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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18