探究大数据视野下复杂性科学研究的新方法.docVIP

探究大数据视野下复杂性科学研究的新方法 【 】复杂性科学与大数据技术诞生于本世纪之交的科技革命，复 杂性科学和大数据技术相继出现。大数据技术被一些学者认为是复杂 性科学的技术实现，复杂性科学是大数据技术的理论表述。大数据应 用于复杂性科学研究已成热议，然而大数据技术是否符合复杂性科学 理论的全部特质还需要细致的考量。这里从理论和技术两方面入手， 以前者为主。理论上，通过比对二者的特征差异进行考景。技术上， 分析具体实践应用难题。 和著作权归原 所有， 【关键词】大数据复杂性科学线性与非线性可逆性与不可逆性路 径依赖 一、复杂性科学概述 早期自然哲学伊始，人类就不曾停下探寻世界本原的脚步，尽管 各家对世界本原的构成之物众说纷纭，但无一例外都赞同有所谓的世 界本原的存在。按照寻求本原的方法论传统，哲学家们得出了比较贴 近近代物理学的说法。认为物质可以无限制的拆分成更小的构成部分， 直到最小的世界本原。这种哲学思想就演变为后来的还原论的科学方 法。 复杂性科学是系统科学理论的分支学科，系统科学理论源生于贝 塔朗菲的“一般系统论”。正如哲学家西蒙（H Simon）阐明的那样, “一般系统论”在经过一个良好的开端后，因缺乏来自具体科学成果 的供给也开始走向死亡。正因如此，哲学家和系统学家开始为系统科 学理论寻求新的出路，于是作为一种新的发展方向的复杂性科学诞生。 “复杂性的概念，它指的是复杂系统内部关系和外部关系的某种基本 性质，并着重从信息、描述和计算的角度来研究这些性质。例如系统 元素及其关系的多样性，这些联系或关系的缠结性、非线性、多层级 性和非对称性，以及这些关系处于有序与混沌之间的边缘性都指的是 复杂性。” 若采取比较容易的理解方法，可以从与之相对的牛顿的机械还原 论入手，牛顿认为物质是由微小粒子通过机械线性叠加而成，世间万 物均可以如此分成更细微的事物，直到构成世界的最小微粒。牛顿的 理论学说建立在决定论的简单性原则上，经典力学认为线性叠加态是 万物固有模态。然而随着现代科学的演化，这种线性思维越来越多的 暴露问题。简单系统在现有宇宙系统中只占少部分，物质更多的是处 于复杂系统当中。简单系统的线性思维在面对有机生命现象和主体自 我意志系统之时往往无能为力，因为传统的机械力学将构成事物的各 部分视为孤立静止的要素 传统还原论认为事物具有线性叠加性，因而可以通过仔细探宄这 些细小的部分，来达到了解整体的目的。这种窥斑见豹的思维方式对 近代科学探索大有裨益，但在随后的深入研宄中遭遇瓶颈。由此萌生 了复杂系统的思维路径，转向与牛顿机械还原论相对的学科走向。 为了避免传统还原论科学的局限性，复杂性科学依照整体论和非 还原论的方法论。复杂系统具有中等数目并基于局部信息做出的行动 智能型、自适应性主体系统。简单系统各部分具有均衡性，而复杂系 统中的个体具有智能性，且其中一部分的变化并不能引起整体比例性 的变化。能够精确预测月食时间，但却无法精确预测天气现象的事例 充分表明了这一点。相比前者，后者的系统内部不是线性叠加的，而 是局部自适应和不均衡的，因而机械还原论的方法不再具有适用性。 二、大数据吋代的思维方式 大数据时代的到来，引发各个领域不同程度的变革。大数据带给 现今人类社会算法的革新以及认知的变革。这表现为三个方面：第一， 由随机抽样采集到研究全体数据的变革。第二，由力求高精准到找寻 大致范围的变革。第三，由热衷因果关系到追求相关关系。 （一）随机抽样采集到研究全体数据 大数据处理技术来源于信息爆炸产生的计算超负荷的技术难题， 后受商业利益驱动，而逐渐发展为一种互联网商业模式。 算法问题的解决使得无法得到理论证明得到了充分的数据支持。 大数据思维，开始将问题纳入量化维度。理念的变革带来数据运用方 式的变革，原存少量抽样数据的信息获取方式被遍取式的数据测量模 式所取代。这不仅能够宽泛全面的获取信息，还可以帮助提升信息的 精准度，使得事物细节充分显现。 （二） 高精准到找寻大致范 数据总量的提升固然能将想要把握的事情进行更加细致的描摹， 但数据的海量性势必造成数据的参差性。这种摻杂进来的细微瑕疵难 以导致最终结果的大范围变动，因而适当放宽结果的精准度不会在根 本上颠覆研究的结果。这种方法与建立在小数据基础上的精确技术不 同，海量的数据样本的采集使得小的让步与牺牲成为可能。 （三） 因果关系到相关关系 从找寻因果关系转向探索相关关系是人类思想变革的一个重要飞 跃，因果关系模型历来是哲学学者争论的焦点，黑天鹅理论使得因果 关系确证性受到极大冲击，进而使科学的真理性问题备受争议议。大 数据时代的来临，为各领域的发展提供了新的思考方式，一场由热衷 因果关系到追求相关关系的认识变革悄然发生。从追问“为什么”到 追问“是什么”，