暗池

伊莱·拉多普洛斯，网络江湖上人称“犀利飞客”，踏进了位于第五大道156号第11层的办公室。他在门口抖掉了鞋上的雪。此时正是2011年初冬，纽约刚刚经历了有史以来最寒冷的一个冬天，街道上铺满了厚厚的大雪。办公室内，柠檬色的阳光透过一排污迹斑斑的窗户洒在地上。站在高高的窗前，可以尽情欣赏曼哈顿熨斗区无边的都市风景。

动力全球市场基金的办公室便坐落于此。这是一家新成立的对冲基金。从办公室内的布局设施来看，这里与其他高科技交易中心并无两样。不大的桌子上堆满了一排又一排的计算机。一群20多岁穿着随意的程序员目不转睛地盯着面前的平板显示器。他们沉迷在飞速变化的数据之中。白板上布满了混乱的流程图和复杂的公式。

拉多普洛斯走进办公室，一股廉价咖啡的味道扑鼻而来。动力基金的团队成员来自众多不同的国家：希腊、以色列、意大利、俄罗斯、美国等，天花板上一字挂出了这些国家的国旗。

动力基金正在尝试将大数据技术用于股票交易。众所周知，这个技术已经受到了众多人工智能狂热追随者的热捧。随着计算机在全球普及，越来越多的信息变得触手可及。人们几乎能得到想要的任何信息。比如波斯湾的海运情况、哈萨克斯坦小麦的总产量、英属哥伦比亚的降雨量、拉丁美洲的出生率、霍尔木兹海峡的原油运输量等。同时，人们也必须面对一个现实：人类大脑是不可能处理如此庞大的数据量的。但是，计算机可以。一台大数据交易机器能够检索网络或者其他数据系统中的全部信息，并且从中发现规律，或许是曾未被人们发现的规律。按照这个想法，大数据交易计算机便能够通过买卖股票产生巨额利润。

无论实际与否，这就是动力基金和拉多普洛斯努力想要实现的目标。它标志着市场在应用计算机技术方面的一个全新转变。

随着高频交易的爆炸式增长，到2011年年底，计算机能够很轻松地在交易速度上击败人类。没有人能够在毫秒之间交易上百只股票。但现在，程序员正在尝试全新的计算机，撇开下单速度，它能够在基于股票基本面的交易博弈中战胜人类，例如基于销售额和其他经济变量的选股策略。

虽然这一切看上去几乎不切实际，但是，有许多迹象表明这个想法是可能实现的。IBM最近开发了一个名为沃森的人工智能计算机系统，它击败了世界一流的Jeopardy！[1]比赛选手。

从某些方面来讲，动力基金设计的系统与沃森十分相似。然而，动力基金的任务远比破解Jeopardy！要困难很多。动力基金正在试图破解股票市场——挖掘全球数据库中的庞大信息集合，进而找到能够战胜市场的交易策略。这项任务的负责人拉多普洛斯是一个热情、充满魅力的人，光头和无框眼镜给人一种威严感，而酷爱老式网球鞋的他又让人觉得平易近人。他的经历也足以拍成一部电影。

许多关于拉多普洛斯的故事要追溯到20世纪90年代早期，那时他还是一个声名狼藉的黑客。在那个年代里，成为一名黑客是一件非常酷的事。顶尖的黑客能够拥有像摇滚巨星一样的地位，受众人膜拜。他曾经一起合作过的同事确实有着像摇滚明星一样的名字：Phiber Optik、腐败者、反叛者、瘟疫、迷你君王[2]。

拉多普洛斯在网络上被人称为犀利飞客。20世纪80年代末，他在纽约成立了一个精英黑客组织，称为骗局大师。该组织专门入侵电话系统，这一技术也被称为“飞客技术”。这也是拉多普洛斯别名的由来。

骗局大师对电话截断技术了如指掌。他们入侵了许多相关的系统，最终引起了联邦政府的注意。成功入侵AT&T公司的电话系统之后，拉多普洛斯和他的伙伴保罗·斯泰拉于1993年7月被指控犯罪，最终以“合谋进行计算机犯罪”为由被判入狱服刑6个月以及居家监禁6个月。

出狱后，拉多普洛斯找工作并未遇到任何困难。他的才能得到了众多公司的赏识，这些公司急需应对飞客攻击的技术。起初，他在一家军事情报机构担任计算机系统安全分析员。后来，他开始研究股票市场相关的技术。最终于1996年，他在极讯公司担任全球信息安全部主任一职。

