ICT技術(shù)、尤其是大數(shù)據(jù)的發(fā)展推動了新一代人工智能的興起。那么，大數(shù)據(jù)思維與新一代人工智能有什么關(guān)系呢？

大數(shù)據(jù)思維有幾個最典型的說法：是相關(guān)性而不是因果性、是全體樣本而不是采樣、簡單算法勝過復(fù)雜算法。在我看來，這三個說法是有邏輯關(guān)系的。大數(shù)據(jù)的本質(zhì)優(yōu)勢存在于：“是全體樣本而不是采樣”。這個特征意味著：發(fā)生問題時，我們總能在歷史數(shù)據(jù)中找到相似的案例。在此基礎(chǔ)上，根據(jù)案例去模仿、去判斷。例如：要知道從寶鋼到浦東機場的最快速度，找到最快的案例跟著走就可以了。當(dāng)然，這個邏輯成立的前提是計算能力是足夠強大。在此基礎(chǔ)上，找案例往往是簡單的算法：如果有難點的話，就是如何衡量相似度。而此這一點，常常可以根據(jù)人的經(jīng)驗去制定規(guī)則。于是，根據(jù)案例去模仿、去判斷，也就不需要理解什么因果了：反正這樣做是成功的、正常的，不必要知道為什么了。這種做法簡單粗暴，但卻有效。

通過這件事，我們可以反思一下關(guān)于大數(shù)據(jù)的定義。很多人用數(shù)據(jù)規(guī)模的定義“大數(shù)據(jù)”，主要著眼于數(shù)據(jù)的處理能力，是從乙方的角度看問題。對用戶來說，這并不是一個很好的角度。如果從甲方的角度看問題、從滿足業(yè)務(wù)需求、解決問題的角度看問題，用“是全體樣本而不是采樣”來定義大數(shù)據(jù)則更加有用。

從某種意義上說，新一代人工智能是應(yīng)用大數(shù)據(jù)的一種方式。機器學(xué)習(xí)等方法把簡單粗暴的處理辦法提煉成了模型，但思想層面卻還保存著“簡單粗暴”的“基因”：新一代人工智能體現(xiàn)感性認識、形象思維，而不是邏輯思維、理性認識。例如，新一代人工智能的典型進進展圖像識別、語音識別、圍棋等，關(guān)鍵是模仿人的感知能力（圍棋中，可以模仿人們對“勢”的感覺）。我們知道，人的感性認識和形象思維很難通過人類和計算機語言告訴計算機的。這一點制約了相關(guān)技術(shù)的發(fā)展：比如，制約了自動駕駛、機器無法替代品酒師。機器學(xué)習(xí)則是讓機器自己去掌握這些知識，而不必去編碼。這就是周院長說的，從“授之以魚”發(fā)展到“授之以漁”。

所以，與理性思維、邏輯思維相比，感性認識、形象思維并不是“低檔次”的思維方式，而是基礎(chǔ)的思維方式、是理性和邏輯思維無法替代的思維方式。這是新一代人工智能的價值所在。

從另外一個角度看，解決“感性認識”、“難以編碼”的問題，采取的是神經(jīng)系統(tǒng)的“結(jié)構(gòu)模擬”、而不是“功能模擬”。這種方法的前身是人工神經(jīng)元網(wǎng)絡(luò)。人工神經(jīng)元方法曾經(jīng)沒落過，因為它難以解決“不可泛化”的問題?？煞夯膯栴}是通過“深度學(xué)習(xí)”來解決的——但是，只有在大數(shù)據(jù)和計算能力增強的條件下，深度學(xué)習(xí)才能解決可泛化問題，從而可以讓計算機可以有效模擬難以編碼的感性認識。或者說，如果數(shù)據(jù)量不夠大、數(shù)據(jù)分布的完整性不夠好，深度學(xué)習(xí)未必有用。

我一直覺得，大數(shù)據(jù)思維“是相關(guān)不是因果”的提法不好，容易導(dǎo)致思想上的混亂。特別地，工業(yè)大數(shù)據(jù)還是強調(diào)因果的。根據(jù)上面的分析，我覺得更確切的說法或許是：大數(shù)據(jù)的優(yōu)勢在于可以促進感性認識、形象思維的模仿，但并不排斥理性認識、邏輯思維。我甚至認為，深度學(xué)習(xí)促進了感性認識和理性認識的結(jié)合、形象思維和邏輯思維的結(jié)合。這種結(jié)合，就像從一維空間走到了二維空間，把一個大的技術(shù)藍海展現(xiàn)在人們的面前。