這本書於2016年9月發行，距今已經過了6.5年。
人類的腦力的演化造就了科學，在各科學中又發展出各科學說門派，一直到電腦被開發出來，電腦代替人腦的電腦科學出現了，人工智慧普及在我們的日常生活，讓我們省下大量的時間做更多的事。緊接著擁有大數據的大電腦經過大演算，已經可以更精準地擬真這個人類生活的地球，甚至可以幫助人類不會只有聊天、幫忙寫作業、還可以幫助企業省下行政人力、幫助國家發展更先進的軍備、就連探索宇宙未知應該也不成問題吧。是說，探索未知這件事本來就是人類一直在做的事，只不過有了彷彿打了類固醇成長激素的機器學習的科學方法加持，從未知到已知鐵定更神速。
社會不斷地改變，每一段時間會有一個機器學習演算法的出現。「機器學習」( machine learning )正在重塑科學、技術、商業、政治和戰爭的模式。( 頁33 ) 那麼，甚麼是「機器學習」( machine learning ) ? 傳統上，要讓電腦執行特定的事情的唯一辦法，無論從簡單的兩個數字相加，到繁複的自動駕駛飛機，都是編寫演算法，透過演算法詳盡解釋如何執行每個步驟。機器學習演算法也稱為「學習器」( learners )，可以自己找出執行的方法，藉由從數據資料中進行推論，它們擁有的數據資料越多，運算而得的推論就越精準。( 頁29 )作者說這本書的首要目標是要讓我們置身於機器學習的秘密中。作者還引用了美國認知科學，人因工程等設計領域的著名學者，同時也是心理學家唐˙諾曼 ( Don Norman )創造的「概念模型」( conceptul model ) 這個術語，來說明這本書可以是真正用來為我們解析機器學習的概念模型。換句話說，為了有效使用學習器，我們需要具備機器學習的基本知識，而這本書正是機器學習這個領域演變的脈絡之基本知識。
想像一下，原本的電腦程式是由人類的程式編寫工程師寫出來的，而現在則是由電腦自己去編寫自己的程式。電腦科學歷來都是關於確定性 ( deterministically )的思維，但機器學習則是需要統計的思維。( 頁57 )本書的核心假設 : 透過單一、通用的機器學習演算法，可以從數據資料中推論過去、現在和未來的所有知識。 ( 頁82~83 ) 作者將這種學習器稱為大演算，並從神經科學的論證、從演化方面獲得的論證、從物理方面的論證、從統計學方面獲得的論證以及從電腦科學方面獲得的論證中，指出線索證據來證明大演算的確存在。
至於，大演算是狐狸還是刺蝟 ? 作者舉了20世紀的頂尖自由主義思想家以賽亞˙柏林 ( Isaiah Berlin ) 爵士曾經以「刺蝟」與「狐狸」來代指一些思想家。那些只知道一種方法但非常精通的人是「刺蝟」，而「狐狸」則代表那些知道很多方法但沒有哪一種方法非常精通的人。作者認為，機器學習領域中最好的科學家都是「刺蝟」，他們專注於一種方法並將其發揮到極致。而「大演算」則代表著能夠統合所有機器學習演算法的終極演算法，因此可以說「大演算」既是「刺蝟」也是「狐狸」。
不過作者有特別強調，電腦可以進行學習，但並不意謂電腦學習可以神奇地獲得電腦自己的自由意識。另外，機器學習領域中也存有許多競爭的思想學派，這些主要的學派包括符號理論學派、類神經網路學派、演化論學派、貝氏定理學派和類比推理學派等5大學派。本書將以上學派的演算功能綜合起來，提出一個單一的演算法來探索追求作者所推演的「大演算」。( 如下圖 )
學習大演算概念應該要知道的事，譬如 : 人類的歸納問題 ? ( 第3章 )、人類的大腦是如何學習的 ? ( 第4章 ) 、演化 : 自然學習演算法 ( 第5章 ) 、運行世界的定理 ( 第6章 )，以上牽涉範圍甚廣，作者最精簡的架構，白話的語言解釋這些古老的人類科學和較為古老的電腦科學。
機器學習就像嬰兒出生後到3歲前的學習。新生兒不會說話、走路、辨識物體，即使寶寶沒有看到物體，它也能理解這個物體是繼續存在的。但月復一月，孩子逐步成長，透過嘗試錯誤不斷地摸索，以及多元概念的飛躍增長，它們會弄清楚世界如何運作，人們行為如何表現，以及人與人之間該如何溝通。在一個孩子3碎石，這一切的學習已經凝聚成一個穩定的自我，所產生的意識流則會持續影響孩子的一生。( 頁344 )
像這樣的類神經網路會偷走我們的工作嗎 ? 你的工作到底運用了你多少的大腦呢 ? 如果你的工作比較需要使用到較多的腦力，你就越安全，這是人工智慧的初期，人們普遍的認知。但是許多事情原來並不完全如此，機器人會組裝汽車，但它們並沒有取代建築工人。而今，機器學習演算法卻已經取代信貸分析師、直銷人員，事實也證明，對機器來說，評估信貸申請比在建築工地行走不被絆倒要來的容易許多，但對人類來說，這種情況剛好相反。( 頁452 )
不要失去工作最好的辦法是要將工作自動化，如此一來，才會有時間從事目前無法做到的各部份工作，而這些工作也是電腦在短時間內不可能去做的事情。( 頁453 )
AI 將會輕易取代取代專業白領，未來會計系、法律系、統計系、文學外語系、建築土木、電機電子可能比不上護理系、餐飲系、美髮美容科系。未來需要的將是有能力設計創新流程並能夠與AI協作的人才以及能夠展現溫度的人。
