圖文：大數(shù)據(jù)剛剛過了炒作的高峰期_數(shù)據(jù)分析師培訓(xùn)

長期從事國家863計劃高技術(shù)研究，1995年當(dāng)選中國工程院院士，2002年當(dāng)選第三世界科學(xué)院院士?，F(xiàn)任國家“973計劃”項目首席科學(xué)家，中科院計算所首席科學(xué)家，曙光公司董事長、中國計算機(jī)學(xué)會名譽(yù)理事長、國家信息化專家咨詢委員會信息技術(shù)與新興產(chǎn)業(yè)專委會副主任、中國科學(xué)院學(xué)位委員會副主席等職。

　　世界已進(jìn)入了大數(shù)據(jù)時代。很多人從西方獲知關(guān)于它的研究現(xiàn)狀、重大意義，以及面臨的挑戰(zhàn)。

　　在中國科學(xué)界，大數(shù)據(jù)的研究和思考也在往縱深推進(jìn)。大數(shù)據(jù)科學(xué)作為橫跨信息科學(xué)、社會科學(xué)、網(wǎng)絡(luò)科學(xué)、系統(tǒng)科學(xué)、心理學(xué)、經(jīng)濟(jì)學(xué)等諸多領(lǐng)域的新興交叉學(xué)科方向，與此相關(guān)的理論和現(xiàn)實問題，得到深入的探討。中國工程院院士李國杰長期以來研究大數(shù)據(jù)，近日，他接受了本報記者的專訪，為我們呈現(xiàn)了一位中國科學(xué)家眼里的大數(shù)據(jù)思考。

　　對可能的負(fù)面影響不能掉以輕心

　　記者：“大數(shù)據(jù)”現(xiàn)在很熱，也有些人比較悲觀，比如法國著名哲學(xué)家斯蒂格勒最近在中國接受采訪時說，如果大數(shù)據(jù)依舊是促使人類快速做決定，依舊是資本大爆炸、技術(shù)大爆炸，那么人類是沒有未來的。你認(rèn)為他是不是多慮了？

　　李國杰：斯蒂格勒認(rèn)為，機(jī)器的處理是非理性化的，而沒有人的理性控制，完全依賴機(jī)器是非常危險的。要將大數(shù)據(jù)推動的無序的資本運(yùn)作變?yōu)橛行颍o人類留出做理性決策的時間，看清楚人類與技術(shù)共存的更好的方向在哪里。

　　一般來說，技術(shù)本身是中性的，關(guān)鍵看人類如何使用。技術(shù)的發(fā)展，尤其是信息技術(shù)的發(fā)展，早期往往有一個指數(shù)性增長的階段。但任何增長都有極限，經(jīng)過一段高速發(fā)展之后，一定會遇到增長的零界點（或叫“斷點”）。所謂“科學(xué)發(fā)展觀”就是要有理智，未雨綢繆，防止技術(shù)的負(fù)面作用無節(jié)制的擴(kuò)大，導(dǎo)致出現(xiàn)災(zāi)難性的崩潰。

　　大數(shù)據(jù)剛剛過了炒作的高峰期，Gartner公司預(yù)測大數(shù)據(jù)技術(shù)還要5-10年后才會成為較普遍采用的主流技術(shù)（云計算和企業(yè)3D打印2-5年后就能成為主流）。從現(xiàn)在起，我們就應(yīng)該關(guān)注如何使大數(shù)據(jù)技術(shù)和產(chǎn)業(yè)走上科學(xué)發(fā)展的軌道，對大數(shù)據(jù)可能帶來的負(fù)面影響，比如對個人隱私的侵犯等，絕不能掉以輕心。

　　歷史上許多新技術(shù)出現(xiàn)時，都曾有人擔(dān)心可能危害人類的生存。交流電發(fā)明時，許多人反對將交流電接入到住宅內(nèi)，但現(xiàn)在交流電無處不在。人類已經(jīng)吃過無節(jié)制地濫用技術(shù)的苦頭，將來應(yīng)該會更理智地使用新技術(shù)。

　　大數(shù)據(jù)更難對付的是“泛數(shù)據(jù)”

　　記者：數(shù)據(jù)分析的歷史遠(yuǎn)比大數(shù)據(jù)長。上世紀(jì)90年代興起的數(shù)據(jù)挖掘技術(shù)的宗旨就是發(fā)現(xiàn)數(shù)據(jù)中有用的模式，提供有用的決策信息。在你看來，大數(shù)據(jù)的“大”是什么意思？數(shù)據(jù)挖掘是怎么演變?yōu)榇髷?shù)據(jù)的呢？

