［美］拉斐爾·阿爾瓦拉多 ［美］保羅·漢弗萊斯/文薛永紅/譯

一、引 言

“大數(shù)據(jù)”一詞大約于1995年開始使用，其含義在2008年發(fā)生了根本性的變化：從運用大規(guī)模數(shù)據(jù)集發(fā)現(xiàn)并解決問題的一種方法，一躍成為建構(gòu)新興經(jīng)濟和文化秩序的“法寶”。它對人類所產(chǎn)生的深刻、普遍的影響，在讓人歡欣鼓舞的同時，也讓人憂心忡忡。從經(jīng)濟的角度來看，目前“大數(shù)據(jù)”指代一種以數(shù)據(jù)為媒介的商業(yè)形式（以谷歌為代表），它把從大規(guī)模網(wǎng)絡(luò)中生成、收集的數(shù)據(jù)用于機器學(xué)習(xí)，從而使其成為互聯(lián)網(wǎng)的實際中心。從文化的角度來看，該詞則代表一種新的知識和知識生產(chǎn)的形式，《連線》 （Wired）雜志的主編克里斯·安德森（Chris Anderson）在《科學(xué)理論的終結(jié)》一文中對此就有所闡述。①C. Anderson， “The End of Theory： The Data Deluge Makes the Scientific Method Obsolete”， Wired， Vol.16，No.7， 2008， p.17.本文中，我們將從實際社會和科學(xué)變革的可觀察屬性的維度探討這兩種含義以及它們之間的聯(lián)系。為此，我們將引入三個核心概念：數(shù)據(jù)域（datasphere）、深調(diào)制（thick mediation）以及不透明表征（representational opacity）。這三個概念作為一個理論框架，可以幫助我們理解大數(shù)據(jù)在經(jīng)濟和文化維度上——一個是地方性和生成性的，另一個是全球性的和涌現(xiàn)性的——如何交互以及在交互過程中產(chǎn)生的一系列的后果、問題和機遇。

二、從小寫的大數(shù)據(jù)到大寫的大數(shù)據(jù)

雖然很難為“大數(shù)據(jù)”給出一個抽象的定義，但這個詞的概念源起具有清晰的歷史脈絡(luò)?！按髷?shù)據(jù)”這個詞最早出現(xiàn)在20世紀(jì)90年代，當(dāng)時各行業(yè)和各門科學(xué)廣泛地使用數(shù)據(jù)采集和數(shù)據(jù)存儲設(shè)備——從計算機科學(xué)儀器和收銀機到關(guān)系數(shù)據(jù)庫和數(shù)據(jù)倉庫——使得難以控制的數(shù)據(jù)流匯集成了海量數(shù)據(jù)。為了實現(xiàn)大數(shù)據(jù)集中挖掘并發(fā)掘其中潛在的認(rèn)知模式和商業(yè)價值，對于這些數(shù)據(jù)的組織與處理就變得十分迫切，數(shù)據(jù)挖掘應(yīng)運而生。此后，這種知識挖掘的有效模式被迅速崛起的谷歌演繹得淋漓盡致。1991年通過的《高性能計算法案》解除了對互聯(lián)網(wǎng)的監(jiān)管，之后，谷歌采用了數(shù)據(jù)挖掘技術(shù)來應(yīng)對互聯(lián)網(wǎng)爆炸式增長所帶來的問題，取得了矚目的成果。②我們將“互聯(lián)網(wǎng)”視為一個專有名詞，它的前身是阿帕網(wǎng)（APPANET）。2008年，《自然》和《連線》雜志均圍繞“大數(shù)據(jù)”這一主題組織了關(guān)于谷歌的討論，然而主題并不是討論它在管理和開發(fā)大數(shù)據(jù)方面所取得的成功經(jīng)驗，而是將谷歌作為一個科學(xué)研究的典范，討論人類能從它身上學(xué)到什么。此后，大數(shù)據(jù)的概念不僅涵蓋了一套完整而又行之有效的數(shù)據(jù)處理方法（大致對應(yīng)數(shù)據(jù)科學(xué)和機器學(xué)習(xí)領(lǐng)域），而且作為一種發(fā)現(xiàn)科學(xué)知識的新工具為人們所理解。

