数据
现象 -> 数据 -> 信息 -> 知识
通过数据建立模型，有2个问题：
- 采用什么样的模型：完美的模型未必存在，取而代之的方法是用很多简单的模型的组合（如多圆嵌套的地心说模型）
- 模型的参数：机器学习
数据驱动方法：先有大量数据，而不是预设的模型，然后用很多简单的模型去契合数据（fit data），用计算量和数据量换取研究的时间
大数据与机器智能
有了大数据后，将智能问题转换成数据问题，进而交由计算机解决。
大数据的特征：
- 数据量大
- 多维度（百度知道，饮食习惯的问题）
- 完备性
大数据的重要性在于，它导致了机器智能的产生。
机器智能=通过任意一项图灵测试：
- 翻译
- 象棋
- 语音识别
思维革命
机械思维：
- 世界变化的规律是确定的
- 规律不仅可以被认识，而且可以用简单的公式或语言来描述
- 这些规律是放之四海皆准的，可以放到各种未知领域指导实践
核心思想是确定性和因果关系
从欧几里得到托勒密，再到牛顿，该思维取得了巨大的成功，并带来工业文明
熵
热力学熵：封闭系统中，熵永远向不断增加的方向发张。系统达到恒温后，熵最大，此时也将无法对外做功。从微观上看，这个系统越来越无序。
信息学熵：信息量的度量就等于不确定性的大小。要消除这种不确定性，就要引入信息。
香农第一定律：对一个信源，它的信息编码的平均长度，一定大于信息的熵
香农第二定律：信息传播速率不可能超过信道的容量
最大熵原理：在给未知事件寻找概率模型时，应当满足已经有的数据，不要对未知情况做任何假设
大数据本质：信息论
- 数据量大：信息消除不确定性
- 多维度：交叉熵
- 完备性：避免“黑天鹅”
从因果关系到强相关关系
技术挑战
技术拐点：
| 问题 | 方式 | 难点 | 方案 |
|---|---|---|---|
| 信息的收集 | 各类传感器，摄像头，移动设备 | 数据隔离，隐私问题 | 绕一大圈 |
| 信息存储 | SSD | 数据量过大 | 去除数据冗余，数据安全 |
| 信息传输 | 4G | 多维度 | protocol buffer |
| 信息处理 | 分布式，流式处理 | mapredue， hadoop |
数据挖掘：降噪，机器学习（人工神经网络，最大熵模型等）。那么随着数据量变大，机器学习的实现将成为一个工程上的难题。需要把算法搬到成千上万台机器上实现。
隐私问题：
- 数据收集时预处理
- 数据采集和使用都需要双向知情（把偷窥者暴露出去）
未来社会
必然涉及财富再分配，低端岗位淘汰，下岗工人靠救济生活。
争当2%的人