1998年，他认识了纽约基金巨头德劭基金的传奇创始人戴夫·肖恩。德劭基金采用数学和计算机技术从市场上获得数以亿计的年利润。戴夫·肖恩进入金融市场之前，曾是哥伦比亚大学计算机科学教授。这位大学老师说服拉多普洛斯说，华尔街的大笔财富并不在“安全系统”之内，这些钱都可以通过计算机模型从股市上挣得。

拉多普洛斯花了好几年才掌握能用于现实的建模方法。为了能够更好地研究金融市场，在极讯公司任职期间，他在纽约城市大学学习经济学。接下来，2000年年初，他认识了大卫·雷恩韦伯，加州大学伯克利分校的金融学教授。雷恩韦伯从事将人工智能用于交易的研究已经有十多年了。

从20世纪90年代起，拉多普洛斯开始学习人工智能，但是他一直不相信这项技术能用在股票交易上。雷恩韦伯则告诉他，随着计算机的运算能力越来越强，互联网上的数据也越来越多，人工智能算法最终会成为预测市场未来走向的可靠方法。他们一度成立了一家技术公司，叫作监控者110。他们从深网[3]上检索对冲基金和银行自营交易员可能用于交易决策的信息。公司将特殊的搜索引擎安装在华尔街北边，一座建筑物的六层阁楼上。因此，公司可以检索到超过900个信息源，包括传统的新闻网址和博客。这些信息涵盖了众多公司，以及从制药技术发展趋势到石棉诉讼案[4]等市场热门话题。拉多普洛斯带领的研发团队负责交易策略的测试。测试的目的是为了检验交易策略是否能适应各种不同的市场状况，就好比是制造一台自动贩售机，以应对各种不同用户的潜在需求。

在监控者公司，拉多普洛斯结识了公司核心创始人罗杰·艾伦伯格，一位风险投资人，曾经经营着德意志银行内部一个规模达60亿美元的基金。同时，艾伦伯格也是著名的文艺复兴科技公司的长期投资人。他也清楚地认识到使用大量数据和人工智能算法交易的巨大潜在收益与挑战。这是可能实现的，但只有最聪明的人才能够驾驭这种技术，例如文艺复兴科技公司的鲍勃·默瑟和皮特·布朗。

虽然汇集了世界一流的聪明才智，但监控者公司还是失败了。这个尝试无疑是大海捞针，远比想象中的要艰难很多。各种信息源源不断地涌向计算机，庞大的数据量和纷繁复杂的类型使得人们很难从中找到黄金。公司于2008年一度搁浅，拉多普洛斯的团队也就此解散。

几年之后，原先解散的团队发展壮大成了动力基金。拉多普洛斯、艾伦伯格以及其他几个团队成员认为，当初他们创立监控者公司的核心想法依旧有着巨大的潜力。

技术正在飞速发展。云计算机能够充分使用分布式网络中的闲置产能，这使得众多公司拥有了足够的电子运算能力来应对庞大的数据量。监控者公司购买并建造了自己的服务器机群，这让公司能够在云端进行更为高效和低成本的运算。语言处理和人工智能算法的跨越式进展也使得公司设定的目标变得更为切实可行。

最大的挑战来自于：如何缩小数据规模。信息高速公路上拥堵了不计其数的数据，可供交易系统使用。现在的问题是数据太多了！他们需要的是更加优质的信息。这些优质的信息要能共同输入到模型当中，并能够战胜市场。假如在整个网络中检索信息，那就好比是想煮沸整个大海。因此，他们缩小工作量，使得计划变得更容易实现。

他们建造了一个各种网页和其他可以机器读取的网络资源数据库，包括了证监会以及其他政府机构网址。为了解读这些信息，拉多普洛斯和其他程序员开发了一个人工智能程序。该程序能够自动监控网页动态，找出可识别的信息，并为股票交易提供特定的预测。系统可以追踪特定股票的相关信息，例如与苹果公司有关的Mac Rumors、工业界专家的最新言论、中国的船运数据（iPhone大部分在中国生产）、招聘网站上有苹果公司工作经历的求职者数量（该数字提升说明公司开始裁员，这很可能是公司经营不当造成的）。系统也能够检索到SEC的档案、Amazon.com的各种数据以及其他的零售商网址，这些信息能够帮助分析公司销售表现，甚至系统也可以分析推特上提及苹果产品的即时动态。

人工智能程序像一台充满魔力的研磨机处理加工所有信息，最后计算出特定概率的购买或卖出的建议，就像华尔街的分析师或者IBM公司的沃森一样。这样的系统至少理论上是能够实现的。

