劉卓軍

數(shù)據(jù)是原料，信息是產(chǎn)品，而真正能體現(xiàn)出價(jià)值的還得是信息?！皵?shù)據(jù)”堪稱為元詞，甚至《辭?！分卸紱]有關(guān)于它的明確詞條。對(duì)于“信息”，《辭海》則將其解釋成“泛指消息和信號(hào)的具體內(nèi)容和意義”。盡管如此，并不阻礙人們愉快地認(rèn)為，數(shù)據(jù)是用于表示客觀事物的未經(jīng)加工的原始素材，它是對(duì)事實(shí)、事物、系統(tǒng)的觀察或觀測(cè)到的結(jié)果，形式上具有多樣性。從人們的生活實(shí)踐和社會(huì)實(shí)踐來看，數(shù)據(jù)和信息不可分離，數(shù)據(jù)是信息的載體和表達(dá)，信息是數(shù)據(jù)的內(nèi)涵，是經(jīng)過加工了的數(shù)據(jù)，是數(shù)據(jù)處理的結(jié)果。這種認(rèn)識(shí)和理解與信息論奠基人香農(nóng)指出的“信息是用來消除隨機(jī)不確定性”的本質(zhì)并不抵觸。

事實(shí)上，對(duì)于感興趣的事實(shí)、事物乃至系統(tǒng)，如果獲取的信息多，對(duì)其在認(rèn)識(shí)上的不確定性或模糊性就會(huì)少。不難理解，人們對(duì)系統(tǒng)的關(guān)注和興趣，根本的目的是要認(rèn)識(shí)它、適應(yīng)它、溶入它、“控制”它，乃至最終利用它并與其和諧相處。這其中當(dāng)然需要智慧。差不多可以這樣認(rèn)為，歷史發(fā)展到今天，人類獲取智能所遵循的就是一條從數(shù)據(jù)（data）到信息（information）到常識(shí)（knowledge）到認(rèn)識(shí)（insight）到智慧（wisdom）的演變路徑。而人工智能的終極發(fā)展，這個(gè)路徑也極具價(jià)值。

處在信息時(shí)代、信息技術(shù)高度發(fā)展而且還在快速發(fā)展的歷史節(jié)點(diǎn)上，已經(jīng)容不得不從大數(shù)據(jù)、云計(jì)算和物聯(lián)網(wǎng)這三個(gè)維度和角度來審視信息社會(huì)的發(fā)展進(jìn)程和狀態(tài)了。根據(jù)全球最具權(quán)威的IT研究與咨詢公司高德納（Gartner）建立的IT概念及潛在項(xiàng)目演變的成熟度變化曲線模型，即便到今天，大數(shù)據(jù)、云計(jì)算和物聯(lián)網(wǎng)也還沒有進(jìn)入到成熟、穩(wěn)固、全面發(fā)展的狀態(tài)。這從另一個(gè)方面也預(yù)示著，信息社會(huì)的發(fā)展不久將會(huì)進(jìn)入更加激動(dòng)人心的階段。

正是因?yàn)閿?shù)據(jù)與信息的緊密關(guān)聯(lián)，大數(shù)據(jù)才在社會(huì)的各個(gè)層面受到特別的關(guān)注和更大的重視。數(shù)往知來，獲取數(shù)據(jù)不是目的，提取信息才是所求，甚至這也僅僅是個(gè)過渡性的追求，更大的期盼是獲得更多的知識(shí)以提升具有更高智能的智慧。

數(shù)據(jù)的大量產(chǎn)出是信息技術(shù)和信息社會(huì)快速發(fā)展的必然結(jié)果。筆者在1990年代早期赴美國的大學(xué)從事研究期間就領(lǐng)略到美國教授和IT工程師的一種察覺：“計(jì)算機(jī)磁盤空間永遠(yuǎn)也不夠大。”根據(jù)全球著名的管理咨詢公司麥肯錫（McKinsey）2011發(fā)布的關(guān)于大數(shù)據(jù)的報(bào)告，到2007年的時(shí)候，全球一年所生成的全部數(shù)據(jù)第一次超過了全世界全部存儲(chǔ)器所能容納的程度。這意味著一些數(shù)據(jù)如過眼煙云般隨生隨滅了。如今，存儲(chǔ)器集成度在提升價(jià)格在下降，以GB和TB為單位的數(shù)據(jù)盤和存儲(chǔ)器已經(jīng)非常普遍，盡管全球的數(shù)據(jù)存儲(chǔ)能力得到明顯加強(qiáng)，但卻要“水漲船高”地面對(duì)全球每天生成的高達(dá)2.5EB字節(jié)之巨量的數(shù)據(jù)，這大體上相當(dāng)于1萬個(gè)美國國會(huì)圖書館全部藏書的數(shù)字化之規(guī)模。顯然，數(shù)據(jù)價(jià)值評(píng)估與數(shù)據(jù)冗余去除及數(shù)據(jù)噪音去除已經(jīng)成為一個(gè)首當(dāng)其沖的問題，因?yàn)閿?shù)據(jù)越多，從中提取出有用的信息就越困難。撇開抽樣而利用全數(shù)據(jù)空間是一個(gè)誘人而沒有技術(shù)和方法支撐的想法?！捌【坪湍虿肌钡年P(guān)聯(lián)故事很難在更大范圍更寬領(lǐng)域重現(xiàn)，而且即使這個(gè)關(guān)聯(lián)關(guān)系本身的發(fā)現(xiàn)也需要數(shù)據(jù)之外的工具和技術(shù)。

數(shù)據(jù)價(jià)值挖掘的好，首先數(shù)據(jù)要存放的好，數(shù)據(jù)的干凈程度要高。不論是大數(shù)據(jù)還是小數(shù)據(jù)，從數(shù)據(jù)走向信息才是王道。在紀(jì)念信息論奠基人香農(nóng)誕辰100年的今天，我們更應(yīng)從信息的角度來審視數(shù)據(jù)及相關(guān)的概念延展：0級(jí)信息是數(shù)據(jù)，1級(jí)信息是信息本身，2級(jí)信息是常識(shí)，3級(jí)信息是認(rèn)識(shí)，4級(jí)信息是智慧。本質(zhì)上，數(shù)據(jù)總是產(chǎn)生自一個(gè)系統(tǒng)，系統(tǒng)的日益復(fù)雜性自然導(dǎo)致了數(shù)據(jù)呈現(xiàn)出的復(fù)雜性，而攻克復(fù)雜性問題將是科學(xué)、技術(shù)、工程領(lǐng)域必須長(zhǎng)期面對(duì)的挑戰(zhàn)。為了實(shí)現(xiàn)大數(shù)據(jù)的健康發(fā)展，需要從數(shù)據(jù)采集和存儲(chǔ)的一開始就要尤其關(guān)注數(shù)據(jù)和信息的融合。只有這樣，大數(shù)據(jù)才能發(fā)揮出更大的價(jià)值！

注：2016年4月30日是信息論奠基人香農(nóng)誕辰100周年的紀(jì)念日。