大數據三問:大數據“熱”的冷思考

大數據概念的形成和發酵，在當今社會引發了人們無限的遐想和期待，也受到普遍的歡迎和推崇，甚至有人不斷編造出關于大數據無所不能的種種現代神話。這種令不少人癲狂、著迷的東西是否真的“法力無邊”，我們不妨試發三問。

大數據的特點在“大”，是否越大越好？

回答是不一定。

人類對世界的認識，首先是感知信息。但問題在于，人類許多方面的感知能力卻不如普通動物，比如人的嗅覺不如狗，聽覺不如貓，視覺不如鷹等等。

難道高級動物竟然比不上低等動物？顯然不是。奧秘在于人類相對普通動物而言，長處在思維。思維之花乃是生物進化的杰作，人類憑借思維之利器，便可以通過科學技術手段，根據需要延長自身的器官，最后實現各方面能力都遠在一般動物之上。在此過程中，關鍵是計算機技術的發展，得以替代人的部分邏輯思維，能夠進行大規模數據的快速處理，從而使得我們在面對大數據時，不至于心懷畏懼。

20世紀以來科技領域看起來碩果累累，但真正具有顛覆性意義的發現卻如鳳毛麟角，甚至不及19世紀。問題何在？數字化的數據固然有利于從中發現規律，但這類數據在整個大數據庫中所占份額極小，何況還有一個魚龍混雜問題。至于那些尚未數字化的數據，尤其是那些似是而非、眾說紛紜的數據，顯然并非越多越好。

事實上，就人類認識而言，也有減材加工與增材加工兩種方式。毛澤東在《實踐論》中所說的去粗取精、去偽存真、由此及彼、由表及里的認識過程，其實就是講的真理性認識有增有減的過程。當年第谷觀察天象，所做工作就是增加數據；而開普勒總結天體運行規律，所做工作則屬刪繁就簡。如果說數據的增加意味著真理性認識的增加，那么數據的減少則意味著真理性認識的深化和升華，何嘗不值得我們同樣為之喝彩？

大數據 的亮點在“數”，是否萬物皆數？

回答是不可能。

數字的發明，是人類抽象思維能力發展的產物。而發現數字之間的某些關聯，曾經更使人類欣喜若狂，畢達哥拉斯甚至據此作出了“萬物皆數”的斷言。大數據之所以吸引人們眼球，噱頭就在“數”上，似乎一切化歸于數，就可萬事大吉，適合數字化生存的時代要求了。

應該看到，世界在演化的進程中，特別是生命體和人類社會誕生后，正負二分的表征法就變得越來越不適用了，無論是模擬仿真技術的興起，還是復雜化方法的運用，都說明這種建立在非此即彼的認識論基礎上的進位法，其實是形而上學思維方式在信息時代的反映。

由此可見，所謂的數據其實有兩類，一類是可以實現數字化的數據，人類可以輕而易舉地將它的處理任務付之電腦，進而從中發現規律、把握規律。而另一類不可數字化或者說很難實現數字化的數據，則還是必須依靠人腦的判斷與解讀。1948年美國的“驢象”之爭中，蓋洛普的配額抽樣方法以及其他民意調查機構之所以遭遇“滑鐵盧慘敗”，就是因為過于迷信數據，而這種建立在數字基礎上的所謂“科學”方法，其實經實踐檢驗后被發現并不科學。過去這些年來，定量評估在世界各地盛行，人們動輒以各式各類指標體系肢解復雜事物和系統，最后鬧出許多笑話，正說明現代的數字崇拜照樣是此路不通。

大數據的基點在“據”，是否據實逼真？

回答是不見得。

信息技術的推廣應用同樣是一把雙刃劍，它在為人們提供無限便利的同時，也為數據造假及其傳播洞開了方便之門。據《環球科學》2014年12月載文，生物科技風投資本家有一個經驗法則：一半公開發表的科研成果都無法復制，這還是最樂觀的估計。2012年，生物科技公司安進發現，在關于癌癥研究的53項重大成果中，只有6項可被復制。稍早前，拜耳制藥公司的一個團隊重新開展了67篇有重要影響的論文所做過的實驗，最終成功的卻只有四分之一。本世紀最初10年，應用于臨床的研究專利大約有8萬份被撤銷，因為它們都是錯誤的。

面對如此龐大的虛假數據，你還會相信大數據即未來石油的神話嗎？美國科學計量學家普賴斯曾在上世紀50年代就得出科學知識呈指數增長的結論，其依據是各國期刊文獻的數量增長。此后，有關知識爆炸的說法甚囂塵上?，F在回頭看，普賴斯的判斷未免草率，因為期刊文獻數量與人類知識量顯然是不能畫等號的，否則就會得出撤銷某些期刊就是限制知識增長的荒唐結論。

總之，科學的發展在深刻改變人類生產生活方式的同時，也制造了許多令人目不暇接的神話。當泥沙俱下且呈雪崩式的大數據襲來時，我們更應保持一個清醒的頭腦，用中國的古訓來說，就是要防止以目廢心。