拉多普洛斯希望达到的目标是：在公司公布消息之前，能够准确预测公司的业绩。更准确地说，他们是希望利用人工智能方法来模拟一个金融分析师。理想状况下，动力基金甚至能够比公司内部的高管和雇员更早知道公司的财富水平变化。公司的销售量变动趋势、实际产量、来自竞争对手的价格战争——一旦你掌握了这些数据并充分解读它们，这些都将成为窥探未来的水晶球。

2008年，带着对大数据的无限憧憬，拉多普洛斯、艾伦伯格和一个由科学家、程序员、数学组成的小团队发起成立了动力基金。他们希望能够在2011年前正式上线一套人工智能交易系统。这个系统将只在罗素2000指数中挑选股票，该指数涵盖的成分股都是小盘股，华尔街的分析师一般较少关注这些股票。由于在小盘股上的竞争不那么激烈，因此，拉多普洛斯认为，这些股票是容易实现获益的投资标的。

较少的竞争也意味着市场上这些公司的信息较少。对于交易系统，这可能是一件好事。因为系统不必花费太多时间和运算量在筛选信息上。但是，较少的信息也可能是一件坏事。市场上也很少人会去议论迈达斯公司或者对士丹利家具的业绩发表看法。这两只股票均是罗素2000指数的成分股。哪怕是缩小了数据规模，机器为了描摹出某个公司或板块的实际状况，依然需要处理的大量的数据。

虽然是从一个较小的数据池中处理处理，但这还是属于大数据的范畴。

■■■

动力基金的数据供应商之一Selerity技术公司，该公司开发了一个可供人工智能计算器快速获取和解读上市公司业绩报告的新闻检索系统。Selerity的算法将会处理财务报表数据，同时会找出危险信号，比如隐藏在脚注中的巨额损失。一旦出现“破产”“违约”“合并”等关键词时，会在毫秒之内向动力基金的交易机器发出警告。

这样的交易方式有时能带来大量的财富。2011年1月，Selerity根据微软发布盈利报告的历史网址，成功破解了微软公司下一次发布盈利报告的网址。在美国东部时间下午2点50分，盈利报告突然出现在被破解的网址上，但是，微软还没有将网址公布在网上，他们认为市场还不知道盈利报告的内容！微软公司错了。Selerity瞬间将消息从网页上下载，并将内容发送给了客户。人工智能计算机迅速做出反应，在一瞬间获得了利润！

在那时，动力基金的交易系统并没有上线运行。实际上，他们还需要解决一大堆的难题。原本计划于2011年2月上线的系统还没有准备好。程序员和拉多普洛斯还在不停地调试系统。他们输入的数据越来越多，希望机器能够找到隐藏在大数据之中的宝藏。

公司内部就风险控制和输入变量的使用展开了激烈的争论。需要解决的问题像一座座大山一样挡在面前。他们却无可奈何，事倍功半。动力基金团队夜以继日地工作着，休假成了一件十分奢侈的事情。

公司在开发系统时，有一个非常坚定的信念：机器永远是正确的。一个难题摆在动力基金面前：如何给不同的策略命名。这很困难，因为人工智能算法会随着时间推移而不断改变。一个策略在某个月会选择便宜的股票，到了下个月可能会去追逐价格处于高位的股票。

“对此，我们必须特别小心。千万不要被模型的名字愚弄了。名字只是我们给的一个记号，不必过分纠结，”一个动力基金研究员在一封发给其他团队成员的邮件中这样写道，“比如，假设我们认为某个策略能很好地捕捉动量带来的收益。要是用投资组合的数据来验证这个策略。很可能出现的情况是：一旦某个时段，资产组合的动量特征消失了，我们将遭受较大的损失。这给我们设计模型带来了一些挑战。”

机器反复运算着众多各式各样的策略。它会追踪过往几年交易量的变化，或者5天、10天、21天甚至63天之内波动率的变化。它会监测外汇市场上，美元兑欧元、美元兑日元的变化。它同时也会实时观测国债收益率以及纽交所股票的最高价和最低价。计算机输出的信号指令可能会让人头晕。例如某一条指令是“过去63天内配对组合相关性矩阵的最大奇异值”。

