京公网安备 11010802034615号
经营许可证编号:京B2-20210330
科技大数据,哲学新思维
大数据,通常用来形容人们创造的大量结构化和非结构化数据,其特点是4“V”,即,数据体量巨大;类型繁多,如网络日志、视频、图片、地理位置信息等等;处理速度快;蕴含着巨大的价值潜力。这种变化不只是科学上的,“大数据浪潮”还引发了思维模式和发展模式的改变——这让哲学家们认识到:必须认识其数理哲学基础。
对数据的认识史就是人类的发展史
人类的生存、发展方式可以归结为:获取信息,处理信息,而这就是智力。智力的进步,归根结底就是信息技术的进步。
人类历史上经历过三次信息革命:语言的创造——文字的创造——电信通讯的创造。
语言让人认识世界,建立相互关系;但其限制和缺点是无法突破个体的时空界限。文字的出现实现了人类思想的远距离和世代相袭传递,人类联合因此扩大;它虽然突破了空间上的限制,但需要耗费太长的时间。电信通讯的创造突破了空间的限制,为电子计算机与互联网创造奠定了基础。
电子计算机与互联网的创造,是一次伟大而空前的大综合,其特点是:所有信息全部归结为数据表达形式——0和1。只要有了0和1,加上逻辑关系,就可以构成全部世界。而世界本来就是这样构成的,已经出现的读脑机、脑电波指挥的电脑、智能机器人和人脑插入的芯片等等,都说明大脑的认知方式与世界事物同构。
大数据的出现促使我们认识到,人类的认识和实践,就是一部数据搜索、处理、挖掘和创新的历史。大数据方法揭示了因果关系是常规性的,终极的关系应从事物之间的相关性、同构性中寻找。数据反映的是具有同构关系的两个序列的关系信息,一个对象的运动轨迹,通过另一个序列的载体编码来表达。认识者获得的不是对象本身的绝对映像,而是离开了对象,从对象中抽象出来的、关于对象运动轨迹的数据。从这一角度看,同构关系是大数据的数理哲学基础。
人工智能可能超越人类
依据对象之间数据关系来认识世界,这一方法可靠吗?以往人类在对自己认识能力的反思中,已经多次提出疑议。人类每一次宣告自己是绝对真理的全称判断,如“所有的天鹅都是白的”,总是被一个小小“黑天鹅”单个事件推翻。“黑天鹅”的存在寓意着不可预测的重大稀有事件,它在意料之外,却又改变一切。因此,不能把科学知识看做是对客观世界的终极反映,它只是人们用理性构建的认识对象的模型。
大数据更像是一种连续不断的论证和数据流。这使让人们意识到,知识永远不会被完全确定,永远不会终止。
大数据的出现或许让人工智能超越人类成为可能。在图灵测试中,通过测试的机器人是否真的有自己的思想?反对者认为“智能和思想是两回事”。但是,如果在图灵测试中换上小孩,那么问题变成:对于刚出生的小孩,智能从什么时候开始?实验证明:小孩的自我意识始于大量的条件反射刺激(巴甫洛夫条件反射),仅仅是无数次的重复刺激成为坚定的信念基础,以至于形成信仰,相信这是不证自明的公理。事实上,大数据已经说明:思维的模型与世界的模型的同构关系已经真实地被把握了。
根据大数据的同构关系,我们将重新定义知识:人的知识也是一个有限量。从这个定义出发,人工智能可以超越人类——只要人工智能是动态的、可以发展的,就可以学习并超过人类。具有自我学习能力的机器人可以超过关键的“奇点”,只要通过证实的概率增加,给人工智能一个信仰或公理,人工智能技术将可以超越其制造者——人类本身。
将带来的发展模式革命
知识是不断递增的。摩尔定律揭示了大数据增长的速度。这是一场革命,是一场改变我们的思维、决策方式和发展方式的新的科学技术革命和产业革命,是一场影响世界和人类文明发展的革命。
与以往科技革命和工业革命相比,大数据的冲击力有三方面:
一是以无限增长突破有限增长。传统经济社会发展方式是有限的,因为物资财富和资产是有限的,是会枯竭的。例如现在使用煤,仅供开采160年,使用石油,仅供40年。但是大数据的增长却是源源不断的、递增的、无限的。
二是以效益递增突破效益递减。传统社会发展方式是高成本、低效益的,效益递减的。但是大数据时代的发展方式却是低成本、高效率、快速度的,效益是递增的。
三是和谐共赢发展突破了对立的、矛盾的发展。传统的发展是零和博弈似的、马太效应的:你有我就没有,你多我就少,富者越富穷者越穷。从某种程度上导致了人们互相争吵,世界不得安宁。现在,大数据时代的发展却是和谐的、合作共赢的。因为数据财富和资产可以复制、递增、共享。当然,关键还要看人的素质,因此要发展科教事业,提高人们素质。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02