沿著這條發(fā)展線索，大數(shù)據(jù)逐漸派生出了兩種廣泛的含義，我們稱之為小寫的大數(shù)據(jù)（big data）和大寫的大數(shù)據(jù)（Big Data）。小寫的“大數(shù)據(jù)”指的是擁有海量數(shù)據(jù)的組織機構(gòu)所面臨的技術(shù)問題。盡管在這個意義上它通常指的就是數(shù)據(jù)集本身，并強調(diào)其復(fù)雜性以及龐大的體量，但該術(shù)語更多地被用作一種代表，即代表在諸如天體物理學(xué)、生物信息學(xué)和其他領(lǐng)域成功應(yīng)用相關(guān)方法獲取數(shù)據(jù)流的科學(xué)學(xué)科以及在商業(yè)領(lǐng)域的消費分析等。準(zhǔn)確地說，我們將小寫的“大數(shù)據(jù)”一詞視為與數(shù)據(jù)科學(xué)相關(guān)的活動和方法，因為這些數(shù)據(jù)集太大以至于不能用傳統(tǒng)方法進行分析。

當(dāng)這些活動和方法向社會各領(lǐng)域滲透并迅速發(fā)展——尤其是在經(jīng)濟和文化領(lǐng)域，便產(chǎn)生了大寫的大數(shù)據(jù)。在經(jīng)濟上，這個術(shù)語表示以數(shù)據(jù)為中介的商業(yè)形式，包括大量的基于數(shù)據(jù)建立的公司與業(yè)務(wù)，谷歌就是其典型代表。在文化上，這個術(shù)語代表了一種由數(shù)據(jù)科學(xué)研究者所倡導(dǎo)的新的知識和知識生產(chǎn)方式。這兩個方面無疑是相互聯(lián)系的：大數(shù)據(jù)在經(jīng)濟領(lǐng)域產(chǎn)生的數(shù)據(jù)在內(nèi)容上具有社會性和文化性。大數(shù)據(jù)組織和收集到的人類行為數(shù)據(jù)——從整個圖書館的數(shù)字化和通過交易得到的公共機構(gòu)的數(shù)據(jù)（如使用信用卡或谷歌搜索）到從社交媒體抓取到的數(shù)據(jù)——在數(shù)量上大大超過了通過傳統(tǒng)的方法如調(diào)查研究、參與觀察、檔案記錄等所獲取的數(shù)據(jù)。這些數(shù)據(jù)不僅規(guī)模龐大，而且涉及范圍廣，包括精確且詳盡的行為痕跡（比如通過掃描卡或社交媒體而追蹤到的關(guān)于消費者的數(shù)據(jù)）。顯然，如果沒有相關(guān)的技術(shù)設(shè)備的存在，就無法捕捉這些數(shù)據(jù)。這種社會性的數(shù)據(jù)在量和質(zhì)的方面發(fā)生了根本性變化，這就對技術(shù)和文化提出了巨大的挑戰(zhàn)。因此，大寫的大數(shù)據(jù)是人文主義者和社會科學(xué)家所關(guān)注的領(lǐng)域。