但是这些交易机器依然没有实盘交易。在测试期间，动力基金的交易策略的损失比收益要多出一大截（尽管并不是真实资金），这让拉多普洛斯感到十分困惑。

动力基金发现股票的交易环节远比发现市场信号要复杂太多。公司不得不仔细估计他们的报价单对股票价格的冲击大小。冲击成本的问题对动力基金的投资标的尤其的明显，因为小盘股平常的购买量比较低。一笔购买几千股士丹利家具的报价单都可能引起股价的快速跳跃（原因很可能是动力基金的报价单被其他人工智能机器人的订单嗅探算法捕捉到了）。动力基金的机器在股价瞬间跳高之后仍然不停买入，这笔交易最后很可能赔钱。

换句话说，即使动力基金的交易信号是正确的，他们糟糕的订单执行能力也会使策略最终赔钱。拉多普洛斯太过于低估人工智能机器人猎捕交易订单的能力了，这些机器人抢在他的订单执行之前，抬高了股价。

随着2011年夏季一天天过去，动力基金离打造出一个人工智能掘金者的梦想渐行渐远。策略始终无法盈利，数据也很难被有效利用。一些公司内部人士已经开始质疑：拉多普洛斯是否真实知道他正在做什么。他们认为研发团队的这个负责人过于相信机器学习，而忽视了量化交易的基本原则——人的影响。拉多普洛斯则反驳道：“人为地干预人工智能算法，只会让情况变得更加复杂且无意义。这是不明智的。”

动力基金研究员也经常在争论一个问题：何时关闭交易机器？

答案是：永不关闭机器。因为“交易机器是完美的”。

“我们不打算终止交易，”2011年夏天，一封动力基金的内部邮件这样提道，“我们需要每天都进行交易，除非我们遇到了严重的损失。当机器处于良好的状态时，就需要用风险管理措施来束缚它。”

这几乎已经是一种信仰——机器的力量高于其他任何一切。机器知道所有的事情。

要相信机器。

另一个争论的焦点是：应该采用“基于规则”的交易策略——交易模型中的参数采用静态直接的固定参数法，还是应该采用机器学习的方法——动态变化且灵活的方法，利用计算机实时学习更新交易参数。

理论上，后者让交易策略更能够适应不断变化的市场状况。交易机器里包含了所有可能的交易策略。“我们要测试的并不是策略在不同时间段内的表现，而是算法适应市场环境变化的能力。”一封动力基金公司的邮件如是说。

但是，要是机器莫名其妙地开始追逐泡沫了呢？市场出现泡沫时，很可能会诱发交易机器开始买入定价过高的股票。

不用担心。机器知道这一切。

“虽然测试结果表明机器学习算法给出的信号确实与泡沫有一定关系，但是，我认为这类问题不太可能是机器学习算法引起的。”动力基金的邮件内容鼓励道：“在设计策略时，我们很容易无意地将交易规则与一些泡沫因素联系在一起。不管怎样，在使用机器学习算法时，我们需要经常更新数据集合，然后重新训练算法……总之，采用简单的评估机制来测试动态策略时，我们需要格外谨慎。”

无论如何，最大的问题还是机器无法挣钱。所以，由“犀利飞客”领导的这支团队在不停地改进交易系统，输入越来越多的数据。

不幸的是，机器辜负了团队成员们的信任。2011年8月，动力基金董事会解散了拉多普洛斯的研究团队。

■■■

虽然动力基金失败了，但是，制造一个具有人类思维的交易机器的梦想仍在继续。为什么不呢？未来学家雷·库茨魏尔预测说，当计算机能力和人工智能强大到有能力自我完善——计算机能够高效地设计和创造其他计算机时，人类的天性便会发生不可逆转的改变，一个被称为“奇点”的可怕事件将会发生。最终，人类将使机器服从于我们的意志，使得我们能够超越物种的极限。

鲜为人知的是，库茨魏尔已经开始尝试一个比驯服人工智能更“乏味”的目标：赚钱。1999年，库茨魏尔成立了一家对冲基金。该基金使用的是一系列基于复杂数学的交易策略，简称为FatKat系统。FatKat利用算法不停地收集和梳理市场的交易机会。各个算法之间相互竞争，优胜劣汰：收益较高的算法得以存活，而表现较差的策略被淘汰。

在库茨魏尔眼中，FatKat代表着华尔街的未来。这位未来学家认为，未来人类不需要投入时间在每天的交易决策上。机器人将取代人类的位置，掌握着全球虚拟网络中的股票交易。在一个理想的世界里，这会使得市场不再受到人性的恐惧和贪婪的影响。市场将变得更加理性。只有数字、不可动摇的事实以及不断更新的数据流会对市场造成影响。