　　李國杰：上世紀(jì)70年代企業(yè)已開始采用數(shù)據(jù)庫，后來在數(shù)據(jù)庫的基礎(chǔ)上發(fā)展了決策支持系統(tǒng)，80年代演變?yōu)?a href='/map/shangyezhineng/' style='color:#000;font-size:inherit;'>商業(yè)智能和數(shù)據(jù)倉庫，主要用于處理結(jié)構(gòu)化的交易數(shù)據(jù)。上世紀(jì)90年代以來，由于萬維網(wǎng)的流行，出現(xiàn)大量半結(jié)構(gòu)化的數(shù)據(jù)（Web數(shù)據(jù)）。移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的興起使得非結(jié)構(gòu)化的數(shù)據(jù)（照片和視頻數(shù)據(jù)）成為網(wǎng)絡(luò)數(shù)據(jù)的主流。近幾年科學(xué)實驗和工業(yè)數(shù)據(jù)也在指數(shù)性增長，其規(guī)模不亞于網(wǎng)上數(shù)據(jù)。數(shù)據(jù)量急劇增加、數(shù)據(jù)格式的多樣化呼喚新的數(shù)據(jù)分析處理技術(shù)，大數(shù)據(jù)技術(shù)順運(yùn)而生。

　　其實，所謂“大數(shù)據(jù)”的特征并不僅僅是數(shù)據(jù)量大，更難對付是“雜數(shù)據(jù)”（半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)）和“快數(shù)據(jù)”（要求實時相應(yīng)的數(shù)據(jù)和流式數(shù)據(jù)，如股市交易和遠(yuǎn)程視屏點播等），更合適的名稱也許是“泛數(shù)據(jù)”。

　　從基于數(shù)據(jù)發(fā)現(xiàn)情報、知識、價值和支持決策的角度，“大數(shù)據(jù)”與“小數(shù)據(jù)”并沒有本質(zhì)性的區(qū)別，數(shù)據(jù)分析技術(shù)上也沒有集成電路和光纖通信級別的劃時代發(fā)明。也許過幾年人們就不再使用“大數(shù)據(jù)”這個熱詞，但數(shù)據(jù)的采集和分析將成為人類認(rèn)識世界、改造世界越來越重要的科學(xué)技術(shù)。

　　重視數(shù)據(jù)，就是強(qiáng)調(diào)用事實說話

　　記者：在去年中國人民大學(xué)召開的以“開放政府?dāng)?shù)據(jù)”為題的研討會上，你曾經(jīng)說，在大數(shù)據(jù)時代，數(shù)據(jù)不僅僅是工具，也是戰(zhàn)略，也是世界觀，也是文化，為什么這樣講？能否具體解釋一下？

　　李國杰：數(shù)據(jù)是與物質(zhì)、能源一樣重要的戰(zhàn)略資源，數(shù)據(jù)的采集和分析涉及每一個行業(yè)，是帶有全局性和戰(zhàn)略性的技術(shù)。戰(zhàn)爭可能從過去的靠子彈和導(dǎo)彈發(fā)展到靠數(shù)據(jù)決勝的時代。從硬技術(shù)到軟技術(shù)的轉(zhuǎn)變是當(dāng)今全球性的技術(shù)發(fā)展趨勢，而從數(shù)據(jù)中發(fā)現(xiàn)價值的技術(shù)正是最有活力的軟技術(shù)，在數(shù)據(jù)技術(shù)與產(chǎn)業(yè)上的落后將使我們像錯過工業(yè)革命機(jī)會一樣延誤一個時代。

　　大數(shù)據(jù)通過“量化一切”而實現(xiàn)世界的數(shù)據(jù)化，將會改變?nèi)祟愓J(rèn)知和理解世界的方式，帶來全新的大數(shù)據(jù)世界觀?，F(xiàn)在，數(shù)據(jù)已成了科學(xué)認(rèn)識的基礎(chǔ)，數(shù)據(jù)挖掘技術(shù)將傳統(tǒng)的經(jīng)驗歸納法發(fā)展為“大數(shù)據(jù)歸納法”，為科學(xué)發(fā)現(xiàn)提供了新的認(rèn)知途徑。