三、數(shù)據(jù)域（Datasphere）

大寫的大數(shù)據(jù)可以被認(rèn)為是小寫的大數(shù)據(jù)的經(jīng)濟和文化轉(zhuǎn)向，因此會使社會組織的知識結(jié)構(gòu)產(chǎn)生歷史性的變革。這種轉(zhuǎn)向是基于近幾十年來發(fā)展、滲透在全球各領(lǐng)域和組織的巨大的電子網(wǎng)絡(luò)所生產(chǎn)的數(shù)據(jù)之上的，包括政府、醫(yī)藥、金融、教育和商業(yè)。這個網(wǎng)絡(luò)既不是抽象的，也不是虛擬的，它是在人類生物圈內(nèi)發(fā)展起來的、具備技術(shù)和社會因素的具體結(jié)構(gòu)，并且具有與卡爾·波蘭尼（Karl Polanyi）在《大轉(zhuǎn)型》 （The Great Transformation）中所描述的自由市場相似的空間結(jié)構(gòu)，只是規(guī)模更大一些。①K. Polanyi， The Great Transformation： The Political and Economic Origins of our Time， Boston： Beacon， 1957.這個網(wǎng)絡(luò)結(jié)構(gòu)有許多其他的名稱，例如，文學(xué)作品中吉布森（William Gibson）的“網(wǎng)絡(luò)空間”概念，社會科學(xué)中卡斯特（Manuel Casetells）的“流動空間”概念以及祖博夫（Shoshana Zuboff）的“監(jiān)督資本主義”概念等。①W. Gibson， “Burning Chrome”， Omni，Vol.4， No.10， 1982， pp.72—77； M. Castells， “The Space of Flows”， The Information Age： Economy，Society， and Culture（Vol.1），Cambridge， MA： Wiley-Blackwell， 1996， pp. 376—423； S.Zuboff， “Big Other： Surveillance Capitalism and the Prospects of an Information Civilization”， in Journal of Information Technology，Vol.30， No. 1， 2015， pp.75—89.所有這些含義都是有價值的，它們就像一個個透鏡，透視著人類社會的眾多維度，我們將其稱之為數(shù)據(jù)域——一個由洛西克夫（Rushkoff）提出并被加芬克爾（Garfinkel）清晰地下過定義的術(shù)語，它指的是“對機器可讀數(shù)據(jù)的收集、聚合和使用的基礎(chǔ)設(shè)施”②D.Rushkoff， Media Virus!： Hidden Agendas in Popular Culture， New York： Ballantine Books， 1994； S.Garfinkel，Database Nation： The Death of Privacy in the 21st Century， Beijing： O’Reilly Media， 2000.。

數(shù)據(jù)域作為一種社會建制，從許多相互獨立的領(lǐng)域及其相互聯(lián)合的進程中涌現(xiàn)并嵌入其中，如計算思維的發(fā)展、自然科學(xué)和社會科學(xué)中的統(tǒng)計方法及各種世界假說的興起、對用于組織和管理人口的各種記錄的使用（包括紙質(zhì)記錄和電子記錄）以及以計算設(shè)備為基礎(chǔ)的用于數(shù)據(jù)共享的通信網(wǎng)絡(luò)的建構(gòu)等。數(shù)據(jù)域的許多文化效應(yīng)并不是新事物，例如對信息超載的焦慮和對海量數(shù)據(jù)所帶來的變革的樂觀信念。數(shù)據(jù)域的獨特之處在于，它將之前的信息實踐結(jié)合到目前最新的、具備前所未有的規(guī)模和力量的計算機基礎(chǔ)設(shè)施之中。為了滿足生產(chǎn)和控制信息的需求，這些基礎(chǔ)設(shè)施被合并到組織內(nèi)部，由此首先產(chǎn)生了小寫的大數(shù)據(jù)，繼而為大寫大數(shù)據(jù)的許多獨特屬性做了鋪墊和規(guī)定。如果沒有這些基礎(chǔ)設(shè)施，就不可能有這種形式的數(shù)據(jù)積累，也無法使數(shù)據(jù)的挖掘和使用成為一種新的知識形式。正是因為數(shù)據(jù)域的存在，才使大數(shù)據(jù)能夠以兩種形式存在。最后，數(shù)據(jù)域通過全球網(wǎng)絡(luò)化的商業(yè)和協(xié)作模式得到擴展，這些模式可以通過網(wǎng)絡(luò)實現(xiàn)（如商業(yè)網(wǎng)站），還可以通過開放源代碼軟件等進行協(xié)作實踐。在Web 2.0階段，用戶生成內(nèi)容（UGC）的交互式網(wǎng)站變得很普遍，數(shù)據(jù)域在社交互動層面有了一系列的創(chuàng)新和發(fā)展，其中包括Facebook和Twitter等社交媒體平臺、零售平臺、博客圈、書簽網(wǎng)站和移動計算設(shè)備，這些設(shè)備可以隨時隨地將用戶連接到這些平臺上。近來，數(shù)據(jù)域已經(jīng)包含了新的參與平臺，這就使得以Uber、Airbnb、維基解密、物聯(lián)網(wǎng)、云計算、開源數(shù)據(jù)為代表的“零工經(jīng)濟” （gig economy）成為可能。

