大數據急需攻克的五大世界性難題

世界人民的健康記錄：醫(yī)學領域最急需的資源，人腦圖譜：了解身體的各個部分如何運作，統(tǒng)籌世界范圍內的鈾原料供應：追蹤武器化活動與能源供給等這些人們最關注的世界性難題，IBM、谷歌等巨頭級企業(yè)已經開始對這類高難度挑戰(zhàn)發(fā)起沖擊，這很令人期待。

盡管計算性能、存儲容量以及分析技術一直在不斷進步，某些現實挑戰(zhàn)對于大數據而言仍然過于龐大以至于無法應對。在今天的文章中，我們將探討五個此類難題 ——看看如何才能將其解決。

如果大數據能夠在傳統(tǒng)領域之外進一步解決世界性難題，結果會怎么樣？到目前為止，IBM、谷歌以及惠普等巨頭級企業(yè)已經開始對這類高難度挑戰(zhàn)發(fā)起沖擊，其中包括分析繁忙的高速公路上到底會有多少車輛通過某條橋梁，或者計算會有多少用戶查看網絡瀏覽器中的一條小廣告。谷歌公司甚至公布了一項雄心勃勃的計劃，稱將解決人類衰老這一歷史性難題。

但仍有幾大世界性難題等待著我們攻克。在某些情況下，分析所需要的數據根本無跡可尋。在其它情況下，足以應對如此龐大數據量的計算機還沒有被發(fā)明出來。目前有五大課題值得我們關注。會有大數據技術企業(yè)站出來排憂解難嗎？我們等待時間帶來答案。

世界人民的健康記錄：醫(yī)學領域最急需的資源

大多數人都擁有一份電子健康記錄（簡稱HER），不過其中的內容頗為有限——甚至只包含最近一次健康檢查的基本結果。目前足以支撐全世界健康記錄資料庫的工具與技術已經到位。這樣的全球性數據庫一旦出現，制藥企業(yè)就能對其進行分析以開發(fā)人民群眾最急需的疫苗及藥物——也就是說，根據供應鏈的實際需要進行優(yōu)先選擇。

既然前景一片光明，為什么我們還沒有感受到由此帶來的益處呢？這是由于目前還缺乏一套訪問全球數據的可行機制?！敖】涤涗洷槐４嬖谝淮蠖驯舜烁綦x的系統(tǒng)當中，而資料持有者沒有足夠的動力來分享這些信息，”分布式數據庫供應商Cloudant公司聯(lián)合創(chuàng)始人兼首席科學家 MikeMiller表示。“即使我們真的把所有數據都歸攏在一起，也仍然需要通過機器學習算法及實時分析對其進行全面優(yōu)化。這也正是我們目前正在努力鉆研的課題?！?/span>

人腦圖譜：了解身體的各個部分如何運作

人類大腦模型能夠為科學研究帶來巨大幫助。醫(yī)生可以查看腫瘤的生長情況或者了解大腦如何通過一系列功能控制身體的其它器官。目前已經有包括歐洲人類大腦項目在內的多個科學項目嘗試在未來十年之內創(chuàng)建出大腦模擬系統(tǒng)。

障礙何在？要完成這項工作，我們需要一臺運算速度千倍于當前水平的超級計算機。大腦當中存在數以百萬計的神經遞質，而且它們彼此之間互相連通、共同數據我們所接觸到的“數據”。

“這樣的計算規(guī)模要求我們從傳統(tǒng)的硅芯片領域脫離出來，邁向生物芯片時代——這是分子計算的前提條件，”曾任克林頓政府前副助理國務卿（負責運輸體系技術政策）、現任霍華德大學教授的OliverG.McGee解釋道?！皬闹庇^角度看，分子計算在數據管理方面的運算速度比傳統(tǒng)硅芯片高750倍，只有這樣的機制才能處理顱腹腦體系當中的關系認知奧秘?！?/span>

統(tǒng)籌世界范圍內的鈾原料供應：追蹤武器化活動與能源供給

毫無疑問，在全球范圍內收集任何數據都將是一項極為艱巨的任務，但追蹤全球鈾原料供應至少擁有其積極意義——當然，前提是所有信息碎片都能嚴絲合縫地被拼接在一起。

數據收集企業(yè)Connotate公司CEOKeithCooper指出，我們目前只能解決其中一部分難題，因為某些國家并沒有公開其鈾原料供應記錄。“目前，很多鈾儲量豐富的國家雖然已經擁有便捷的互聯(lián)網體系，但卻仍然拒絕以標準化方式公布其資源流向。”幸運的是，計算宏觀形勢倒不太困難——畢竟將鈾原料投入武器化領域的國家數量有限。

我們真正需要追蹤并掌握的是全球可用鈾原料當中最為寶貴的、僅占15%的濃縮鈾，他解釋道?！拔覀冃枰R別并追蹤所有與濃縮鈾相關的銷售活動（通過黑市或者合法渠道）以及礦藏分布，并通過論壇、博客、監(jiān)管機構及其它周邊體系進行數據統(tǒng)計，包括各政府及非政府組織對于鈾原料生產數據及開采活動的報道等。為了處理收集到的這些結果，我們還需要設計出一套智能化人機交流方案。”

全球實時犯罪數據：更加主動的警務處理能力

很多地方性執(zhí)法機構已經掌握著非常豐富的犯罪數據，警務人員則可以在自己的警車內輕松訪問犯罪記錄數據庫，從而根據犯罪嫌疑人的具體情況做出反應。

障礙何在？這些數據只包含過往的罪行，Cloudant公司的Miller表示，其中無法體現剛剛發(fā)生或者正在進行中的犯罪活動。由于無法在犯罪活動進行的過程中進行阻止，警方只能被迫采取更為被動的應對措施。

不過情況已經有所轉變，Miller指出。舉例來說，加利福尼亞州奧克蘭市警方已經配備聲學監(jiān)控器用于識別槍聲。技術人士將其稱為 “ShotSpotter”，配合大數據分析機制即可用于追蹤潛在的犯罪發(fā)生地點，警員則根據分析結論立即前往對應位置。實時犯罪數據所帶來的易處并不局限于執(zhí)法領域：TruliaLocal熱點地圖能夠提供犯罪活動報告，從而幫助住房買家選擇更友善、更安全的生活環(huán)境。

追蹤兒童行蹤：更好、更及時的AmberAlert

時至今日，我們已經擁有很多種通報失蹤兒童的方式，例如美國所采用的AmberAlert系統(tǒng)。不過這些通告機制的最大問題在于，只能在事后發(fā)起提醒。追蹤兒童位置所必要的技術已經存在，當下大部分智能手機都能通過谷歌位置報告功能將兒童的當前所在地發(fā)送給父母。與此同時，大眾汽車的Car-Net以及福特汽車的MyKey應用也能在青少年駕車到達特殊地理位置時發(fā)送報告。

障礙何在？分析。數字營銷企業(yè)RoundarchIsobar公司副總裁JaisonManian指出，預測技術能夠助我們一臂之力。大數據廠商能夠分析兒童的行為模式，當然前提是家長愿意分享相關數據。

“預測分析能夠追蹤兒童的日常行動模式，并在出現嚴重偏差時立即向父母發(fā)出警示，”他表示。只要滿足警示條件，信息會被實時發(fā)出 ——這能有效阻止重大事故的發(fā)生。