李德毅：大數(shù)據(jù)突破點在于聚類

2015年4月9日，第三屆中國電子信息博覽會在深圳召開。工業(yè)和信息化部電子信息司司長刁石京主持開展了新一代信息技術(shù)產(chǎn)業(yè)發(fā)展高峰論壇。中國工程院院士李德毅發(fā)表了主題為“大數(shù)據(jù)認(rèn)知”的演講，對大數(shù)據(jù)的發(fā)展前景做出了展望。

人類社會文明已經(jīng)進入到了數(shù)據(jù)密集型的新時代，大數(shù)據(jù)已經(jīng)成為重要的資產(chǎn)。在李德毅看來，大數(shù)據(jù)本身既不是科學(xué)，也不是技術(shù)，它反映的是網(wǎng)絡(luò)時代的一種客觀存在。而數(shù)據(jù)數(shù)量巨大，價值密度低，實時在線，多源異構(gòu)，給人們的認(rèn)知造成了很大的困擾。

李德毅認(rèn)為， 人類的認(rèn)知科學(xué)要想有所突破，首先就要在大數(shù)據(jù)聚類上去的突破，聚類是挖掘大數(shù)據(jù)資產(chǎn)價值的第一步。這種聚類是跨學(xué)科、跨領(lǐng)域、跨媒體的，并且已經(jīng)成為許多行業(yè)的核心競爭力。人腦的認(rèn)知能力不能夠全部、完整、統(tǒng)一地形式化，但特定的情境下的認(rèn)知能力是否可以先局部地形式化。

智能機器人是物聯(lián)網(wǎng)不可或缺的端設(shè)備，一直以來都是人類關(guān)注的重點。李德毅認(rèn)為，機器人既使用大數(shù)據(jù)也產(chǎn)生大數(shù)據(jù)，既是大數(shù)據(jù)的產(chǎn)物，也是大數(shù)據(jù)的推動者，機器人是大數(shù)據(jù)的認(rèn)知的典型代表。人腦的認(rèn)知能力不能夠全部、完整、統(tǒng)一地形式化，但特定的情境下的認(rèn)知能力是否可以先局部地形式化，而機器人就是人類的思維移植。

以下為李德毅演講全文：

尊敬的懷部長，各位來賓，女士們，先生們，我匯報的主題是大數(shù)據(jù)認(rèn)知，云計算、大數(shù)據(jù)、認(rèn)知，大家知道認(rèn)知是現(xiàn)在全球都感興趣的話題。所謂認(rèn)知，就是怎么樣獲取知識和技能的能力，所以我的第一個小標(biāo)題是講一下認(rèn)知。

大數(shù)據(jù)標(biāo)志著一個新時代的到來，這個時代的特征不只是追求豐富的物質(zhì)資源，也不只是無所不在的互聯(lián)網(wǎng)帶來的方便的多樣化信息服務(wù)，同時還包含區(qū)別于物質(zhì)的數(shù)據(jù)資源的價值發(fā)現(xiàn)和價值轉(zhuǎn)換，以及由大數(shù)據(jù)帶來的精神和文化方面的嶄新現(xiàn)象。

大數(shù)據(jù)來源于人類的測量、記錄和分析世界的渴望和無盡的追求。隨著信息技術(shù)，尤其是傳感器、通信、計算機和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和廣泛應(yīng)用，人類獲取數(shù)據(jù)的手段越來越多，速度大大加快、成本急劇降低，層次和尺度更為精細(xì)，揭示自然現(xiàn)象和社會現(xiàn)象更加深刻，人聯(lián)網(wǎng)和物聯(lián)網(wǎng)又使得人人物物都成為數(shù)據(jù)源，這樣一來，大數(shù)據(jù)成為網(wǎng)絡(luò)時代人類社會的重要資產(chǎn)。

我想說一個觀點，大數(shù)據(jù)本身既不是科學(xué)，也不是技術(shù)，我個人認(rèn)為，它反映的是網(wǎng)絡(luò)時代的一種客觀存在，各行各業(yè)的大數(shù)據(jù)，規(guī)模從TB到PB到EB到ZB，都是以三個數(shù)量級的階梯迅速增長，是用傳統(tǒng)工具難以認(rèn)知的，具有更大挑戰(zhàn)的數(shù)據(jù)。