　　數(shù)據(jù)文化是一種先進(jìn)文化，其本質(zhì)就是尊重客觀世界的實事求是精神，數(shù)據(jù)就是事實。重視數(shù)據(jù)，就是強(qiáng)調(diào)用事實說話、按理性思維的科學(xué)精神。中國人的傳統(tǒng)習(xí)慣是定性思維而不是定量思維。在開展智慧城市業(yè)務(wù)的過程中也發(fā)現(xiàn)，大多數(shù)老百姓目前對政府開放公共數(shù)據(jù)并不太關(guān)心。要讓大數(shù)據(jù)走上健康發(fā)展軌道，首先要大力弘揚(yáng)數(shù)據(jù)文化。

　　大數(shù)據(jù)促進(jìn)國家治理體系的現(xiàn)代化

　　記者：目前推動大數(shù)據(jù)應(yīng)用的動力主要是企業(yè)，政府對大數(shù)據(jù)似乎相對被動，給人的感覺好像就是官博、官微等互聯(lián)網(wǎng)應(yīng)用，即便投資大數(shù)據(jù)，主要目的好像還是增加GDP，大數(shù)據(jù)對政府意味著什么？政府到底要做什么？

　　李國杰：除了促進(jìn)經(jīng)濟(jì)發(fā)展，大數(shù)據(jù)的另一方面效益是促進(jìn)國家治理體系的現(xiàn)代化，提高現(xiàn)代化治理能力，國家治理能力的現(xiàn)代化不能光用GDP來反映。經(jīng)濟(jì)系統(tǒng)類似于人體的血液系統(tǒng)，國家治理體系類似于神經(jīng)系統(tǒng)，我們不必用左手來證明右手的重要性。

　　在發(fā)展大數(shù)據(jù)技術(shù)和產(chǎn)業(yè)的過程中，政府可做的事情很多，主要包括：通過立法和監(jiān)督培育大數(shù)據(jù)產(chǎn)業(yè)鏈和公平的企業(yè)競爭環(huán)境；加大與大數(shù)據(jù)有關(guān)的科技投入，著力突破大數(shù)據(jù)關(guān)鍵技術(shù)；打破部門壁壘，促進(jìn)數(shù)據(jù)融合和集成；推進(jìn)政府公共數(shù)據(jù)的開放共享，建設(shè)大數(shù)據(jù)開放平臺；建立國家層面的數(shù)據(jù)標(biāo)準(zhǔn)體系，為數(shù)據(jù)管理提供操作指南；通過立法盡快建立個人隱私保護(hù)制度，為公眾創(chuàng)造一個良好的大數(shù)據(jù)安全環(huán)境；加快大數(shù)據(jù)公共基礎(chǔ)設(shè)施建設(shè)；加大大數(shù)據(jù)人才培養(yǎng)的力度等等。

　　多做一些“頗為樸實”的事情

　　記者：人們常說大數(shù)據(jù)是沙里淘金、大海撈針，但往往不知道沙里有沒有金，海里有沒有針，浪費了很多精力，你認(rèn)為大數(shù)據(jù)的大價值究竟體現(xiàn)在哪里？

　　李國杰：人們總是期望從大數(shù)據(jù)中挖掘出意想不到的“大價值”。實際上大數(shù)據(jù)更大的價值是帶動有關(guān)的科研和產(chǎn)業(yè)，提高各行各業(yè)通過數(shù)據(jù)分析解決困難問題和增值的能力。大數(shù)據(jù)的價值主要體現(xiàn)在它的驅(qū)動效應(yīng)。大數(shù)據(jù)對經(jīng)濟(jì)的貢獻(xiàn)并不完全反映在大數(shù)據(jù)公司的直接收入上，應(yīng)考慮對其他行業(yè)效率和質(zhì)量提高的貢獻(xiàn)。大數(shù)據(jù)是典型的通用技術(shù)，理解通用技術(shù)要采用“蜜蜂模型”：蜜蜂的效益主要不是自己釀的蜂蜜，而是傳粉對農(nóng)業(yè)的貢獻(xiàn)。

　　電子計算機(jī)的創(chuàng)始人之一馮·諾依曼曾指出：“在每一門科學(xué)中，當(dāng)通過研究那些與終極目標(biāo)相比頗為樸實的問題，發(fā)展出一些可以不斷加以推廣的方法時，這門學(xué)科就得到了巨大的進(jìn)展?！蔽覀儾槐靥焯炱谂纹孥E出現(xiàn)，所謂“啤酒加尿布”的數(shù)據(jù)挖掘經(jīng)典案例其實也是Teradata公司一個經(jīng)理編出來的“故事”。多做一些“頗為樸實”的事情，實際的進(jìn)步就在扎扎實實的努力之中。