计算机革命推动了人工智能的发展，人工智能在很多领域取代人类已经变得越来越现实。几乎没有人会质疑计算机革命和人工智能将会给金融市场带来彻底的改变。公司、货币、债券和其他可流通金融工具的信息都被数字化了，并飞速地在市场中传递。被称为机器可读新闻成为市场的新宠。为了让超高速的算法能够提取和分析公司现状，所有公司的最新资讯都被写成代码，比如公司盈利报告。媒体机构，例如路透社和道琼斯公司，均发布了可供机器读取的新闻。模式识别计算机能够检索并在眨眼之间做出反应。高科技交易公司贪婪地吞噬着信息，并将交易订单像子弹一样既精确又快速地打入市场，整个过程比蜂鸟煽动一次翅膀都要快。

随着大量的数据经过成千上万英里的光缆发送到全球各地，越来越多的人通过社交网络与互联网产生联系，全新的数据处理技术不断地涌现并用于交易。推特和脸书、谷歌和YouTube视频网站变成了智能交易计算机掘金的新工具，这些机器从中可以推测出最新的零售销量和市场情绪。

虽然有少数像文艺复兴科技公司、自动化交易平台和全球电子交易公司这样的例外，绝大部分公司经过几年的研究发现，人工智能算法用于交易会遇到许多瓶颈。这类算法在极短期内能够挣钱——几小时、一分钟或者一秒，却难以让收益在几天时间之内稳定下来，这似乎超出了计算机的能力之外。

但在21世纪头十年的末期，技术实现了新的突破，人工智能又再次受到了华尔街的重视。随着数据每天以拍字节——1000万亿个字节——的速度在互联网上增长，掌握新技能的程序员正在试图驾驭最新的人工智能算法，从混乱的数据中找出规律。

这是大数据的时代，一个为人工智能追随者们设计的时代。这群狂热追随者们包括文艺复兴科技公司的鲍勃·默瑟，他的信仰便是“数据越多越好”。目前，可获取的数据正在爆炸式地增长。

动力基金的案例告诉我们，大数据是很难被破解的，但也有一些成功的案例。最恰当的一个例子就是：在洛杉矶新成立的一家小公司——小脑资本。公司是由两个人工智能专家发起成立的：科学家大卫·安德烈，毕业于加州大学伯克利分校人工智能博士；埃里克·特勒，谷歌一个新项目部主管，其爷爷是氢弹发明者爱德华·特勒。

■■■

安德烈和特勒在20世纪90年代的早期就已经认识了，那时他们都在斯坦福大学攻读数学和计算机编程专业。10年后，两人合作创办了一家名为BodyMedia的公司。公司位于匹兹堡市，主要生产可佩戴式计算机，这种设备能够帮助客户平衡膳食。产品的系统是由安德烈和特勒基于人工智能技术开发而成的。可佩戴式计算机从众多用户那里收集大量数据，再由人工智能系统进行处理分析。

他们开始讨论人工智能技术在其他领域的应用。金融反反复复地被提及。对于一位人工智能科学家，华尔街十分具有吸引力——一个庞大的电子系统以及散布在各类交易平台上的信息。安德烈和特勒推理认为，正如他们的人工智能系统处理从BodyMedia收集的数据一样，股票交易所需的也是一个类似的系统，但是更加复杂。这两个系统都是从混乱的市场（客户）数据中找出规律。

这是一个富有挑战又能够激发兴趣的想法，但是两人没有任何的华尔街工作经验。一天下班以后，在匹斯堡火车站前广场的一个酒吧里，他们讨论了转行进入金融市场的利弊。

“这是一个冷酷无情的行业，”安德烈对特勒说，“一旦转行，我们就不能像现在这样帮助这个世界了。现在，我们正在改变人们的生活。”

特勒则认为，他们应该将这项计划视作一次实验——在大学外面进行人工智能研究。

“人工智能系统研发成功与否，可以用结果来验证。”特勒说。另外，要是成功了，策略的收益还能够为研究提供资金来源。

最后，安德烈认同了特勒的观点，于是他们决定尽力将这个系统研发出来。他们从几个熟人那里得到了第一轮的种子投资。由于公司几乎没有任何员工，他们能利用这个优势来吸引更多的风险投资。相对较大的风险资本会忽视那些无利可图的项目。就好比一只大白鲨对小鱼并不感兴趣，大投资者一般会跳过那么收益微薄的生意。安德烈和特勒认为，小脑资本将会研发出收益可观的交易策略。同时，公司运营的成本非常低，他们不需要雇用交易员，自然也不用担心交易员巨额的年终奖。

