Kevin Kelly在新書 《The Inevitable》， 提出十二種必然科技力量，其中Cognifying，中譯為知（智）化。
他口中的知化，就是：讓X加人工智能，X可以是任何東西，只要知化就可「點石成金」。他說最貼身的例子是攝影。七十年代KK係旅行攝影師，每次出遊，總要背負一大堆行李──兩部Nikon相機、閃光燈、五支每支重一磅的鏡頭。傳統的攝影完全遵從物理定律，決定了「大鏡片」才能在暗光下拍攝到好效果、不透光的機身、鏡片組合對焦……那是從前的攝影。
鏡頭轉過來，今天一部輕巧的數碼相機便能在差不多沒有光線之下照相，從鼻尖一直zoom至無限，這個轉化過程，就是KK所指的攝影加了人工智能，於是便知化。
而在我的個人經驗，相信沒有什麼比音樂被知化來得重要。
成長於七十年代，我生活中的大部分是流行音樂。當年的音源主要係收音機，每天伏在收音機前，聽DJ播他們的心水歌曲，鍾意的，就跟隨。但歌曲的風格、節奏、類型──有時以至歌名，都不容易掌握，有些歌聽了多次，只要播音員沒說，就不了了之，也不知道什麼時候才能再聽到。最近我播了一支歌給我家姐聽，問她仍記得起嗎？她聽後說，歌聽了這麼多遍，到今天才知道這支歌叫《Time Is Tight》！
歌名已如是，若要有系統地整理音樂，學識分搖滾、鄉村、騷靈、節奏與怨曲、爵士……分門別類，就更要下苦功鑽研，讀很多音樂書籍和雜誌，那是未經cognified的學習聽音樂歷程。
YouTube出現，首先瓦解了音樂在收音機背後的神話，大量音樂影片全接觸，自選──以至按大數據和algorithms彈出來「若你喜歡這相信你都會喜歡……」相近口味的影片，都大大加速了「學習過程」，聽音樂於是可以變得主動。
在我手機常用的一個音樂軟件，Shazam，能在十數秒間彈出樂曲與玩樂手的名字，初玩時簡直叫人拍案驚奇，就像當年夢想要做「咩歌都識」的超級歌迷。和其他音樂搜神（Shazam的中文譯名）軟件如Google Sound Search，都是經複雜的取樣和運算（簡稱為audio fingerprint辨認的人工智能化）。這又是音樂給知化的例子。簡單來說，隨住學習過程改變，今天要做一個專業的業餘（Pro-am）樂迷，比從前容易多了。
