密的地心说。前者建立了基于逻辑推理的公理化体系的知识结构，不仅为几何学、数学和自然科学的发展奠定了基础，而且而且对西方人的整个思维方法才有极大的影响。后者和前者一样，不仅是一个构建系统的人，也是一个善于总结方法论的人。他的方法论可以被概括为“通过观察获得数学模型的雏形，然后利用数据来细化模型”。托勒密的思想影响了西方世界一千多年，这倒不完全因为他的地心说，而他的这这种思维方式和方法论。
在古罗马以后，人类对自然界的认识进步非常缓慢，西方进入了中世纪的黑暗时代 ，东方的中国和阿拉伯的帝国虽然在工程和技术上不断进步，但是既没有形成科学体系，也没有在方法论方面做出太多的贡献。最终，发展科学方法的任务留给了笛卡尔和牛顿。其中，笛卡尔的贡献在于提出了科学的方法，即大胆假设，小心求证。而牛顿的最直接的贡献则在于他用简单而优美的数学公式破解了自然之谜。这不仅把欧几里得的方法论从数学扩展到自然科学领域，而且把托勒密用机械运动模型描述天体的规律，扩展到对世界任何规律的描述。他的方法论衩概括为“机械思维”，核心思想则可以概括为三点：1.世界变化的规律是确定的；2.规律不仅可以被认识，而且可以用简单的公式或者语言加以描述；3.这些规律是可以应用到各种未知领域指导实践。机械思维直接带来工业大发明的时代。而机械的广泛使用和机械的思维方式直接导致了工业革命的爆发。
三、欧洲的崛起
究竟欧洲在现代早期培养了什么潜力，让它能在现代晚期称霸全球？这个问题有两个相辅相成的答案：现代科学和资本主义。
如前如述，在现代早期，虽然中国、印度和阿拉伯穆斯林对科学革命贡献良多，但在20世纪中叶以前（1500年~1950年之间），只有欧洲的统治精英和科学精英能够收集这些无数的科学发现，从中打造出科学学科体系。
而且，以亚当-斯密为代表的欧洲经济学家还提出了不同于传统帝国发展方式的资本主义发展理论，核心是“生产的利润，必须投资于提高产量（扩大 再生产）”，从而刺激了经济的快速发展和财富积累。
一开始，科学和资本主义的思考方式还没有什么优势，但欧洲人就已经习惯顺着这两个思路来思考。所以等到科技发展成熟，就像是个取之不尽的大矿藏，而欧洲人开采这处矿藏的能力也远胜于其他地区。因此不难想像，在21世纪这个“后欧洲世界”，科学和资本主义就成了欧洲帝国主义最重要的遗产。
閱讀更多 思維武器庫 的文章