數(shù)據(jù)量巨大，價值密度低，實時在線，多源異構(gòu)，怎么辦？舉個例子吧！聚類，物以類聚，人以群分，這是人類幾千年來認(rèn)識世界和社會的基本能力，是從大數(shù)據(jù)中發(fā)現(xiàn)價值必須面對的一個普遍性、基礎(chǔ)性問題，是認(rèn)知科學(xué)作為學(xué)科的學(xué)科，要解決的首要問題。無論是政治、經(jīng)濟、文學(xué)、歷史、社會、文化、還是數(shù)理、化工、醫(yī)農(nóng)、交通、地理、各行各業(yè)的大數(shù)據(jù)或宏觀或微觀的任何價值發(fā)現(xiàn)。

2008年XX?？橇艘黄恼拢藗儗π?biāo)題關(guān)注不夠，這個小標(biāo)題講的PB時代的科學(xué)怎么做。大數(shù)據(jù)分析和挖掘的首要任務(wù)是聚類，這種聚類是跨學(xué)科、跨領(lǐng)域、跨媒體的。

聚類的挑戰(zhàn)性很多，有人是并行計算等等，我不細(xì)講了。我想說的是大數(shù)據(jù)聚類表現(xiàn)形態(tài)。

我想用幾個例子來講一講，人類走過了幾千年的實驗科學(xué)、幾百年的理論科學(xué)，保險是一個很傳統(tǒng)的行業(yè)，基于概念評估的生意，保險公司對車險客戶是這樣聚類的：A類連續(xù)兩年沒有出車禍的，B類，最近一年沒有出車禍的，C類過去一年出了一次車禍的，D類過去一年出了兩此及以上車禍的。我從機場到深圳來，你坐飛機從北京到深圳，保險公司給你付了，我一了解，這個保險是20塊錢，這個保險公司買了你三個大數(shù)據(jù)，身份證，還有你的手機號，各位企業(yè)、各位領(lǐng)導(dǎo)，各位老百姓，你們想一想。

物聯(lián)網(wǎng)時代，當(dāng)汽車成為輪式機器人，成為大數(shù)據(jù)發(fā)生器以后，就是一個大數(shù)據(jù)發(fā)生體，每一次駕駛，每一次維修，每一次行駛，甚至每一次剎車，都會記錄在岸，利用大數(shù)據(jù)聚類，保險公司可對一個車況好、駕駛習(xí)慣好、常走線路事故率低，不勤開車的特定客戶，給予更大的優(yōu)惠，而對風(fēng)險太高的客戶報高價甚至拒絕，例如出租車司機跑的比老百姓多得多，總之能夠給出包括保險費支付方式在內(nèi)的個性化解決方案，這就顛覆了保險公司的傳統(tǒng)商業(yè)模式。這就是大數(shù)據(jù)聚類成為保險公司的核心競爭力，我擴張一下，就是大數(shù)據(jù)聚類成為很多行業(yè)的核心競爭力。

非大數(shù)據(jù)時代，做一個人臉的識別，我們可以提取它十個特征，第二類先結(jié)構(gòu)化存起來，你想一想，如果十個特征都一樣的話，兩個人是不是同一個人呢？當(dāng)然，這也是不可能的，但是我們再想一想，人類智能來看，它忽略了什么呢？我認(rèn)為它忽略了太多，這種人臉識別僅僅是幾何結(jié)構(gòu)的聚類，落入集合學(xué)框架，忽略了聚類的不確定性，忽略了聚類的多樣性等等。

再舉個例子，大數(shù)據(jù)寫詩，人們熟讀眾多詩詞，記住了針對各種意境的大量字串。例如說李白一生寫詩1010首，把他所有詩句進行機械切割。李白給毛主席誕辰100周年寫一首詩，就是這樣。

