劉偉榕　王秋君

[摘 要]科學(xué)界正在從數(shù)據(jù)缺乏時(shí)代過(guò)渡到數(shù)據(jù)泛濫時(shí)代，大數(shù)據(jù)處理系統(tǒng)有望成為新一代的科研基礎(chǔ)設(shè)施。在新的技術(shù)環(huán)境下，數(shù)據(jù)成了科研最主要的對(duì)象，統(tǒng)計(jì)算法成了最有力的科研工具，科研思路也將從假說(shuō)驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)探索。為了分享知識(shí)生產(chǎn)日益依賴的技術(shù)與設(shè)備，科學(xué)家將結(jié)成聯(lián)盟進(jìn)行工程化協(xié)作，科學(xué)進(jìn)步中的共享化與全球化也將更為顯著。有樂(lè)觀的學(xué)者認(rèn)為大數(shù)據(jù)有望成為科學(xué)研究的“第四范式”，不過(guò)也可能伴隨著科研路徑依賴、資源壟斷、成果糾紛等負(fù)面影響。

[關(guān)鍵詞]大數(shù)據(jù)；科學(xué)發(fā)現(xiàn)；知識(shí)生產(chǎn)；第四范式

[中圖分類(lèi)號(hào)]G311 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1009 — 2234（2014）05 — 0042 — 02

大數(shù)據(jù)通常用來(lái)指無(wú)法在可容忍的時(shí)間內(nèi)用傳統(tǒng)IT技術(shù)和軟硬件工具對(duì)其進(jìn)行感知、獲取、管理、處理和服務(wù)的數(shù)據(jù)集合，具有容量大、產(chǎn)生速度快、類(lèi)型繁多、信息價(jià)值大與冗余信息多等四個(gè)特征?！?〕人類(lèi)正在進(jìn)入大數(shù)據(jù)時(shí)代，推動(dòng)這個(gè)時(shí)代到來(lái)的科學(xué)研究活動(dòng)將不可避免地受到大數(shù)據(jù)的反作用。本文綜合最新的大數(shù)據(jù)研究、前沿的科研案例及科學(xué)哲學(xué)理論，嘗試對(duì)科學(xué)活動(dòng)正在發(fā)生與將要發(fā)生的變化進(jìn)行探討。

一、科學(xué)研究工具、方法、對(duì)象的變革

一是大數(shù)據(jù)處理系統(tǒng)將成科研基礎(chǔ)設(shè)施。在科研信息化的推動(dòng)下，人類(lèi)對(duì)自然和社會(huì)的觀察、感知、計(jì)算、仿真、模擬、傳播等活動(dòng)產(chǎn)生出大量科學(xué)數(shù)據(jù)。如何存儲(chǔ)海量的科學(xué)數(shù)據(jù)成為科學(xué)家遇到的首要困難，例如歐洲粒子中心的大型強(qiáng)子對(duì)撞機(jī)每天都產(chǎn)生好幾個(gè)千萬(wàn)億字節(jié)（PB），但現(xiàn)在卻只能按照可管理的能力限制其數(shù)據(jù)速率。〔2〕科學(xué)家難以密切關(guān)注到任何一項(xiàng)單獨(dú)的數(shù)據(jù)，而需要機(jī)器進(jìn)行輔助篩選?？鐚W(xué)科研究的興起更是加大了數(shù)據(jù)的規(guī)模和復(fù)雜性，包含采集、管理與分析工具的大數(shù)據(jù)處理系統(tǒng)對(duì)環(huán)境應(yīng)用科學(xué)、海洋科學(xué)、生態(tài)科學(xué)、物理學(xué)、天文學(xué)、生物學(xué)等領(lǐng)域來(lái)說(shuō)已經(jīng)成為一種基本的科研設(shè)施。在大數(shù)據(jù)科研設(shè)施布局方面，美國(guó)已經(jīng)走在世界前列。例如能源部（DOE）將斥資2500萬(wàn)美元建立可擴(kuò)展數(shù)據(jù)管理與可視化研究所，幫助科學(xué)家對(duì)數(shù)據(jù)進(jìn)行有效管理，促進(jìn)其生物和環(huán)境研究計(jì)劃、美國(guó)核數(shù)據(jù)計(jì)劃等的研究成果?！?〕