總之，數(shù)據(jù)域是歷史建構(gòu)的、分布在不同地理位置上的、社交性的網(wǎng)絡(luò)，人與機器在此網(wǎng)絡(luò)中進行數(shù)據(jù)交換。我們將這個網(wǎng)絡(luò)視為一種拉圖爾（Bruno Latour）意義上的行動者網(wǎng)絡(luò)：它作為共同參與者，包括了人與機器之間的一系列交流，并產(chǎn)生了我們與特定社會、文化以及體系相聯(lián)結(jié)的獨特的互動模式。③B. Latour， Reassembling the Social： An Introduction to Actor-Network-Theory， Oxford： Oxford University Press，2005.與本質(zhì)上的社交網(wǎng)絡(luò)的異常特征不同，技術(shù)要素作為中介建構(gòu)了人與人之間的關(guān)系。正如人類學(xué)家邁克爾·韋斯（Michael Wesch）所言，按照語言人類學(xué)的概念，每個新的數(shù)字平臺（如Facebook，Snapchat或Uber）都會創(chuàng)建自己獨有的參與者結(jié)構(gòu)，將人們整合于包含具體社會關(guān)系和角色的特定序列之中。①N. L. Whitehead and M.Wesch， Human No More： Digital Subjectivities， Unhuman Subjects， and the End of Anthropology， Boulder： Univ. Press of Colorado， 2012； H.A. Innis， Empire and Communications，Oxford：Clarendon， 1950.在這個網(wǎng)絡(luò)中，計算機的作用與多年前哈羅德·伊尼斯（Harold Innis）提出的原則一致，即媒體形式和交流方式塑造了社會關(guān)系，甚至如本尼迪克特·安德森（Benedict Anderson）在《想象的共同體》中所言，它在一定程度上形成了一個國家的民族特性。

表征數(shù)據(jù)域的參與結(jié)構(gòu)通過在軟件中執(zhí)行編碼并在硬件約束下運行規(guī)則得以生成。譬如像Facebook之類的社交媒體平臺，是通過硬件和軟件建立人類參與者（“朋友”）之間的對稱關(guān)系網(wǎng)絡(luò)來實現(xiàn)個人之間的溝通的。由此產(chǎn)生的社交網(wǎng)絡(luò)，從用戶的角度來看，具有或多或少的扁平化和非等級屬性。與此相反，Twitter通過非對稱“跟隨”的邏輯建立關(guān)系，進而形成網(wǎng)絡(luò)，用戶可以通過將關(guān)注者的比例最大化來構(gòu)建層級結(jié)構(gòu)。

除結(jié)構(gòu)性結(jié)果外，還有與使用媒體形式有關(guān)的特定的社會進程。在數(shù)據(jù)域中，典型的社會進程開始于對一些基本人類行為模式的表征和捕捉，這類行為一般是一些基本交易事件（例如打一次電話或進行一次購買），這類事件可以轉(zhuǎn)化為數(shù)據(jù)，我們就稱之為數(shù)據(jù)捕獲事件。②需要強調(diào)的是，盡管我們把注意力放在人類這一因素上，但是數(shù)據(jù)域不僅僅局限于人與人、人與機器之間的交互。自動出租車的運行、軍用無人機對信息的收集、熊入侵的視頻圖像等，所有這些內(nèi)容都是數(shù)據(jù)域的組成部分。在每個數(shù)據(jù)捕獲事件中，行為被轉(zhuǎn)換并打包成具有元數(shù)據(jù)內(nèi)容的自包含信息。通常情況下，可用的元數(shù)據(jù)包括事件的具體時間（秒）、地理位置（米）以及電話號碼或電子郵件地址等形式的個人標(biāo)識符。一旦這些數(shù)據(jù)被捕獲和打包成功，捕獲設(shè)備就會通過一系列通道（如WiFi集線器，光纖電纜和蜂窩塔）將這些數(shù)據(jù)發(fā)送到云端的服務(wù)器。數(shù)據(jù)包作為離散記錄或“觀察結(jié)果” （從數(shù)據(jù)中獲取相應(yīng)模式的分析員如此稱呼此類數(shù)據(jù)）進入并儲存在云端數(shù)據(jù)庫中。在數(shù)據(jù)庫中，單個數(shù)據(jù)包將與以相同方式捕獲的其他數(shù)據(jù)包聚合。在這一過程中，數(shù)據(jù)將會到達(dá)一個臨時的終端。數(shù)據(jù)庫通常由首先創(chuàng)建數(shù)據(jù)捕獲事件的組織擁有，如應(yīng)用程序的所有者、信用卡公司或二者的組合。捕獲的數(shù)據(jù)包將成為在此類組織內(nèi)部使用的大量數(shù)據(jù)中的一部分——它將成為該組織歷史記錄的一部分，或者可能成為季度報告中聚合數(shù)據(jù)點的一部分。