大數(shù)據(jù)對形式化方法的挑戰(zhàn)是非常嚴(yán)峻的，在數(shù)據(jù)密集型的網(wǎng)絡(luò)時代，任何傳統(tǒng)學(xué)科，或者傳統(tǒng)的行業(yè)，它的公理、原理和定理組成的語境，遇到互聯(lián)網(wǎng)+的挑戰(zhàn)之后，這樣一來，傳統(tǒng)的學(xué)科行業(yè)，或者是交叉學(xué)科，成為一個大數(shù)據(jù)、小模型、小定律、交叉學(xué)科的時代，模型和程序要圍繞數(shù)據(jù)轉(zhuǎn)。

創(chuàng)新，表示在創(chuàng)造一個新的語境，新的坐標(biāo)系，在這個坐標(biāo)系下研究大數(shù)據(jù)，在互聯(lián)網(wǎng)情況下，如何創(chuàng)造你新的坐標(biāo)系，新的語境，否則難以有新的發(fā)現(xiàn)。

實踐中的研究，由下而上要深入，數(shù)據(jù)要勝過程序，價值要勝過知識，關(guān)聯(lián)要勝過因果，更多要關(guān)注有意義的小眾，把這些小眾累積起來才成為大眾。

通過大數(shù)據(jù)聚類即時發(fā)現(xiàn)價值，要充分認(rèn)識大數(shù)據(jù)中的不確定性和價值的隱蔽性。

機器人如何認(rèn)知是我講的第二個問題，這七個字，可以有兩種劃分，一種是機器人如何認(rèn)知，你要把這個弄清楚，我覺得實際上是在弄這個，機器人在想，人如何認(rèn)知，智能機器人是集新材料、新工藝、新能源、機械、電子、移動通信、全球定位導(dǎo)航、移動互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、自動化、人工智能、認(rèn)知科學(xué)、乃至人文藝術(shù)等多個學(xué)科、多種技術(shù)于一身的人造精靈，是人聯(lián)網(wǎng)、物聯(lián)網(wǎng)不可或缺的端設(shè)備，是人類社會走向智慧生活的重要伴侶。

機器人既是使用大數(shù)據(jù)也產(chǎn)生大數(shù)據(jù)，既是大數(shù)據(jù)的產(chǎn)物，也是大數(shù)據(jù)的推動者，機器人是大數(shù)據(jù)的認(rèn)知的典型代表，機器人時代真的來了，我們希望我們以后的黃牛退休、鐵牛耕地，這個鐵牛就是機器人，農(nóng)民進城，機器人耕地，醫(yī)療與健康機器人，服務(wù)機器人更是上上下下，當(dāng)然還有太空機器人等。

我先講一下服務(wù)機器人，高考機器人，就是由知識的碎片化，大數(shù)據(jù)來認(rèn)知，就說明我們的教育不能光是填知識，我們現(xiàn)在做一個報告，我們可以用機器人來撰稿，機器人導(dǎo)航，機器人手術(shù)等。

如果語言、文本、歌曲、劇本，都可以用虛擬機器人，訓(xùn)練他的形象、情感、動作、語音、語調(diào)、風(fēng)格，利用大數(shù)據(jù)，發(fā)出新的歌聲。

機器人革命是世界性的、時代性的，機器人換人首先不是換掉理發(fā)師之類的勞動者，而可能是產(chǎn)業(yè)工人、文秘人員、醫(yī)生、服務(wù)員、甚至士兵，他們將升級轉(zhuǎn)型成為機器人的創(chuàng)造者和使用者，成為懂得集成、維修、管理機器人的專業(yè)人才?？缃鐫B透和跨界創(chuàng)新誕生的智能制造也是我國抓住歷史機遇的又一次崛起。

我想做一個可穿戴設(shè)備的案例，如果你能做一個人和人的衣服，動力驅(qū)動，研制一個可穿戴的機械，幫助負(fù)重、助行、轉(zhuǎn)體、條約的話，不僅可以讓機器人站起來走路，還可以讓特種兵成為飛人、超人。

這就是這樣一些機器人，可穿戴的外部增強的機器人，這是我想做的家庭服務(wù)機器人，今天企業(yè)家很多，我在這投一個標(biāo)，我想做這邊這一個機器人，誰能做下面的輪子，從餐廳到臥室，從臥室到書房，希望大家有興趣能夠談一談。

