京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的未来–个人信息/情报/认知服务的思考
1.未来大数据的一切都都关于人
不论述
2.大数据收集困难和高风险
现在的大数据的来源,都是通过自有平台收集用户数据的,对于没有平台的企业很难有机制和渠道获取稳定的数据来源。
有说通过法律和制度来,规范关于人的大数据使用,在这之前,唯一可行的方向是,把用户大数据使用,做成服务的必选功能,要使用服务,必须接受隐私风险。
3.对大数据的利用方式
现在的大数据 都是由各种数据聚合出一类关于人的结论 然后拿给企业使用。
我想大数据应用还有另一类。
利用网上的大数据,告诉某类人、甚至某个人,世界发生着什么,未来要发生什么。
4.科幻大片
如果从网上下载一个专属的虚拟人物(虚拟机器人/虚拟助理/终生人工智能伴侣)到手机。
刚开始这个角色需要你教导(配置,类似早期的语音识别控制的学习阶段)才能帮你在互联网上你做一些简单的事情。
随着你教导的更多更好(对你的习惯,兴趣爱好,思维模式,接收度等信息的收集) 和基于大数据的挖掘和分析能力的增加,它的智力越来越高,能做一些更复杂的任务(作为入口,代表你在互联网活动)。
直到很多年后,它的智力超过你,它能告诉你,世界发生着什么,未来要发生什么,它了解你的年龄,了解的行为习惯,了解你的经济能力,了解你缺点,时刻为你服务,扩展你的人生,使你的人生不局限于经验(网上有),思维(网上有),能更好的生活下去(帮你发现机会)。
类似的东西,后来才发现微软小冰二代已经在着手做了,可能愿景和目的不一样,但轮廓有了。
5.认知需求
我们成长的时候,家长常常说你懂点事吧,但如何懂事没有人能教给我们,也没有告诉我们如何去做(去阅读书籍,去体验生活,经历人生);
我们毕业了,工作了,在社会上依然遇到,各种成功学大师,各种领域专家,各种百家讲坛老师,各种转世神棍,大行其道;
这一切都是因为,人有认知的需求。
6.认知培训
基于这个需求,认知服务即使做不到自动,就算做人工服务,也能在现在的教育市场(学校,兴趣培训,英语培训,等技能培训)杀出一条出路。
7.认知模式与三分的认知世界
莱考夫(George Lakoff)在 [女人、火和危险的事物]([Women fire and dangerous things])一书中,认为理念化的认知模式(idealized cognitive models 简称ICMs)是结构复杂的感知整体,是对世界的整体表征,它的价值在于对输入信息进行重组。ICMs并不客观存在的,而是人类实践和经验的高度概括和总 结,并且可以为以后的实践提供参考。根据lakoff的论述,IMCs有四种:命题模式,意向图式模式,隐喻模式和转喻模式,它们的关系如下:
命题模式是出发点和归宿,意象图式模式是基础,转喻模式和隐喻模式是建立在命题模式和意象图式模式上的认知事物的过程和方式,并且二者相互作用。
任一认知主体的认知世界整体可以划分为三个部分:信念世界、怀疑世界和无知世界。我们用Wb表示信念世界,Wd表示怀疑世界,Wu表示 无知世界。Wb、Wd、Wu是三个命题集合,他们的元素是相应的认知命题。简单地说,信念世界是由认知主体相信的命题构成,这些命题构成认知主体的信念; 怀疑世界里的所有命题是认知世界说怀疑的,认知主体认为这些命题是假的或不可能的,这些命题可称为疑点;认知主体从来没有考虑过的命题构 成无知世界的内容,这些命题(以及它们的负命题)或者仍没有进入认知主体的视野之中,或者虽然进入了认知主体的视野之中但认知主体不知道其意义,此时,认 知主体对之既不相信又不怀疑,这些命题可称之为盲点。
8.认知互联网世界进而认知现实世界
互联网世界一直是互联网世界的映射,越来越多的现实世界事物在互联网世界建立了数字化的映射"
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 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24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