在大數(shù)據(jù)時代，這些數(shù)據(jù)并不會長期停留在數(shù)據(jù)倉庫中。它們將與組織的數(shù)據(jù)倉庫或“湖”中的其他數(shù)據(jù)集相結(jié)合，或者出售給另一個組織。然后，數(shù)據(jù)工程師對數(shù)據(jù)進行清理并將其轉(zhuǎn)化為數(shù)據(jù)分析人員可分析的形式。數(shù)據(jù)分析人員通過先進的分析方法對數(shù)據(jù)進行挖掘，以發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)。他們將挖掘到的結(jié)果或轉(zhuǎn)交給執(zhí)行官做出決定，或推送給其他算法以用于其他分析目的，或?qū)⑵浞答伒綌?shù)據(jù)產(chǎn)品中并重新傳輸回數(shù)據(jù)捕獲站點。例如，他們將個人的社交媒體帖子與他或她的朋友組群信息結(jié)合在一起進行分析，分析結(jié)果將用于構(gòu)建該人能看到的推送，這反過來又會刺激另一個消息的發(fā)生，即另一個數(shù)據(jù)捕獲事件。

這一過程具備一種敘事性的特質(zhì)，反映為布朗和杜古德（John Seely Brown and Paul Duguid）所述的“信息社會生活”：數(shù)據(jù)在移動——從數(shù)據(jù)捕獲階段到數(shù)據(jù)聚合階段，之后是數(shù)據(jù)分析階段以及其他的數(shù)據(jù)運用階段。①J. S. Brown and P. Duguid， “Mysteries of the Region： Knowledge Dynamics in Silicon Valley”， in The Silicon Valley Edge： Habitat for Innovation and Entrepreneurship， edited by Chong-Moon Lee， W. F. Miller， M. G. Hancock and H. S. Rowen， Stanford， CA： Stanford University Press， 2000， pp.16—45.這個過程說明了大寫大數(shù)據(jù)與小寫大數(shù)據(jù)二者間的重要區(qū)別。在自然科學(xué)領(lǐng)域中收集和處理極大的數(shù)據(jù)集時，只存在從世界到數(shù)據(jù)收集器的單向通道。當(dāng)我們使用科學(xué)研究的結(jié)果來改變自然世界時，雖然工程學(xué)上可能會有一些例外，但在某些自然科學(xué)領(lǐng)域如天體物理學(xué)中，數(shù)據(jù)收集行為并不會影響星系本身。而在大寫大數(shù)據(jù)的許多領(lǐng)域，存在信息和影響間的雙向流動。例如，社交媒體公司可能會收集青少年的數(shù)據(jù)，然后利用（并出售）這些數(shù)據(jù)來重塑他們的購買習(xí)慣和娛樂偏好。同樣，政黨和政府收集有關(guān)選民的數(shù)據(jù)，并使用這些數(shù)據(jù)分析產(chǎn)品來影響個人的投票決定。這也就意味著，大寫的大數(shù)據(jù)涉及觀察者與觀察者之間的反饋關(guān)系，而小寫的大數(shù)據(jù)通常不會。

這些結(jié)構(gòu)和過程中的細(xì)節(jié)與生成它們的媒體平臺一樣多變，但是若將之視為同一類別進行分析，則存在一個共同模式，其特征可能如圖1所示：