二是科研方法從假說(shuō)驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)探索。正如第谷的助手開(kāi)普勒從第谷對(duì)天體運(yùn)動(dòng)的系統(tǒng)觀察記錄中發(fā)現(xiàn)了行星運(yùn)動(dòng)定律那樣，在對(duì)所采集并仔細(xì)保存的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行挖掘和分析的基礎(chǔ)上建立起新的理論，正是大數(shù)據(jù)時(shí)代科學(xué)活動(dòng)的一個(gè)重要特征。大數(shù)據(jù)技術(shù)的巨大魅力在于通過(guò)統(tǒng)計(jì)算法揭示事物之間的相關(guān)性。美國(guó) Wired 雜志主編 Chris Anderson就認(rèn)為“理論已終結(jié)”、“數(shù)據(jù)洪流使傳統(tǒng)科學(xué)方法變得過(guò)時(shí)”。 〔4〕他相信只要將有相互關(guān)系的PB級(jí)數(shù)據(jù)丟進(jìn)巨大的計(jì)算機(jī)機(jī)群中，統(tǒng)計(jì)分析算法可以發(fā)現(xiàn)過(guò)去的科學(xué)方法發(fā)現(xiàn)不了的新規(guī)律、新知識(shí)?；谶@樣的技術(shù)，人們有理由相信，未來(lái)的科研方法將從傳統(tǒng)的假說(shuō)驅(qū)動(dòng)型轉(zhuǎn)向數(shù)據(jù)探索型?？茖W(xué)家們不必關(guān)心通過(guò)什么實(shí)驗(yàn)來(lái)驗(yàn)證假說(shuō)，而是追求從現(xiàn)有數(shù)據(jù)中發(fā)現(xiàn)研究對(duì)象之間的關(guān)聯(lián)，把多個(gè)學(xué)科和領(lǐng)域的數(shù)據(jù)進(jìn)行融合，或許就能有新的發(fā)現(xiàn)。

三是科研對(duì)象的雙重虛擬與觀察滲透。與大數(shù)據(jù)科研方法相對(duì)應(yīng)，科學(xué)研究的對(duì)象被以數(shù)據(jù)的形式二重虛擬化?！昂Ａ繑?shù)據(jù)的出現(xiàn)催生了一種新的科研模式，科研人員只需從數(shù)據(jù)中直接查找或挖掘所需要的信息、知識(shí)和智慧，甚至無(wú)需直接接觸所研究的對(duì)象。”〔5〕美國(guó)的海洋觀測(cè)站計(jì)劃（OOI）旨在幫助科學(xué)家們通過(guò)高清影像設(shè)備、傳感器控制、遙控潛水器等與海洋實(shí)現(xiàn)互動(dòng)。但要實(shí)現(xiàn)該計(jì)劃，還需要計(jì)算機(jī)科學(xué)家與海洋學(xué)家合作，共同提供采用連續(xù)數(shù)據(jù)的模型、自動(dòng)化的數(shù)據(jù)質(zhì)量控制和校準(zhǔn)、支持?jǐn)?shù)據(jù)分析和可視化方面的新方法。〔2〕（P32-35）這預(yù)示著在大數(shù)據(jù)時(shí)代，科學(xué)的觀察滲透進(jìn)一步加強(qiáng)：獲取數(shù)據(jù)的方法與設(shè)備、處理龐大數(shù)據(jù)的能力決定科學(xué)家能研究什么以及得到怎樣的研究結(jié)果；滲透到觀察結(jié)果中的不僅有本領(lǐng)域的科學(xué)理論，還有來(lái)自數(shù)據(jù)處理領(lǐng)域的理論與算法。

