大数据与人工智能：基础与应用的多维思考

前言

当下，大数据和人工智能（Data+AI）无疑是最热门的话题之一。然而，我们真的了解它们的本质和发展方向吗？这就像我们站在一座宏伟的知识大厦前，虽然能看到它的壮丽，但只有深入其中，才能真正领略其奥秘。

从时代的角度看，我们常常争论是否已经进入了大数据和人工智能时代。但其实，更应该认识到它们是信息时代的新阶段，是信息时代持续演进的重要标志。这就像一场接力赛，我们正处在信息时代传递给大数据和人工智能时代的交接棒阶段。

基础理论和基础设施的重要性，就像大厦的基石，它们支撑着整个领域的发展。没有坚实的基础，再多的应用和创新都可能是空中楼阁。希望通过这次分享，能让大家和我一起，从基础开始，深入探索大数据与人工智能的世界。

一、时代定位与发展方向

首先要明确我们所处的时代位置，社会上对于我们是否进入大数据和人工智能时代存在一些误解。从人类社会发展的长周期来看，我们仍然处于信息时代，大数据和人工智能只是信息时代的新阶段。这就好比工业时代经历了多个阶段的发展，信息时代也在持续演进。

在未来一段时间内，对经济贡献最大的可能并非单纯的大数据和人工智能新技术，而是这些技术融入各个产业所产生的新产品、新业态以及新模式。这意味着我们不能仅仅关注技术本身，还要注重其与产业的融合。同时，在经济的衰退复苏期，我们要特别重视基础性技术的发明。就像历史上的电子计算机、集成电路和互联网等重大发明一样，期待在大数据和人工智能领域也能有类似的突破，这将为未来的发展奠定坚实的基础。

二、人工智能的本质与学科融合

谈到人工智能的本质，它常常被误解为一个全新的、独立的学科。实际上，就目前而言，人工智能本质上是计算机学科的一个分支。从基础研究角度，它是计算机科学的前沿领域；从应用角度，它是计算机技术的一种非平凡应用。

我们应该强调学科融合，而不是将人工智能从老学科中孤立出来。人工智能是一门应对复杂性的科学，它可能不存在像麦克斯韦方程组那样的通用公式。正如钱学森先生所说“必集大成，才能得智慧”，我们需要在集成融合上下功夫。各个学科之间的相互协作和知识融合对于人工智能的发展至关重要。例如，脑科学、统计学等学科都可以为人工智能的发展提供不同方面的支持，但目前脑科学对人工智能的贡献相对较小，而统计学在推动机器学习崛起方面起到了较大作用。

三、大数据和人工智能的构成要素与大众需求

对于大数据和人工智能的构成要素，流行的观点认为是算法、大数据和算力。然而，我认为还应该包括基本理论、基础设施、领域知识和生态环境。

发展大数据和人工智能不能仅仅关注高端消费人群，必须重视大众的刚性需求，例如健康、出行和安全等方面。满足这些大众需求需要相应的基础设施支持。

在不同的时代，基础设施的形式有所不同。工业时代的基础设施是铁路、公路和机场等；信息时代是互联网和云计算中心；而在智能化阶段，则是大数据中心、机器学习训练平台等。在大数据和AI阶段，还出现了MaaS（Management as a Service）和AaaS（Analysis as a Service）等新的概念，这意味着大数据的存储、管理和分析也成为了重要的基础设施。

为了更好地满足这些需求，我们需要研制专门的内核系统和全链路软件栈，提升其易用性和工程化能力。

四、计算机系统结构与基础软件的重要性

在发展大数据和人工智能的过程中，计算机系统结构和基础软件的重要性不容忽视。目前，很多研究和项目都过于关注应用层面的开发，而对计算机系统结构和基础软件的研究相对不足。例如，在国家《新一代人工智能发展规划》中，对基本理论和基础设施的部署相对较少，我们应该加强这方面的研究。

计算机系统结构和基础软件是构建大数据和AI基础设施的关键。如果基础设施不能达到世界一流水平或者不能自主可控，那么智能应用就会像过去一样面临“缺芯少魂”的问题。我们需要重视计算机系统结构和基础软件的研究，确保我们在大数据和人工智能领域的发展有坚实的基础。

五、研究途径与领域知识的作用

学术界对于人工智能的研究途径有多种分类，如符号主义、连接主义和行为主义等。其中，计算智能学派的进化计算方法具有一些独特的优点，如简单、通用、鲁棒性强和适于并行处理等。实际上，目前统计机器学习的崛起可以看作是计算智能的胜利，但学术界似乎已经遗忘了这个术语。我们应该重视计算智能，加强对进化机理的研究。

同时，领域知识在大数据和人工智能的发展中起着至关重要的作用。基于大数据的科研第四范式虽然强调数据的重要性，但我们不能忽视领域知识。领域知识可以帮助我们更好地理解离散数据背后的连续模型，提高算法的效率。与求解问题无关的通用人工智能算法往往效率不高，而领域知识可以大大减少搜索范围，提高效率。因此，从事大数据和AI研究的学者与领域专家结合的深度将决定大数据和AI技术的进展速度。

六、发展的态度与责任

大数据和人工智能的发展任重道远。我们不能仅仅满足于从现有的成果中获取利益，而应该怀抱对未知的认真和谦恭的态度，去探索新的知识和技术。大学和科研单位应该重点承担前瞻性、基础性研究的责任，而企业则主要负责应用层面的工作。

就像杨万里的诗句“莫言下岭便无难，赚得行人空喜欢。正入万山圈子里，一山放过一山拦”所描述的那样，我们在大数据和人工智能领域面临着众多的挑战。我们需要不断地克服这些挑战，持续推进这个领域的发展，为我们的生活和社会带来更多的价值。

大数据和人工智能是一个充满机遇和挑战的领域m要全面考虑各个方面的因素，从基础理论到应用实践，从学科融合到大众需求，从基础设施到研究途径，只有这样，才能在这个领域取得更好的发展。希望这些感悟能给大家带来一些启发，一起在这个领域继续探索前行吧！下次有什么好玩的话题，再和大家分享！