圖1 數(shù)據(jù)域的基本參與結(jié)構(gòu)

該圖描繪了包含三類代理方（agent）及相互關(guān)系在內(nèi)的基本參與結(jié)構(gòu)：其中M為參與過程的機器，它介于P1和P2之間，P1和P2代表任意數(shù)量的與服務(wù)有關(guān)的人員，組織O負(fù)責(zé)托管由M支持的服務(wù)。有些讀者會注意到，這種結(jié)構(gòu)似乎描述了以計算機為媒介交流（CMC）的典型情況。CMC是20世紀(jì)60年代人機交互領(lǐng)域中的一個關(guān)鍵概念，在該領(lǐng)域中，計算機建構(gòu)和改變了組織和社區(qū)中人與人之間的關(guān)系。然而，該圖中的結(jié)構(gòu)超出了該過程本身所創(chuàng)建的任何一個組織單位的界限。事實上，其所涉及的參與者（P1，P2）之間可能、也往往不認(rèn)識，更不用說發(fā)生面對面的交流。該圖說明了自社交媒體革命和Web 2.0時代以來，我們已經(jīng)意識到了這樣一種情況，即人與人之間的通信——從簡單的發(fā)短信到關(guān)注Facebook上的好友以及數(shù)字平臺提供的其他參與模式——絕不是私密的。即使在我們的想象中，這種人與人之間的通信方式應(yīng)該移除任何的“中間人”，然而由于第三方（即圖中的組織O）的存在，就使得這種非私密通信的狀況成為了可能。此外，通信行為以及因這種行為產(chǎn)生的信息存在于這個組織的利益鏈條之中，就像電話公司為每次通話收費一樣，但該組織絕不僅限于在通信服務(wù)中獲利。所以說，眾多社交媒體平臺免費的理由與廣播網(wǎng)絡(luò)電視免費的原因相同，這是因為無論是作為此類服務(wù)的參與者還是觀眾，這些人本身就是產(chǎn)品。機器主要促成的是參與者——尤其是參與者的數(shù)據(jù)——與組織之間的關(guān)系，而不是參與者之間的關(guān)系。

除此之外，人們很容易得出一種極端的結(jié)論：社會媒體以及在數(shù)據(jù)域內(nèi)的所有其他的以計算機為媒介的通信手段，其存在的目的都是為了賦予并擴大它們背后的組織的權(quán)力，如谷歌和亞馬遜，而對用戶利益的考量都是次要的或虛妄的。有一種推論認(rèn)為：大數(shù)據(jù)是一種新自由主義和全球主義的陰謀，機器扮演著數(shù)字雙重間諜的角色。此外，還有另一種說法，即大數(shù)據(jù)和數(shù)據(jù)科學(xué)的支持者們想要說明的是，并非所有的組織都與選民的利益相沖突，或與其他有利益沖突和監(jiān)管任務(wù)的組織毫無往來。事實上，這里所描述的數(shù)據(jù)流可被用來改善成員與組織之間以及不同組織之間的關(guān)系，尤其在醫(yī)學(xué)和教育領(lǐng)域中，大數(shù)據(jù)都發(fā)揮了明顯的積極作用。我們面臨的挑戰(zhàn)是，如何從物料和可操作性兩個角度調(diào)整系統(tǒng)，以使其適應(yīng)我們共同的需求。

