數(shù)據(jù)資料的量越大，「預(yù)測分析術(shù)」（predictive analytics）就可能帶來越多的利潤和生產(chǎn)力?？墒?，這只是傳統(tǒng)的想法。創(chuàng)新者如果比較想要創(chuàng)造、而非預(yù)測未來，應(yīng)該仔細(xì)觀察當(dāng)前最頂尖的科學(xué)家如何處理他們的大數(shù)據(jù)。「人工智能」（AI, artificial intelligence）正逐漸讓步給「自動化假設(shè)」（AH, automated hypothesis）。未來，會愈來愈引發(fā)突破性創(chuàng)新的是「自動化假設(shè)」，而非「人工智能」。
如同《產(chǎn)經(jīng)濟(jì)學(xué)人》雜志最近的報(bào)導(dǎo)指出：「目前，有超過90個(gè)科學(xué)家團(tuán)隊(duì)在發(fā)展能生假設(shè)（hypothesis-generation）的軟體。他們希望把這項(xiàng)軟件運(yùn)用在公開資料庫里龐大的科學(xué)文獻(xiàn)庫上（跟據(jù)一項(xiàng)統(tǒng)計(jì)，至少多達(dá)五千萬份的科學(xué)報(bào)告），而非運(yùn)用在食譜上。」換句話說，全球的數(shù)據(jù)科學(xué)家都了解，拍位元組（petabytes，10的15次方）和艾位元組（exabytes，10的18次方）能夠讓運(yùn)算變得具有創(chuàng)意和想像空間，就像是想像力能刺激假設(shè)產(chǎn)生一樣。他們正投入心力，以因應(yīng)此局勢。
這樣的創(chuàng)意非常吸引人：與其使用數(shù)據(jù)來解決現(xiàn)有問題，「自動化假設(shè)」的科技可以創(chuàng)造一套具有爭議性的問題，并加以解決?；蛘撸f的更正確一點(diǎn)，也就是創(chuàng)造一些值得測試的假設(shè)。全球企業(yè)和創(chuàng)業(yè)家都一樣可以運(yùn)用大量的數(shù)據(jù)組，來創(chuàng)造跟創(chuàng)新有關(guān)的商業(yè)假設(shè)?！缸詣踊僭O(shè)」的引擎所能做的，不只是推薦閱讀哪本書，或觀賞哪部電視劇，會提議媒體消費(fèi)的全新選擇和概念。有任何人懷疑，亞馬遜購物網(wǎng)站（Amazon）和美國網(wǎng)路匯流媒體公司Netflix會想要運(yùn)用自家多達(dá)艾位元組的數(shù)據(jù)，為顧客和合作伙伴打造出全新的產(chǎn)品和服務(wù)嗎？
類似的道理，你也可以確定，許多（就算不是大多數(shù)）行事極為低調(diào)的「量化避險(xiǎn)基金」（quantitative hedge funds）擁有自家高度發(fā)展的「自動化假設(shè)」引擎，不停地推薦交易戰(zhàn)略和投資主題，讓公司能夠評估與進(jìn)一步修正。沒錯(cuò)，因?yàn)椤缚扉W小子」（Flash Boys）而聲名鵲起的高頻「運(yùn)算法」交易（high-frequency “algorithmic” trading）的確讓人印象深刻，可是這些投資之所以成功都是善于執(zhí)行上而已。龐大數(shù)據(jù)組的全球互通性，成功地管理一套投資假設(shè)（investment hypotheses）的組合，已經(jīng)變成了成功管理一套投資組合的根本條件。
對于渴望創(chuàng)新的人來說，相較于只會回應(yīng)正確答案的系統(tǒng)，設(shè)計(jì)出會提出正確問題的系統(tǒng)會來的更有價(jià)值。個(gè)人最近一本拙作《創(chuàng)新者的假設(shè)：廉價(jià)實(shí)驗(yàn)如何比好點(diǎn)子更具有價(jià)值》（The Innovator’s Hypothesis: How Cheap Experiments Are Worth More Than Good Ideas）里的重要洞見是，能夠執(zhí)行以高價(jià)值的商業(yè)假設(shè)為基礎(chǔ)，快速、簡便和可以擴(kuò)大規(guī)模的實(shí)驗(yàn)的能力，正成為創(chuàng)新成功的一項(xiàng)新的核心技能。隨著企業(yè)針對其顧客、通路、用途、抱怨及社群媒體等事項(xiàng)搜集了更多數(shù)據(jù)之后，我們便不會只是觀察到人們分析著數(shù)據(jù)的同時(shí)，心中想著「最佳化」（optimization）；我們會看到產(chǎn)生出「創(chuàng)新假設(shè)」（innovation hypotheses）的機(jī)器推薦新的配置構(gòu)造、組合、特色、定價(jià)方式以及商業(yè)模式，做進(jìn)一步的測試。突破性創(chuàng)新者的假設(shè)并不需要一定是由人類提出。未來可能不會是。
具有高影響力的創(chuàng)新者會越來越依賴「自動化假設(shè)」協(xié)助產(chǎn)生的頓悟和洞見，以便激發(fā)他們高超的創(chuàng)意與創(chuàng)新技能。創(chuàng)新的挑戰(zhàn)并不是徹底搜尋資料，尋找有趣的模式，而是決定哪些假設(shè)值得進(jìn)行最立即和創(chuàng)新的實(shí)驗(yàn)，能夠把規(guī)模擴(kuò)大，變成一項(xiàng)價(jià)值非凡、全新的產(chǎn)品、服務(wù)、流程或是使用者經(jīng)驗(yàn)。未來，「自動化假設(shè)」的收獲者跟真實(shí)世界里的實(shí)驗(yàn)者，這兩者之間的創(chuàng)新合作會漸漸形塑企業(yè)文化。
將來，「自動化假設(shè)」跟「預(yù)測分析術(shù)」的混合將會不可避免。「自動化假設(shè)」會讓行銷人員和金融家，以及工程師和設(shè)計(jì)家都感到興奮，而它將會同時(shí)是運(yùn)算藝術(shù)，也會是軟體科學(xué)。這就好像我們的顯微鏡、望遠(yuǎn)鏡或者核磁共振造影設(shè)備會說「這一點(diǎn)看起來蠻有意思的。那我們來試一試，看看會有什么結(jié)果……？」。
當(dāng)然，當(dāng)我們開始把「自動化假設(shè)」跟「機(jī)器學(xué)習(xí)」（ML, machine learning）混合在一起的時(shí)候，事情就會變得更為有趣和創(chuàng)新了。不過，這只是一項(xiàng)商業(yè)假設(shè)罷了。