機器人還將進一步刮起穿戴風(fēng)，蘋果做了手表，這個手表里面有一個檢查老年癡呆的，蘋果發(fā)表了5個APP商家，啟動全新醫(yī)療應(yīng)用，我們想一想，如果有一天讓手機或者手表成為醫(yī)療診斷的工具，成為用于慢性管理的醫(yī)患視頻互動平臺，成為醫(yī)療互聯(lián)網(wǎng)個人健康與醫(yī)療的數(shù)據(jù)發(fā)生器，成為遠(yuǎn)程診療的開始，成為某種流行病的社會調(diào)查，成為病友社交網(wǎng)絡(luò)，甚至?xí)嵏矀鹘y(tǒng)看病模式，顛覆傳統(tǒng)醫(yī)學(xué)研究。

生物機器人遐想，我們?nèi)说南胂笾校?/span>生命的多種形象，如果器官移植越來越發(fā)達(dá)，那么移花接木就屢見不鮮。將來，誰是誰搞不清楚了，如果這個人的臉換到另一個人的身上去，怎么界定？從定制治療到定制嬰兒，改造人類胚胎DNA，會不會避免遺傳性疾??？如果將人的思維移植到機器人，那么思想是不是不朽的呢？

我現(xiàn)在想做一個東西，我想做一個機器駕駛腦。在腦科學(xué)取得重大突破前，能不能做得出來？人腦很復(fù)雜，我跟一個美國科學(xué)院士，是個華人，在科技部開的咨詢會上，他告訴我一句話，讓我很吃驚，他回答我的問題，腦里要花一個腦袋功能結(jié)構(gòu)圖，100年都畫不出，他說你看一看生命科學(xué)的書，那叫人腦的組織結(jié)構(gòu)圖，全球已經(jīng)發(fā)現(xiàn)500多種腦部疾病。

科學(xué)界正把腦科學(xué)和認(rèn)知科學(xué)作為當(dāng)前的重大研究領(lǐng)域，我們熱切期待生物腦的出現(xiàn)。

難道認(rèn)知科學(xué)就是研究生物腦的自然屬性嗎？怎樣把社會屬性研究進去呢？我提出來要研究文字、文明和傳承，我們各種高端生物都會有語言、文字的，因為有了文字，才有了文明。要研究腦認(rèn)知的后天屬性，研究腦發(fā)育、可塑性與自然環(huán)境的關(guān)系，認(rèn)知也是后天學(xué)習(xí)和積累的結(jié)果，是與社會環(huán)境、社會實踐、群體交互等密切相關(guān)的，要建立人腦認(rèn)知的成長機制：如何創(chuàng)建神經(jīng)元之間新的連接和新的認(rèn)知。

我們想一下，人的智能，除了記憶之外，在學(xué)習(xí)和思維上，到底有什么能耐？客觀地說，或者概括地說，一個是邏輯思維，一個是形象思維，形象思維最主要的是兩個，一個是類比，一個是聯(lián)想，主要解決的是圖象。

因此我的技術(shù)觀點是如果人腦的認(rèn)知能力不能夠全部、完整、統(tǒng)一地形式化、但特定的情境下的認(rèn)知能力是否可以先局部地形式化，例如算術(shù)運算、簡單游戲、博弈、定點開車等。

就在此時此刻，美國的一個汽車公司，真的從洛杉磯往紐約開，他要開5000多公里。我們有很多攝像頭，還有汽車本身的運動參數(shù)，再一個就是我們的導(dǎo)航地圖，還有雷達(dá)傳感器，我們利用一次規(guī)劃，和駕駛地圖，形成一個初位化。我們認(rèn)為，我們的駕駛腦主要涵蓋了人腦關(guān)于駕駛行為的主要功能，長期記憶、短期記憶，還有瞬間記憶，就是感覺記憶，從感知到認(rèn)知，到行動。我今天在博覽會上找了好幾個廠家，希望跟他們合作，X1芯片，我們能不能做出我們自己的XPA，讓我們的汽車工業(yè)在智能時代到來中不錯失又一次機遇。謝謝大家！

中國腦計劃馬上要啟動了，我個人認(rèn)為是要將三項研究同步進行，因為大數(shù)據(jù)三化來認(rèn)識腦袋，保護腦，模擬腦，謝謝！