98﹪的人无法跨越的认知鸿沟 现象数据信息知识.docxVIP

98﹪的人无法跨越的认知鸿沟 现象数据信息知识 98﹪的人无法跨越的认知鸿沟lpar;现象数据信息知识rpar; 在菜鸟的眼里，大数据就是大数据，人工智能就是人工智能，尽管两者都跟计算机有关系，但却是两个完全不同的概念。 而在另外那2%的高手眼里，大数据和人工智能基本上就是同一码事，它们俩，真可谓是出双入对、“狼狈为奸”。 据“罗辑思维”的罗胖说，这样的高手，在人群只占2%。也就是说，有98%的人无法跨越“正确认识大数据和人工智能”的认知鸿沟，最终被智能时代所淘汰。 要说大数据和人工智能之间扑朔迷离的奸情，还得从数据本身开始讲起。 1 什么是数据？ 我们认识世界的过程是这样的： 现象 → 数据 → 信息 → 知识 通过观察自然世界，我们可以获得数据。但数据中通常包含很多噪声，去伪存真后才能提取出有意义的信息。对数据和信息进行处理后，人类就可以获得知识。而知识比信息更高一个层次，具有系统性的特征。 用三个等式可以表明四者之间的递进关系： 数据 = 对现象的观察 信息 = 有意义的数据 知识 = 可以用的信息 其实，所有的科学家都在做同一件事情：将观测数据中包含的信息，通过理论模型将其提炼成知识，掌握科学规律。 天文学家是最早的一批科学家，他们通过“仰望星空”，测量星球的位置和对应的时间，从而得到天文数据； 然后利用这些数据画出星球的运行轨迹，这就是把数据变为信息的过程； 通过信息，总结出类似于“开普勒三定律”那样的科学规律，就成了知识。 当托勒密面对行星运动椭圆的观测数据时，他只能用大圆套小圆拼凑出一个椭圆的轨迹，因为当时还没有椭圆的概念，更没有牛顿万有引力。 今天的我们，知道托勒密的模型有两个巨大的错误。一是完美圆假设；二是基于地心说。但神奇的是，托勒密模型的精确非常高，连现代的科学家们也叹为观止。 我们所用的日历，至今还深深地刻着托勒密体系的烙印。来回想一下闰年是怎么算的：每四年一闰，每百年不闰，四百年再闰。这不就是大圆套小圆模型的痕迹嘛！跟用天平称重差不多，先用大砝码，再用小砝码。 托勒密这样一个粗糙甚至错误的模型，之所以如此精确，完全得益于前人积累了千百年的观察数据——从古希腊第一个哲学家泰勒斯就开始了。 哥白尼也提出了一个模型，就是大名鼎鼎的日心说，虽然大模型比托勒密的不知道高到哪里去了，但具体的参数不准，预测精度很差，根本入不了当时主流科学家的法眼，极大地限制了日心说的发展。 假如哥白尼手上有大量观测数据，让他能像托勒密那样一步一步修正日心说模型的具体参数，日心说应该很快就能被人们接受，那么可怜的布鲁诺就不用被活活烧死了。 “香喷喷的烤肠吃伐啦？” 托勒密的模型虽然粗糙，但人家数据又多又好，是典型的矮搓富。 哥白尼的模型是很牛逼，但手上没有观测数据，是典型的高帅穷。 真正集美貌与智慧于一身的人，是开普勒。他怀揣着日心说，并从导师第谷手中接过大量数据之后，终于找到了能够准确描述行星围绕太阳运动轨迹的模型——椭圆。 “麻萨卡，开普勒会用筷子？” 2 奇点临近！？ 解决实际问题的时候，模型和数据二者缺一不可。但大体量、多维度的数据，可以弥补数学模型的缺陷。 换句话说就是：土豪可以大腹便便，但人家可以用钱砸死你；人工智能的算法模型可能不是很高大上，但人家可以用数据砸死你。 过去，相比模型和方法，数据的作用常常被忽视，原因有二： 过去的数据量被载体所限制，积累大量数据需要时间太长。即使你有一麻袋的草稿纸，也不过能抄一套金庸全集而已； 数据和信息之间的联系，只有通过多维度的相关性才能体现出来，这对人与人之间交流、分工和协作的方式有较高的要求。 建立模型是人脑所擅长的，但处理数据是电脑在行的，信息时代的到来为数据的增长提供了沃土。尽管第一台计算仅仅诞生于70年前，但在摩尔定律的驱使下，数据增长的边际效益，已经到了要超越模型优化的临界点了。 库兹韦尔将机器智能即将超越人类智能，称为《奇点临近》。 还记得那个著名的寓言故事吗？ 阿基米德与国王下棋，国王输了，国王问阿基米德要什么奖赏？阿基米德对国王说：“我只要你在棋盘上第一格放一粒米，第二格放二粒，第三格放四粒，第四格放八粒…按这个方法放满整个棋盘的64格就行。”傲慢的国王以为要不了多少粮食，就随口答应了，结果放着放着，国王傻眼了。 今年就发生了一件让世人都傻眼的大事件。 3 大数据元年：2021 Google家的AlphaGo以4:1战胜世界著名围棋选手李世石