必须要说的话

不瞒各位，我是吴军先生的粉丝。从《数学之美》、《浪潮之巅》到《文明之光》，我都是忠实的读者。2016年，吴军先生发表了新作《智能时代》，用以描绘给读者一个现在发生的和将要发生的未来图景。读完之后，我认为这是一本集结了吴军先生几部前作思想的融合。因此，我斗胆在这里尝试解读一下《智能时代》中一个最基本的着眼点——数据。

大数据

从数据到知识

从人类肉眼所见的现象开始推演起，最终我们找到知识，大致是一个这样的阶段：

现象 > 数据 > 信息 > 知识

现象很好理解，你看到什么，就是什么。当人类开始采用语言文字进行记事的时候，数字被我们落实在了结绳、龟甲、竹板、石碑等上面，这就是最初的数据。到了今天，数据的范畴要比单纯的数字大得多。而现代互联网所谓的数据，可以说覆盖到了生活的方方面面。

知识的产生

比如，我们在社交网站上的聊天信息，上传的图片，点了一个赞，都是数据范畴扩大化的典型案例。除此之外，我们还通过科技手段保存下来了语音文字等，称作“语料库”。

这些大型数据中，可能承载着我们人类可以利用的信息。尽管，并非所有信息都具备人类理解的涵义。通过这些信息，我们可以利用一些分析手段得到具有意义的东西，例如数学公式、自然规律和某些系统性的特征。

这便是人类的知识。

文明的基石

得到数据和使用数据的能力，是衡量文明发展水平的标准之一。

古埃及人发展天文学，通过观察天狼星和太阳的位置来判断农耕时机，以及尼罗河的洪水。美索不达米亚的苏美尔人，通过观察月亮，发展出了太阴历的历法制度。古希腊文明随后继承了苏美尔人的成果，发展成为当时世界的数学和天文中心，最终由托勒密利用前人的数据，建立了天体运动模型。

这就是人类文明发展的过程，和数据紧紧地联系在了一起。我们先获取数据，然后分析数据，建立通用的数学模型，最终以此来预测未来未知的现象。这也是我们做科学研究的大致思维。

古代天文学的基石

相关性：数据的钥匙

看似毫无关联的数据，也可能存在意想不到的相关性，如同“蝴蝶效应”。

20世纪70年代，日本公司能中标大庆油田的设备招标，是通过分析铁人王进喜的宣传照片，从而推算出了油田的大致位置，储油量等信息，对招标工作进行了充分的准备。

Google Trends趋势产品：搜索的关键词随着时间和地点变化的趋势。通过这个产品，美国成功预测了H1N1的传播趋势，成为利用大数据解决医疗问题的经典案例。

数据之海

统计学

从现象中获取有效的数据，是统计学考虑的范畴，其要点是：量和质。

在统计样本数量不充分的情况下，统计数据分析出来的结论毫无意义。越想得到准确的统计结果，需要统计的数据量就越大。除此之外，统计数据还要求具备代表性。

如果不具备代表性，以1936年美国总统大选为例，将无法预测出结果。问卷调查的大多数人是高级知识分子，而忽略了广大平民，于是预测错误。要想找到代表性和统计量的关系，不得不依靠大数据。

可惜的是，盖洛普公司虽然成功预测了1936年的大选，却在1948年失败了，这就是因为没有大数据支持。而蒋介石当时也相信了他们的预测，却带来了政治危机。

数据驱动方法

以大数据来加速人类寻找知识的方法，就是数据驱动方法。

这听起来似乎和我们此前的科学研究方法有些背离。

在建立数学模型的时候，我们通常将精力放在选择和设计合适的模型上，然后再选择配套参数。但是，完美的模型未必能找到，就算存在，势必要花上一番气力。于是，我们开始考虑用很多简单而不完美的模型凑在一起，推倒出完美模型。

这个思路早就在美国和苏联的航天领域用到了。苏联缺乏数据和机器，因此采用了大量数学家进行计算从而获得模型；而美国更多是利用计算机和大量数据来建立模型。现实来看，美国的方法更胜一筹。

数据洪流

另一个例子，日本和德国的光学仪器之争。德国拥有超高的工艺，因此可以制造非球面透镜，尽管光学仪器小巧，却造价高昂。日本采用多个球面透镜，来取代非球面透镜，光学仪器很大很笨重，但是价格低廉。由此，日本超过德国在二战之后成为光学仪器制造大国。

只要数据量足够，就可以同若干个简单模型来取代一个复杂模型，这就是数据驱动方法，用很多简单模型来拟合数据。当然，一定要在误差允许的范围之内。

大数据的时代

计算机的发展和互联网的兴起，让我们可以利用机器进行大量的计算，从而推动了数据来推倒出合适的算法。这不仅仅是经验论，在数学上也有严格的保证。

尽管一开始可能存在数据不足等情况，显得有些粗糙，但是随着时间的推移，数据量不断增大，计算能力不断提高，获得算法的速度越来越快。就像AlphaGo一样，在经过几十万盘数据分析和比较之后，它只会越来越聪明。