二、知識(shí)生產(chǎn)方式和科學(xué)進(jìn)步模式的變化

首先，知識(shí)生產(chǎn)對(duì)技術(shù)與資本的依賴性增強(qiáng)。大數(shù)據(jù)時(shí)代，科學(xué)研究與信息技術(shù)手段之間的聯(lián)系越來(lái)越緊密。以大數(shù)據(jù)技術(shù)進(jìn)行的研究需要極多的資源，收集、儲(chǔ)存、保留、管理、分析和共享海量數(shù)據(jù)各個(gè)環(huán)節(jié)都需要設(shè)備、技術(shù)與人才，獲得相當(dāng)?shù)目蒲匈Y金才可能進(jìn)行。先進(jìn)的數(shù)據(jù)處理技術(shù)既對(duì)科學(xué)研究提供了有力和有效的手段，又造成了科研路徑上的依賴甚至是障礙。研究者若沒(méi)有相應(yīng)的技術(shù)與設(shè)備，就無(wú)法獲得足夠的數(shù)據(jù)和深入的分析處理。因此，資源以及獲取資源的能力決定著科學(xué)家事業(yè)的前途，資本對(duì)知識(shí)生產(chǎn)的控制力將得到空前的強(qiáng)化。例如美國(guó)和加拿大海洋氣象臺(tái)的海王星項(xiàng)目撥出大約30%的預(yù)算用于信息化基礎(chǔ)設(shè)施（將近1億美元），而小實(shí)驗(yàn)室的科學(xué)家只能用免費(fèi)的EXCEL來(lái)處理數(shù)據(jù)。

其次，知識(shí)生產(chǎn)更傾向于工程化協(xié)作。由于使用大數(shù)據(jù)系統(tǒng)需要昂貴的技術(shù)成本，這使得科學(xué)家之間形成合作聯(lián)盟，共享儀器設(shè)備與技術(shù)服務(wù)。如LHC每年將產(chǎn)生50-100PB的數(shù)據(jù)，其中大約20PB數(shù)據(jù)通過(guò)國(guó)家級(jí)網(wǎng)格的全球聯(lián)盟進(jìn)行存儲(chǔ)和加工，這一聯(lián)盟連接了100萬(wàn)臺(tái)CPU?！?〕 除了節(jié)約成本的考慮外，產(chǎn)生大數(shù)據(jù)的項(xiàng)目大多本身就是一個(gè)大科學(xué)工程，需要科研人員進(jìn)行跨越多個(gè)領(lǐng)域的協(xié)同工作、各個(gè)領(lǐng)域的專(zhuān)家共同解決一些復(fù)雜問(wèn)題。例如海洋觀測(cè)站計(jì)劃（OOI）的電纜部件研究由華盛頓大學(xué)負(fù)責(zé)，維多利亞大學(xué)領(lǐng)導(dǎo)了在加拿大的工作，美國(guó)海洋規(guī)劃協(xié)會(huì)管理和整合整個(gè)OOI系統(tǒng)，伍茲霍爾海洋研究所和加利福尼亞大學(xué)圣地亞哥分校分別負(fù)責(zé)管理項(xiàng)目的沿海-全球部分和網(wǎng)絡(luò)基礎(chǔ)設(shè)施部分?！?〕（P32）

