????我們談論人工智能的時候，是在談什么？把計算機比喻為人腦的延伸，對把握計算機的性質是有幫助的，但仍然不夠細致。需要追問，是哪一部分的延伸？計算機幫助個人處理信息，是如何實現的？方式很多，數據存儲和基于存儲的檢索，是其中一端；此時的計算機扮演資料夾和卡片柜的角色，計算機的使用者擁有完整的主動性。另一端則相反，計算機做決策，指導人的行動，或者和人對抗。
????使用計算機，獲得信息處理上的便利，而且不需要損失主動性來換取這種便利，我們感到很愉快。但當計算機開始指揮我們，教導我們，干擾我們，對抗我們的時候，憤怒和憂慮就隨之而來了。棋類是智力游戲，到今天（2013年），人類有把握戰勝計算機的，只剩下碩果僅存的圍棋，如果在圍棋上敗北，“計算機有可能比人聰明”的論斷就會更有力。關于為什么計算機能戰勝象棋（兩種象棋）的世界一流選手，卻無法在標準的19路圍棋盤上占到哪怕業余高手一點便宜，已經有很多探討。比較好的一個說法是計算機的“邏輯深度”遠高于人類，因為推理的“樹”越龐大，需要明確的“樹”上各“枝杈”的狀態就越多，人類靠記憶，計算機可以存儲，兩者相比，人類無法望其項背。但計算機沒有人類的直覺，目前也找不到成功模擬直覺的算法。象棋能力剛好對應了邏輯能力，圍棋能力卻需要邏輯與直覺兼備。“邏輯深度VS直覺”的說法言之成理，但也有不足——沒有解釋“直覺”的機制。而要解釋“直覺”的機制，恐怕現在的心理學還力有未逮，廓清問題的范圍，都要花很長時間。
????在資料準備和決策兩端之間，還有很多譜線。商業智能在其中，大數據應用也在其中；它們兩者有很多重疊。大數據的成功應用往往是沒有清晰目標的運算，就像一個獵手，朝黑暗里開一槍，然后懷著期待僥幸打到大獵物的心情走上前去，看看究竟如何。科學史上類似的事情很多，盧瑟福用阿爾法粒子轟擊金箔，發現原子核的存在，就是一個朝未知目標開槍打到大獵物的例子。我前幾天聽一個做商業地產大數據研究的朋友分享他的工作，把搜集到的來自商場消費者的各種數據進行比對，看看能發現什么。還真有發現，比如天氣情況和消費者在商場里停留的時間的關系——雨天更長，而且去商場美食城吃飯的可能性大增。做數據挖掘之前不見得能意識到，得到結果之后卻很容易理解：下雨了，沒帶傘，先吃個飯再說。
????無清晰目標的運算既不是資料準備，也不是決策，它用到大量資料，輔助決策。此時的大數據軟件很像一個參謀，不僅能考慮決策者安排的問題，而且能自己發現問題。所以當商業的脈搏跳動到“大數據參謀”環節，CEO問某款飲料的各地銷售數據和微博熱門話題是否關聯，會議室回答問題的那個人，只不過是大數據軟件的“語音模塊”。
????由于大數據軟件表現出“智能”，在很多組織中，它們擔綱任務，擁有崗位。實際存在于公司的組織架構中的大數據軟件，思維模式和“人類同事”頗有差別。評價網球四大滿貫的影響力，我們經常引用幾個指標：辦過多少屆、冠軍獎多少錢、賣掉多少票、知名球員怎么說。但大數據軟件會“說”：2012年溫網男子決賽期間，每秒有超過100條與溫網有關的推文；2013年澳網比賽期間，包含#ausope#標簽的推文數目大于100萬，同時有關澳網的Facebook頁面增加到大約887158個……
????大數據軟件已經是公司里的一個“角色”，就差擁有自己的頭銜了。另有一個來自體育的例子。橄欖球的運動傷害比較嚴重，出于對運動員本人的關心，也出于對球隊表現的考量，預測可能發生的運動傷害對一個橄欖球隊而言意義重大。英國橄欖球隊萊切斯特老虎的體育科學家Andy Shelton說：“當我們的球員都能夠健康的出現在球場上時，我們將不懼怕任何對手。”萊切斯特老虎隊采用由體育分析軟件開發商Edge10開發的球員監控系統，同時使用IBM提供的預測分析工具對收集到的信息進行分析，使Shelton的團隊可以精確判斷球員受傷的風險，看到所有球員的肌肉疲勞程度，進而提醒教練調整球員的訓練項目，讓肌肉得以恢復，從而降低肌肉撕裂和拉傷的可能性。
????Shelton用的“預測分析工具”，至少可以被稱作“隊醫助理”吧。
最新文章