商業機構、社會機構以及政府存有大量的信息和數據，而Quill一類的技術平臺開啟了利用這些資源的一扇大門。以大數據為例，以上機構在運行的過程中，在比如搜索引擎、社交網絡、郵件等等渠道上累計了無數的未被探索然后又非常有價值的信息。正是大數據使得“機器學習”成為可能。我們可以簡單的這樣來理解機器學習：機器通過探索大數據來自我訓練，形成某種算法;算法成型了以后，將會主動去尋找新的數據從而不斷的自我進化。“機器學習”將對以知識技能為依托的職業造成威脅：

從短期來看，大數據會將有些職業和任務變得自動化，比如記者和分析師等等;而從長期來看，大數據將會變革現有的公司和政府的管理方式，隨著基于大數據的平臺預測能力全面超越人類的判斷，原來需要人類去從事的收集與分析信息類的崗位將會消失;同時由于各類組織的結構將會更加扁平，從事分析類、乃至中層管理人員的崗位也會消失。

白領工作的自動化會很快到來，并首先沖擊大學畢業生，因為大學畢業生從事的初級工作會是最快被人工智能所替代的。即使是像律師行業這樣專業的領域，由于像E-Discoveryz這樣軟件的存在，年輕的律師也會受到威脅(E-Discovery可以快速地從無數的電子文件中快速檢索到和案件有關的信息)。當然，人類與機器共同合作的階段一定會有，然而這個階段會非常短暫，很快，機器將會學會所有人類的技能，并且做的更好，更省錢。

…如果自動化最終消滅了服務消費者的各類基礎性工作，難以想象現代社會將會如何延續下去…

高等教育將受到沖擊

一直以來高等教育模式不太容易受到高科技的影響。然而創新領域的最新發展表明那些以接受過高等教育為門檻的工作也將受到威脅：

自動評分算法：教授們都堅稱機器不可能完成“讀”的這項活動。然而最新的研究表明，機器算法不僅可以公正、客觀并且有效率地完成給論文評分的這件事情，甚至比人類做的更好。

網絡公開課程MOOC：對于那些愿意主動學習并且自律的學生來說，從網絡公開課程上面完全可以滿足他們學習的目的。在美國的高等教育行業價值千億美元，有近300萬從業者;而MOOC模式可以充分利用少部分的精英教育機構-如斯坦福的網絡課程來顛覆整個行業。當然，現在MOOC存在著完成率低，分數作假難以防范的問題;然而隨著模式逐漸成熟，MOOC的學分與大學學分對接的那一天還是會到來的。

適應性的學習系統：新的教育科技將更加切合每一個學生的個性特點、學習進度以及學習的節奏來提供針對性的教學指導與幫助，而這是傳統的教育方式所無法實現的。

醫療與健康的挑戰

人工智能和大數據的結合將顛覆醫療健康產業。通過匯總所有的藥物知識以及診斷技巧，新的科技可以大幅度的提高診斷的精確性并且提高藥物治療的有效性。很多公司都在致力于這方面的研究。IBM的Watson人工智能系統通過與嫁接MD Adserson癌癥中心的診斷與醫療數據，可以為癌癥病患提供最優的治療方案，這個系統一旦成熟，可以為全世界的醫生和病人所用。除了可以更快地提供更好的治療方案以外，機器人與人工智能還具備以下的特點：

作為對現有醫療體系的可以信賴的代替系統，可以大幅度的減少大眾的醫療成本;

為病人提供精準的診斷與有效的治療方案，可以減少醫生親自對每個病人的探訪;

提供了新的藥物治療方式，由專業醫師來負責與病患進行溝通與檢查，剩下的就交給機器人來負責;

可以為老年人提供獨特的看護方案