　　不要攀比大數(shù)據(jù)系統(tǒng)的規(guī)模，要比實際應(yīng)用效果

　　記者：中國在大數(shù)據(jù)方面和其他一些國家的差距究竟有多大？主要體現(xiàn)在哪些方面？我國在發(fā)展大數(shù)據(jù)中要注意哪些問題？

　　李國杰：中國的大數(shù)據(jù)企業(yè)已經(jīng)有相當(dāng)好的基礎(chǔ)。全球十大互聯(lián)網(wǎng)服務(wù)企業(yè)中國占有4席（阿里巴巴、騰訊、百度和京東），其他6個TOP10　互聯(lián)網(wǎng)服務(wù)企業(yè)全部是美國企業(yè)，歐洲和日本沒有互聯(lián)網(wǎng)企業(yè)進(jìn)入TOP10。這說明中國企業(yè)在基于大數(shù)據(jù)的互聯(lián)網(wǎng)服務(wù)業(yè)務(wù)上已處于世界前列。在發(fā)展大數(shù)據(jù)技術(shù)上，我國有可能改變過去30年技術(shù)受制于人的局面，在大數(shù)據(jù)應(yīng)用上中國有可能在全世界起到引領(lǐng)作用。

　　但是，企業(yè)的規(guī)模走在世界前列并不表示我國在大數(shù)據(jù)技術(shù)上領(lǐng)先。實際上，國際上目前流行的大數(shù)據(jù)主流技術(shù)沒有一項是我國開創(chuàng)的。開源社區(qū)和眾包是發(fā)展大數(shù)據(jù)技術(shù)和產(chǎn)業(yè)的重要途徑，但我們對開源社區(qū)的貢獻(xiàn)很小，在全球近萬名社區(qū)核心志愿者中，我國可能不到200名。我們要吸取過去基礎(chǔ)研究為企業(yè)提供核心技術(shù)不夠的教訓(xùn)，加強(qiáng)大數(shù)據(jù)基礎(chǔ)研究和前瞻技術(shù)研究，努力攻克大數(shù)據(jù)核心和關(guān)鍵技術(shù)。另外，在數(shù)據(jù)的開放共享方面，我國也落后于許多國家（包括一些發(fā)展中國家），在保護(hù)個人隱私等立法上，我國還沒有引起重視。

　　我們習(xí)慣于跟隨國外的熱潮，往往不自覺地跟著技術(shù)潮流走，最容易走上“技術(shù)驅(qū)動”的道路。實際上發(fā)展信息技術(shù)的目的是為人服務(wù)，檢驗一切技術(shù)的唯一標(biāo)準(zhǔn)是應(yīng)用。錢學(xué)森先生曾倡導(dǎo)“大成智慧學(xué)”，提出“必集大成，才能得智慧”。大數(shù)據(jù)的力量就是來自“大成智慧”。一定要高度重視不同來源和不同格式數(shù)據(jù)的集成融合，強(qiáng)調(diào)不同部門、不同學(xué)科的協(xié)作。IEEE計算機(jī)學(xué)會最近發(fā)布了2014年的計算機(jī)技術(shù)發(fā)展趨勢預(yù)測報告，重點強(qiáng)調(diào)“無縫智慧（seamless　intelli-gence）。發(fā)展大數(shù)據(jù)的目標(biāo)是要獲得協(xié)同融合的“無縫智慧”。

　　數(shù)據(jù)挖掘的價值是用成本換來的，不能不計成本，盲目建設(shè)大數(shù)據(jù)系統(tǒng)。目前全國各地都在建設(shè)大數(shù)據(jù)中心，呂梁山下都建立了容量達(dá)2PB以上的數(shù)據(jù)處理中心。許多城市公安部門要求存儲3個月以上的高清監(jiān)控錄像。這些系統(tǒng)的成本都非常高。我們不要攀比大數(shù)據(jù)系統(tǒng)的規(guī)模，而是要比實際應(yīng)用效果，比完成同樣的事消耗更少的資源和能量。先抓老百姓最需要的大數(shù)據(jù)應(yīng)用，因地制宜發(fā)展大數(shù)據(jù)。