
天网恢恢、疏而不漏和大数据、人工智能有啥关系
华东师范大学哲学系教授、博士生导师郦全民,将成语放在当下的科技和社会背景下进行解读,从而挖掘中国文化中所蕴含的大道理。
为什么要关注成语?郦全民说,因为成语既是中国智慧的结晶,也是表达和传承中国智慧的主要方式。“ 智慧 这个词有许多用法,我这里所说的智慧就是指大道理。这些大道理包括经验规律,比如物以稀为贵、伦理规则,比如己所不欲勿施于人的做事方法,比如循序渐进等。”
不过,单是知道这些大道理,还是空洞的;要将它们运用到具体的认知和行动中,才有价值。如果这些智慧要产生力量,还要考虑运用的场景和实现的手段。
下面,就让我们通过对一些成语的当下解读,来体验一下成语中隐藏的中国智慧。
天网恢恢,疏而不漏
和大数据、人工智能有啥关系
首先来看下面两组成语,都和现在数据驱动的社会有关。
第一组成语:天网恢恢、疏而不漏,若要人不知、除非己莫为,道高一尺、魔高一丈,一叶知秋,一目了然。这组成语,我用它们来解读“大数据”。大数据首先是数据大,但更重要的是指这些数据之间关系的复杂多样,超出了人的能力和传统算法所能处理的范围。
这个时代,我们每个人的信息和活动被随时随地地记录。《老子》中有一句话:天网恢恢、疏而不漏,当时的天网是指天道,而现在则可理解为各种传感器和探头等组成的信息监控之网。你日常的活动,比如行走、使用支付宝、看病等等活动都被记录下来。运用大数据技术进行分析,可以找到数据里面隐含的一般模式,来理解相关的社会现象。
社会变得越来越透明,落实到个体,也正在成为显行的人。在这样的背景下,真所谓“若要人不知、除非己莫为”。过去,这句成语所说的不一定能真正做到,而现在,用技术手段确实已经可以实现。这对于建设诚信社会是很有利的。对普通人来说,聪明的选择就是做一个诚实守信的人。当然,我们也不要忘了“道高一尺,魔高一丈”。个体和组织也可以用新技术来隐藏自己、伪装自己。
现在,一些地方大数据正在被滥用。其实,许多情况下小数据能搞定,就不一定要用大数据。“一叶知秋”就告诉我们这样的道理,不需要将所有树叶的数据都收集起来才知道秋天来了。同时许多事情是一目了然的,没有必要通过大数据这个复杂的办法去解决。
我想说的第二组成语是:按部就班,熟能生巧,对症下药,因材施教,举一反三,随机应变。
用这组成语,我想解读一下人工智能。人工智能这个学科比较特殊,它是试图用工程的方法来理解包括人在内的智能。造一个系统,如果能够表现出智能行为,那就表明我们理解了这种智能,因为创造是最好的理解。这个人造的系统如果有应用价值,就可以用来解决实际问题,产生经济效益。
古人说的“未卜先知”
在当代科学背景下靠谱吗
接下来讲讲预言问题。现在许多人热衷于用大数据和人工智能来预言未来,但未来可预言吗?这里有两组成语。
第一组成语:未卜先知,料事如神,九九归一,周而复始,依样画葫芦;
第二组成语:天有不测风云、人有旦夕祸福,差之毫厘失之千里。
第一组成语可以用来说明可预言性。在当代科学的背景下,什么东西可以预言?假如一个系统的演化是九九归一,这个“一”学术上叫定态,或者说是周而复始,学术上叫周期性,就能做出可靠的预言。另外,我们人的日常行为,大概88%是依样画葫芦,也就是模仿,尤其是模仿同辈。这样的模仿行为,是可以做出较准确预言的。利用大数据,可靠性还会提高。
但自然界包括人类社会中还有另外一类现象,原则上不可以预言。上世纪70-80年代讲得比较多的混沌现象就不能预言。这些系统的规律是确定性,但是在一些临界点上,细小的改变会使系统后面的演化很不一样,这就是通常所说的“蝴蝶效应”。用中国的成语来说,叫做差之毫厘、失之千里。这种情况就不好预言了。
还有一种叫做突现现象,就是假如一个系统中有大量个体之间的相互作用,那么它整体上会出现一些新现象,不能还原为个体的行为。根据复杂性理论,突现现象无法准确预言。地震就没有办法准确预言。现在有许多关于人类未来的预言,不靠谱。对于未来,新颖的东西也是不能预言的,包括新技术。还有,一个系统的演化过程当中会受到不能控制的环境的影响,也就无法预言它的状态。
互联网接下来的商机在哪里
能够从成语中找到提示吗
下面再来解读一个与商机有关的成语,叫做江山易改、本性难移。
前不久,我看到一篇英文文章,说到以前没有互联网,没有谷歌、脸谱、亚马逊,人们都能正常地生活,但现在却离不开它,而且这些公司都成了最挣钱的公司。中国的情况也如此,看看腾讯和阿里巴巴。文章提出这样一个问题:接下来的商机有可能是什么?会出现什么东西,现在还没有,未来大家都离不开的?
我们可以看看,这些商机究竟是从哪里产生的。归根到底,是为了满足人的本性。这些本性符合“江山易改、本性难移”这句成语。具体一点说,就是愤怒、贪婪、色欲、骄傲、嫉妒、暴食、懒惰等。
但是,人类选择了社会化的生活,最需要的就是安全和保障。比如因为懒惰,就有了快递;因为嫉妒,家长就拼命给孩子报各种早教班。
这里,我还想分享一下如何学习中国文化。很多家长问过我,孩子要不要读经典文本?我说,除非特别爱好,否则不需要专门读经典,学好成语就可以了,因为精华都在这里。中国的成语很多,但也不是都要去背,背了也不见得学通了。普通人,掌握5000个成语就可以了,这些成语会告诉你很多关于社会、自然和人生的道理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15