在數(shù)據(jù)域的基本參與結(jié)構(gòu)中，有一個關(guān)鍵元素非常值得我們關(guān)注。從圖1可以看出，無論數(shù)據(jù)如何在使用者之間傳遞，數(shù)據(jù)始終停留在中間地帶，即某一數(shù)據(jù)庫中。在數(shù)據(jù)庫中，數(shù)據(jù)不但被存儲、聚合，還可被用于他途，而作為參與者通常對此毫不知情。因此，盡管基本參與結(jié)構(gòu)的每個元素都被認(rèn)為是必不可少的，但我們觀察到數(shù)據(jù)庫占據(jù)著所有數(shù)據(jù)最終必然流經(jīng)的中心和關(guān)鍵路徑，其作用就像“曼陀羅” （mandala），將用戶的周邊關(guān)系整合到組織的中心樞紐。產(chǎn)生這種向心性的本質(zhì)原因是數(shù)據(jù)庫為系統(tǒng)提供了長久記錄的空間。如果沒有數(shù)據(jù)庫的存在，所有的通信都是短暫的，即使我們想要如上文所述，將個體行為所產(chǎn)生的數(shù)據(jù)聚合轉(zhuǎn)換成數(shù)據(jù)包，都是不可能實現(xiàn)的。我們很難估計這個元素的重要性。作為流動在數(shù)據(jù)域中的數(shù)據(jù)的中心存儲庫，數(shù)據(jù)庫的功能與以讀寫能力為基礎(chǔ)的社會和組織中的編寫系統(tǒng)的功能相同。自舊石器時代以來，這種事情就一直在人類社會中上演。這是自計算機被引入公司以來，各組織投入的基本記錄技術(shù)，它是在編程語言、算法和應(yīng)用軟件等更為多變的潮流基礎(chǔ)上形成的信息管理的基石。基于此，我們認(rèn)為數(shù)據(jù)庫是真正的書寫和印刷技術(shù)的繼承者。①祖博夫認(rèn)為，數(shù)據(jù)庫在組織中起著一種文本的功能，在 In the Age of the Smart Machine： The Future of Work and Power （New York： Basic Books， 1988）一書中，他將數(shù)據(jù)庫描述為一種電子文本，發(fā)揮著“信息化”的功能，與工業(yè)機器的“自動化”過程類似。在該書中，祖博夫還根據(jù)口述與讀寫的相關(guān)理論詳細(xì)地闡述了數(shù)據(jù)庫的功能與作用。

四、深調(diào)制

如果數(shù)據(jù)庫在人們的網(wǎng)絡(luò)中扮演“文本”的作用，那么我們可以將數(shù)據(jù)庫在媒介傳播中所做的工作描述為語言人類學(xué)家使用的另一個術(shù)語——文本化（entextualization）。所謂的“文本化”指的是將短暫的話語轉(zhuǎn)化為持續(xù)的媒介形式（如寫作、歌曲）的過程，其影響社會生活的能力超越了話語的原始語境。因此，數(shù)據(jù)庫介入通信的一個關(guān)鍵作用是它會將人類的互動行為文本化，而在傳統(tǒng)媒體渠道（如電話）中這是不可能實現(xiàn)的，除非線路被監(jiān)聽或竊聽。這種持續(xù)的、實時的、無處不在的文本化的工作，使數(shù)據(jù)庫介入的通信方式與其他的通信方式明顯不同。因此，基于這種通信方式的數(shù)據(jù)域在歷史上也是獨一無二的。

從參與消息傳遞的兩個人（P1和P2）的角度來看，通過諸如移動電話等設(shè)備進行的通信或多或少是透明（transparent conversation）的。機器提供了用以發(fā)送和接收消息的清晰通道，如電話和電報。由于這些技術(shù)的目標(biāo)是忠實地將消息從發(fā)送方復(fù)制到接收方，因此我們可以說，這些技術(shù)對信息所做的是一種淺調(diào)制（thin mediation），意味著在某種程度上，信息雙方成功地擺脫了通信方式本身。香農(nóng)（Claude Shannon）的通信模型正體現(xiàn)了這種特征：通信工程師的最高目標(biāo)是消除信號通過信道時所產(chǎn)生的噪聲。②C. E. Shannon， “A Mathematical Theory of Communication”， ACM SIGMOBILE Mobile Computing and Communications Review， Vol.5，No. 1， 2001， pp. 3—55.然而，由于數(shù)據(jù)域中的信息被文本化并存儲在數(shù)據(jù)庫中，在數(shù)據(jù)庫中又被塑造、處理和重定向到與原始會話無關(guān)的第三方，交流行為因此發(fā)生了根本性的改變。我們把這種通信方式稱為深調(diào)制（thick mediation）。在這種通信方式下，啟用信號通道的目的不是為了擺脫這種方式，恰恰相反，是要從根本上重塑信息，因此其對信息本身做的是一種深度的調(diào)制行為，這一事實為馬歇爾·麥克盧漢（Marshall McLuhan）的著名論斷賦予了新的含義。③指加拿大著名傳播學(xué)家馬歇爾·麥克盧漢（Marshall Mcluhan，1911—1980年）對媒介的論斷，最著名的有：“媒介就是信息”“媒介是人體的延伸”等。——譯者我們不能簡單地認(rèn)為媒介自身就帶有信息，而是媒介塑造和放大了信息。