再者，科學(xué)進(jìn)步日益共享化與全球化。在工程化協(xié)作中所實(shí)現(xiàn)的科學(xué)進(jìn)步，實(shí)質(zhì)上也是一種共享式進(jìn)步。得益于大規(guī)模計(jì)算能力、存儲(chǔ)能力和科學(xué)儀器的共享支持，科學(xué)家們能夠方便地獲得和使用大量的來(lái)自其他科研團(tuán)隊(duì)的科學(xué)數(shù)據(jù)。例如，2009年丹麥第一例H1N1感染者得到確認(rèn)的幾天之后，H1N1病毒中的H1亞單位序列的全部1699個(gè)堿基就被提交到了EMBL-Bank（歐洲分子生物學(xué)實(shí)驗(yàn)室核酸序列數(shù)據(jù)庫(kù)），此后美國(guó)、意大利、墨西哥、加拿大、以色列等多個(gè)國(guó)家都提交了更多的病毒亞單位序列數(shù)據(jù)?！?〕（P120）在這樣的共享中，研究周期和研究費(fèi)用將大幅度縮減，從而提高了科學(xué)進(jìn)步的速度與質(zhì)量。大數(shù)據(jù)還使得科學(xué)進(jìn)步日益呈現(xiàn)出全球化的效應(yīng)。例如微軟全球望遠(yuǎn)鏡（WWT）作為國(guó)際“虛擬天文臺(tái)”的一部分，現(xiàn)在可以無(wú)縫鏈接到天文學(xué)家們已經(jīng)習(xí)慣的定量研究工具上?！?〕（P41）在這樣的研究模式中，科學(xué)家足不出戶就能獲得其他國(guó)家的技術(shù)設(shè)備與科研成果，來(lái)自全球的數(shù)據(jù)和信息能夠被用來(lái)為某一研究課題服務(wù)，得出的成果原則上是一種全球性的成果。

三、反思：大數(shù)據(jù)的利與弊

從積極的一面來(lái)看，大數(shù)據(jù)或?qū)㈤_(kāi)創(chuàng)科學(xué)研究的“第四范式”。大數(shù)據(jù)相關(guān)的科研方法將在越來(lái)越多的領(lǐng)域中發(fā)揮重大的甚至是決定性的作用。有了數(shù)據(jù)處理系統(tǒng)的輔助，科學(xué)家可以把精力集中在創(chuàng)造性的勞動(dòng)上，大數(shù)據(jù)不會(huì)自動(dòng)產(chǎn)生科學(xué)知識(shí)，但至少增加了科學(xué)家做出科學(xué)發(fā)現(xiàn)的時(shí)間和可能。一批樂(lè)觀的科學(xué)家更是看到了大數(shù)據(jù)對(duì)科學(xué)的變革力量。2007年，已故圖靈獎(jiǎng)得主吉姆·格雷（Jim Gray）把數(shù)據(jù)密集型科學(xué)從計(jì)算科學(xué)中區(qū)分出來(lái)，提出了數(shù)據(jù)密集型科學(xué)研究的“第四范式”。科學(xué)研究最早的兩種范式是實(shí)驗(yàn)型科研與理論型科研，第三種范式即計(jì)算型科研通過(guò)利用計(jì)算能力發(fā)揮理論的作用，第四種范式則是在未知規(guī)律的情況下，運(yùn)用計(jì)算能力從大數(shù)據(jù)中發(fā)現(xiàn)規(guī)律。

