这些机器可能是有用的，甚至能够共情。但它们会有意识吗？意识是目前科学无法达到的，但我们可以思考。倘若我「感觉」你的痛苦，主体和客体是清晰的：我是主体，你是客体。但倘若我感到自己脚趾的疼痛，主体和客体的区分便不那么明显了。或者他们是一致的？如果两个人能够通过彼此的共情相连，当我伤害自己时，我的大脑的两个部分不能共情吗？也许感觉是动词而不是名词：它们可能是细胞群之间的特异性交换。那么，意识可以不仅仅是一个更小的上接接地符号的感觉/运动/经验的分支的分形安排吗？如果神话告诉我们地球是平的，并且放在一只巨龟的背面，我们可能会问什么拿着乌龟。答案当然是：一直都是乌龟。所以也许意识也一直只是细胞群之间的同感。

Roger Highfield，Science Museum Group 外事部门负责人、 Supercooperators 作者之一、复杂度前沿者

科学术语：可以采取行动的预测（Actionable Predictions）

对显而易见的事根本不值一提的想法一般不会被怪罪，更不用说它即将成为一种文化越来越流行。毕竟，「pre」意味着「以前」，因此毫无疑问你应该在得到预测后采取行动来改变你的未来——举个例子，就像大雨要来了买伞一样。

天气预报确实是一个促使你采取行动的预测的例子，是从卫星和各处传感器汇总过来的数据与模型的完美结合。但是当你的视线从物理科学转移到医学，这些预测却很难辨别。

在医生能够针对每个患者做出规范的、可信并能够采取行动的预测上，我们仍有很长的路要走——哪种治疗会对患者的帮助最大，哪种药会对患者的副作用最小等等。

很遗憾，对于很多简单的问题，答案依然不易捉摸。我应该因为嗓子疼而吃抗生素吗？免疫疗法对我管用吗？那个长长的药品副作用清单中的哪部分应该引起我的注意？对我来说最好的食谱安排是什么？如果我们能像气象学家预测明天的天气那样预测出每个患者需要的答案。

今天很多人讲大数据可以提供所有答案。在生物学上，举个例子，曾经，人类基因工程所得到的数据曾经为我们带来了很大的希望和愿景——如果我们获得一段病人的 DNA 序列，我们可以预测它们最后的衰亡。

抛开基因组的扩散、表观基因组、蛋白质组和转录物组不谈，情况已经比预想的糟糕了，直播，最初有关个性化定制的基因药物的梦想已经降格成了精确药物，在这里我们假定一个特定的人会与之前研究过的基因相似的人群相同的药物反应。

生物学领域里盲目地搜集大数据依然盛行，不过重点突出变换技术，比如机器学习—人工神经网络—来发现所有数据中有意义的特征。但不管它们多「深」多复杂，神经网络仅仅是尽可能适配了可用数据的变化曲线。它们也许能做插值，但对于超过训练范围的外扩，效果依然让人忧心忡忡。

数据的量并不是能成为解决问题的全部。我们是收集了很多数据，但是我们收集到保质保量的数据了吗？我们能从一系列错误的关联关系中分辨出有用信号吗？假定身体是动态且不断变化的，数据的即时记录样本真的能记录下生命的全部复杂性吗？

为了得到医学上有效的预测，我们同样要在生物学的数学建模中进行一个改变，这改变很好理解：细胞是非常复杂的，更不用说器官和身体了。

我们应该增加对复杂系统的研究兴趣，以使得我们能预测单个病人的后续发展。而不是从早期传播研究中推断应该存什么，谁开的新处方，谁没有，谁有严重的副作用。我们需要更深入的探究，至少不能到死后尸检的程度，这可以防止成千上万的人免于人为医疗事故的伤害。

最终我们需要在医学理解的基础上更好的开展建模，只有这样，终有一天，你的医生可以在你的数字分身上做实验，而后才是你。现代医学需要更多的可操作的预测。

Daniel Rockmore，达特茅斯学院 Neukom 计算科学学院主任、数学教授、计算科学 William H. Neukom 1964 终身杰出教授

科学术语：电车问题（The Trolley Problem）

科学的历史是由各种各样的「思想实验」堆成的。「思想实验」这个词是爱因斯坦想出来的，它的意思是针对一个虚构的场景，在这个场景中能够精精准的表达一些难于思考的问题症结，以这种方式能够激发一些就此问题的深度思考最终得到解决方法或者相关发现。这些「思想实验」中最著名的是爱因斯坦的「追光传说」，最终促使他发现了狭义相对论。还有薛定谔的猫，它被困在一个刻意严格设计的量子机械盒里，永远半生半死，这更加明晰地揭示了波动理论机理与测量间的复杂交互关系。