京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02