“未来的时代我们是否会被机器控制？”吴军的博士答案是不会，但是人会被懂得制造智能机器的人控制，因此我们要去争当那2%制造智能机器的人。
那么为什么人不会被机器控制呢？那要从对机器智能（或者叫人工智能）的产生模式说起。传统人工智能从模仿人类的思维方式入手来制造智能机器，被称为“鸟飞派”，但是实际生活中人们对语意的理解除了语法，还包括对于语境下以往积累的常识或者说对于世界的知识共同作用来判断的，吴军博士举了语音识别领域的一个例子：pen（既可以指铅笔，也可以指围栏）的例子， the pen wan in the box和the box was in the pen用同样的语法分析，这两句话会得到相同的语法分析树，而仅仅根据这两句话本身，甚至通篇文章是无法判定pen在那一句话中应该作为围栏，在哪一句话中应该是钢笔的意思，在20世纪70年代，最好的传统语音识别准确率只有70%。而吴军博士所推崇的人工智能产生模式则来自于数据驱动。
也是在语音识别领域，贾克里尼首次将机器智能的问题转化成了通信问题，继而在训练机器智能的过程中实际上变成了数据问题。他认为人的大脑是一个信息源,从思考到找到合适的语句,再通过发音说出来,是一个编码的过程,经过媒介传播到听众耳朵里,是经过了个长长的信道的信息传播问题,最后听话人把它听懂,是一个解码的过程。既然是一个典型的通信问题,就可以用解决通信问题的方法来解决,为此贾里尼克用两个数学模型(马尔可夫模型)分别描述信源和信道。至于计算机识别时需要从语音中提取什么特征,贾里尼克的想法很简单,数字通信采用什么特征,语音识别就采用什么特征。这样,贾里尼克就用当时已经颇为成熟的数字通信的各种技术来实现语音识别,而彻底抛开了人工智能的那套做法。在IBM贾克里尼利用积累起来的大数据来训练参数，将准确度提升到了90%。
之后在机器翻译等领域也相继采用数据驱动的方式来提升机器准确率，但是这里的核心就在于需要有足够多的数据量可以让机器来学习，在很长时间内，由于数据量的缺乏，一度在很多领域并未展现出高于传统人工智能的准确率，这一问题在21世纪受益于互联网的迅速普及而得到解决，一方面网络上生产的大量数据的价值逐渐被各个公司所认知而保留下来，另一方面以往积累下来的很多文档等资料也在被高速移到网上，可供机器学习的数据量越来越大，由于以不同形态不同维度存在的数据量的指数级增长，机器学习在准确性提升的同时，可处理的维度越来越广，这时候真正的大数据时代出现了！
什么是大数据时代的核心特征？首先是数据量大（big)，第二就是多维度，由于数据的记录往往并没有建立在具体的特定的数据运用的假设之上，我们看到的原始数据可以从各种维度上去分析解读，利用机器把这多维度的东西整合起来后我们就能得到立体的且是精细化的应用场景；第三是完备性，当数据足够大时，能够捕捉到以往容易忽略的小概率事件，因此相较于传统的统计方法或者是基于特征分析推演的结果往往无法覆盖长尾的情况，大数据有能力做到完全命中！
那么，如何将大数据应用到商业中呢？吴军博士强调首先要做思维方式的变革，从传统的强调因果关系的思维方式转化成强相关关系。基于大数据的特征，我们只需要找到特定场景下的强相关数据流（从细节到整体），那么面对特定场景下的个体我们就能从他当时的行为预测其下一步的行为（从整体到每一个细节），从而做到精准推送。（这一块目前在电子商务等领域已经越来越成熟了）。
当你分散的行为痕迹，被机器在不同维度上捕捉到并且还原为整体时，可能机器会比你更懂你自己，它知道你在几分钟后可能需要什么东西，并且愿意为此支付多少钱，它就可以通知周围的某商户在你还没行动之前就送到你手上了，是不是很惊喜，但是同时是不是很恐怖？机器本身虽然不知道自己在做什么，但是它确实控制了你！在很多场景下，我们是受益者，但是不排除某些情况下我们会由于种种有意无意的隐私泄露而被置于利益受损的境况。这也是吴军博士一再呼吁大家重视隐私的核心关切点。
智能时代的另一个双刃剑在于，机器智能对很多行业进行重塑之后（比如：医疗、新闻业、律师行业、甚至体育行业等），效率将得到极大提升，人类的健康长寿等前景会更加美好，但是一大波人将在就业市场被机器所取代，自工业革命以来的每一次革命带来的产业革新都会使一大波“传统行业”的人失去饭碗，而这一次机器可能将取代的是人类最核心的器官“人脑”的劳动，那么很多使用“脑袋”在工作的人的职位被取代后，下一波的产业升级将往哪里走，让人能有一份工作带来的起码尊严呢？还不知道。
在这种情况下，我们还能做什么呢？自工业革命以来的前三次革命（我称为蒸汽机革命、电的革命、晶体管革命）实际上都对社会造成了断裂式的影响，老的模式跟与之相关的群体均要经受淘汰过程中的阵痛，直到大约2代以后这股阵痛才会逐渐缓解消失，而目前的第三次晶体管革命的阵痛还未散去，智能革命已经气势汹汹而来，我们能做的就是在各个领域搭上智能革命的快车，争做那2%控制智能机器人。