和动力基金的研发团队一样，他们在订单执行方面遇到了较大的问题。在华尔街进行交易远不是他们最初想得那么简单。大型公司占据着优势地位，因为他们总能够从经纪人或者交易所那里得到好处，比如更低的手续费、更快的数据供应等。假如没有良好的历史业绩，公司很难募集到资金。大的投资者，比如养老基金，更是毫无成功的希望——他们从来不会投资任何刚刚成立的公司，尤其是那些只有几百万美元资产并且收益无法保证的小公司。

尽管如此，安德烈和特勒还是取得了一定进展。2009年7月，他们发起了小脑阿尔法基金，管理资产刚刚超过100万美元。安德烈和特勒把他们的机器学习程序叫作“源机器”。机器使用的是遗传算法。许许多多电子机器人随着时间推移而不断进化。源机器对不同的交易信号进行模拟，并测试信号的好坏。各种不同的算法像是一个个微型机器交易员，它们会进行自我繁殖和变异。这一点与库茨魏尔的FatKat算法非常相似。机器将会“杀死”表现最糟糕的交易员，同时把资金交给表现最好的交易员管理。总体来看，这样的规则会导致交易策略的变异，进而产生全新的交易策略。源机器每天会重复这样的流程上千次。源机器不停地从互联网上抓取可用于生成预测信号的潜在线索，同时也在关注着市场上许多不受监管的角落。一代又一代的微型机器交易员死去、繁殖、变异，最后保留下来的是有利可图的交易策略。至少这是他们想要达到的目标。

安德烈和特勒投入了大量时间研究如何更好地利用互联网上的信息。例如，一种估计交易员的乐观情绪的方法：从在线酒店预订网站上获取数据，特别关注华尔街附近的豪华酒店。较多的酒店预订可能预示着交易员对市场的走势持乐观态度。虽然只依赖这一种信息是不可能产生可靠的交易信号的，但是再加上几十个甚至上百个其他信息，一幅更清晰的画面将展现在我们眼前。

使用这些技术之后，小脑公司的源机器发现了一座金矿：安德烈和特勒发现了市场的一个异常现象，每年都能够给他们带来7%的稳定收益。通过同时在股票和期权市场上持有相反的头寸——不暴露任何一个交易方向的头寸——他们发现了一个从未被人们察觉的套利机会。他们马上将这个策略独立出来，募集了一个新的基金，叫作“小脑自动交易机器基金”。新的基金于2009年11月正式成立，投资者对基金的热情十分高涨。截至2011年夏天，自动交易机器基金已经累积了5000万美元的资产。

这次实验看起来成功了。人工智能挖掘出了新的交易策略，发现了新的盈利机会。特勒——一个计算机的狂热信徒——相信在未来，人工智能将会在华尔街占据重要地位。如果人类能够进行交易，那么计算机也能做到，而且做得更好。

[1] Jeopardy！是哥伦比亚广播公司益智问答游戏节目，已经经历了数十年历史。该节目的比赛以一种独特的问答形式进行，问题设置的涵盖面非常广泛，涉及到各个领域。根据以答案形式提供的各种线索，参赛者必须以问题的形式做出简短正确的回答。参赛者需具备历史、文学、政治、科学和通俗文化等知识，还得会解析隐晦含义、反讽与谜语等，而电脑并不擅长进行这类复杂思考。——译者注

[2] 这些人都是名噪一时的黑客。其中最为有名的是Phiber Optik，原名马克·阿贝尼（Mark Abene），是来自纽约的计算机黑客。他是骗局大师（Masters of Deception）的创始人之一，激励了全美成千上万的青年人“钻研”国内电话系统的内部工作原理。——译者注

[3] 深网（deep web）是由美国军方于2003年打造的一个完全私密、匿名的网络空间，原名为Tor。深网中的内容不能被标准的搜索引擎索引。后来被逐渐应用到其他途径，意图躲避监管或者进行非法活动。一般网名接触的网络被称为表面网络。——译者注

[4] 石棉诉讼就是只要有一个工人打赢官司，其他有类似情况的、在同一企业工作的同事都可以获得大笔赔偿。这个称呼的由来是：曾有美国的一家公司的工人向法庭提出集体诉讼，说由于工作环境受到石棉的影响，弄坏了身体，结果获得法庭判决巨额的赔偿。之后，陆续有大量的同样以石棉伤害健康为理由的集体诉讼。——译者注