本書帶領你穿越歷史，從哲學、經濟、商業等多元角度，解讀世界的發展脈絡，進一步分析彼得．提爾創業的心法與思考的角度，幫助你思考從0到1的秘密，從秘密中發掘機會。本篇只介紹「人類與電腦的新關係」。
2000年中PayPal面臨到一個重大的問題：每個月都因為出現信用卡詐欺事件而損失超過1000萬美元。所以我們做了所有工程師團隊都會做的事，我們試著將解決方案自動化。首先，技術長馬克斯．雷夫金聚集一群數學專才，仔細研究轉帳詐欺的交易，然後將我們得出的結論寫成軟體，來自動辨識虛假的交易並立即取消。
但我很快就發現光是這樣行不通。一、兩小時之後，竊賊會反應過來並改變策略。和我們交手的是能快速應變化的敵人，而我們的軟體卻無法跟著反應。詐欺犯雖然能躲過自動偵測的演算法，但我們發現要騙過人類分析師可沒那麼簡單。
所以馬克斯．雷夫金和他旗下的工程師重新改寫成可以綜合偵測的軟體程式，電腦可以在設計出色的使用者介面上先標示出可疑的交易，再交給專人做最後的判斷。有了這套綜合系統，我們在2002年第一季首度轉虧為盈。這種人類和機器的共生關係讓PayPal存活下來，數十萬小商家才願意收受付款，壯大網路生意。
LinkedIn在2003年創立時，也沒打算寫一個可以直接取代人資的軟體，是從改變人資的工作習慣著手，使今天有超過97%的人資使用LinkedIn與其強大的搜尋過濾功能，篩選出缺職務的候選人，LinkedIn也為數億個在網站上管理個人品牌的用戶創造價值。如果LinkedIn當初單純只想用科技取代人資，就不會有今天的事業。
為什麼有這麼多人沒有領會與電腦互補的力量？這要從學校教育開始談起。軟體工程師習慣研究能取代人類勞力的專案，因為他們受的訓練是這樣。對電腦科學家而言，這意味讓人類的功能減少到只剩下特殊任務，然後訓練電腦一一加以克服。
來看看今日電腦科學最流行的研究領域。「機器學習」這個名詞引起機器要取代人工的印象，而提倡者似乎相信，只要提供足夠的訓練資料，就可以教會電腦執行所有任務。「大數據」這個流行的詞語也象徵機器會取代人類的偏見。但「大數據」通常都是沉默的資料，可以找出見解的只有真人分析師。
我們沉迷於大數據中，只因為覺得科技很神奇。我們讚嘆電腦能獨力完成的小事情，卻忽略人類與機器互相截長補短所能達成的大成就，因為人類的參與降低機器的神奇性。華生電腦、深藍電腦和愈來愈厲害的演算法是很酷，但是，如果企業問的是靠電腦可以解決什麼問題，就不是最有價值的企業。
未來最有價值的企業會問的是：電腦如何協助人類解決困難的問題。隨著我們發現利用電腦的新方法，電腦不僅會把過去人類已經在做的事變得「更厲害」，也會協助我們完成過去無法想像的事。
結語
在投資股票道路上，常常有許多散戶投資人一直在尋找自己「交易聖杯」。也常常有讀者問我，我會按照關鍵點記錄發出的突破買進訊號（賣出訊號），操作股票嗎？他們都誤以為「關鍵點記錄」是我投資交易上的聖杯。
我總是回答並不是。如同上述作者所述：「如果企業問的是靠電腦可以解決什麼問題，就不是最有價值的企業。」同樣的，千萬要記住一件事情，我的資料（價值線資料、成長力資料、關鍵點記錄）是要幫助你思考，而不是要取代你的思考。
每當資料出現不錯的標的時，你還是要去瞭解一下那家公司是做些什麼的。同樣的，每當市場出現瘋狂或恐慌時，參考一下價值線資料和成長力資料，也可以幫助你思緒不受影響，讓你的思考更加清晰。
有關書籍的介紹，請參考：作者、出版社、內容簡介
更多的理財書目，請參考：汪汪書架的書–理財書籍