依賴大數(shù)據(jù)也可能帶來(lái)眾多負(fù)面影響。一是科研資源壟斷可能加劇。科學(xué)家能否進(jìn)入大數(shù)據(jù)的研究平臺(tái)，受制于海量的科研數(shù)據(jù)是否開(kāi)放，也取決于是否有相應(yīng)的設(shè)備來(lái)獲取和處理這些數(shù)據(jù)。大數(shù)據(jù)與資本緊密結(jié)合的特性強(qiáng)化了科研資源掌握者對(duì)科研的走向與產(chǎn)出的控制。二是科學(xué)家可能形成技術(shù)路徑依賴。數(shù)據(jù)技術(shù)只能對(duì)豐富而且復(fù)雜的真實(shí)世界提供相對(duì)簡(jiǎn)略的描述。更進(jìn)一步而言，尋找不同尋常和意料之外的東西需要?jiǎng)?chuàng)造性和洞察力。計(jì)算機(jī)和數(shù)據(jù)庫(kù)不可能自動(dòng)導(dǎo)致創(chuàng)造性的科學(xué)發(fā)現(xiàn)，科學(xué)家如果過(guò)分依賴數(shù)據(jù)資源和搜索工具，就會(huì)造成親身實(shí)踐獲取“第一手”資料的能力退化。三是科學(xué)合作的成果歸屬易引起紛爭(zhēng)。首先，對(duì)于數(shù)據(jù)提供方能否算作合作者并給予一定的署名權(quán)存在爭(zhēng)議；其次，對(duì)于工程化和全球化協(xié)作產(chǎn)生的成果是屬于集體智慧的，對(duì)于成果的所有權(quán)該如何分配？2013年的諾貝爾物理學(xué)獎(jiǎng)僅頒給兩位理論創(chuàng)始人弗朗索瓦·恩格勒特和彼得·希格斯，而發(fā)現(xiàn)希格斯玻色子的幾千名粒子物理學(xué)家卻無(wú)緣此榮譽(yù)，這引起了包括諾獎(jiǎng)評(píng)委安德斯？巴拉尼在內(nèi)的抗議。最令人擔(dān)心的是，隨著科學(xué)和技術(shù)和商業(yè)性的開(kāi)發(fā)越來(lái)越聯(lián)系緊密，一些具有商業(yè)價(jià)值的科學(xué)信息和數(shù)據(jù)為擁有者所不愿意公開(kāi)，甚至通過(guò)申請(qǐng)專(zhuān)利來(lái)實(shí)施保護(hù)，這將帶來(lái)更大范圍的不公平與糾紛。

大數(shù)據(jù)是對(duì)人類(lèi)信息處理能力的挑戰(zhàn)，對(duì)科學(xué)家們來(lái)說(shuō)則是面臨著科研數(shù)據(jù)爆炸式增長(zhǎng)的威脅，如果沒(méi)有應(yīng)對(duì)好，科學(xué)可能就無(wú)從進(jìn)步?？茖W(xué)家們面對(duì)數(shù)據(jù)的泛濫，還應(yīng)該從根源上去反思，比如實(shí)驗(yàn)思路是否出了問(wèn)題。同時(shí)，大數(shù)據(jù)是應(yīng)對(duì)數(shù)據(jù)挑戰(zhàn)而提出的技術(shù)系統(tǒng)，這也使得科學(xué)研究與技術(shù)手段之間的界限越來(lái)越模糊，科學(xué)能力甚至在某種意義上轉(zhuǎn)化為了技術(shù)能力，這對(duì)科學(xué)與技術(shù)之間的關(guān)系提出了新的問(wèn)題，值得學(xué)者們深入研究。

〔參 考 文 獻(xiàn)〕

〔1〕Manyika，J，Chui M，Brown J，et al. Big Data： The Next Frontier for Innovation， Competition and Productivity〔R〕.McKinsey Global Institute，2011：1.

〔2〕Tony Hey，等.第四范式：數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)〔M〕.潘教峰，等，譯.北京：科學(xué)出版社，2012.

〔3〕馮海超.透視美國(guó)大數(shù)據(jù)爆發(fā)全景〔J〕.互聯(lián)網(wǎng)周刊，2013，（01）：39.

〔4〕Chris Anderson. The End of Theory： The Data Deluge Makes the Scientific Method Obsolete〔J〕. Wired， 2008，（07）：16.

〔5〕牛祿青.構(gòu)建大數(shù)據(jù)產(chǎn)業(yè)環(huán)境——專(zhuān)訪中國(guó)工程院院士、中科院計(jì)算所首席科學(xué)家李國(guó)杰〔J〕.新經(jīng)濟(jì)導(dǎo)刊，2012，（12）：39.

〔6〕A.M.Parker.Towards 2020 Science〔M〕.MicrosoftCorporation，2006.

〔責(zé)任編輯：陳玉榮〕