如果數(shù)據(jù)庫介入的通信是深調(diào)制，那么信道的寬度以及參與者結(jié)構(gòu)是數(shù)據(jù)庫文本性質(zhì)的函數(shù)，人類學(xué)家伊蘭娜·格爾森（Ilana Gershon）也認(rèn)為，新媒體形式的參與者結(jié)構(gòu)是媒體形式固有屬性的函數(shù)，但是受用戶感知與執(zhí)行方式的約束。①I. Gershon， “Language and the Newness of Media”， Annual Review of Anthropology， Vol.46， No.1， 2017，pp.15—31.因此，要了解深調(diào)制的影響，我們應(yīng)該探索數(shù)據(jù)庫作為媒體形式的屬性以及基本參與者結(jié)構(gòu)如何感知和利用這些屬性。

在數(shù)據(jù)庫內(nèi)在屬性的研究方面，列夫·曼諾維奇（Lev Manovich）將數(shù)據(jù)庫看作是“一種象征形式”，我們認(rèn)為他的這一開創(chuàng)性工作非常有價值。②L. Manovich， “Database as Symbolic Form”， Convergence， Vol.5， No. 2， 1999， pp.80—99.“數(shù)據(jù)庫邏輯”與歷史和文學(xué)文本的敘事邏輯相反，曼諾維奇描述了“數(shù)據(jù)庫邏輯”的通用屬性：在數(shù)據(jù)庫中，內(nèi)容的順序并不重要（其順序是“隨機存取”）；工作本身并沒有任何開端或結(jié)局，而且其信息在結(jié)構(gòu)上是聚合的（而不是組合關(guān)系的）。有趣的是，曼諾維奇的觀點具體地體現(xiàn)了幾年前利奧塔（Jean-Fran?ois Lyotard）在《后現(xiàn)代狀態(tài)》中所預(yù)期的計算機知識的反敘事特質(zhì)。③J. F. Lyotard， The Postmodern Condition： A Report on Knowledge， translated by G. Bennington and B. Massumi，Minneapolis： University of Minnesota Press， 1984.在此基礎(chǔ)上，我們可以再增加以下幾點：數(shù)據(jù)庫的文本是一個個單獨提供的信息的聚合；原始數(shù)據(jù)生成行為的唯一性將丟失，因為與該行為相關(guān)聯(lián)的轉(zhuǎn)發(fā)和打包行為使數(shù)據(jù)變成一組相似的數(shù)據(jù)［以瓦爾特·本杰明（Walter Benjamin）在《機械復(fù)制時代的藝術(shù)作品》中所描述的“韻味的消散”的方式］；該行為使數(shù)據(jù)的語境減少從而成為元數(shù)據(jù)；數(shù)據(jù)庫的內(nèi)容可以是數(shù)字的、分類的或語言上碎片化的；每一個數(shù)據(jù)的實例都必須遵循一個固定架構(gòu)所定義的結(jié)構(gòu)；這些數(shù)據(jù)能被機器讀取，并能被人類用特殊的語言查詢等。

鑒于這些屬性，數(shù)據(jù)庫所介入的信息交互關(guān)系中的參與者根據(jù)他們?nèi)绾谓忉尯托袨閬沓袚?dān)某些角色。因此，對參與結(jié)構(gòu)所產(chǎn)生的結(jié)果需要作實證研究。在這里，我們還注意到，數(shù)據(jù)庫文本的受眾從來不是對話的參與者，他們只貢獻和接收數(shù)據(jù)庫整體文本的一小部分——作為參與結(jié)構(gòu)的各方即組織或準(zhǔn)組織，構(gòu)成了所謂的“B2B” （企業(yè)對企業(yè)）的關(guān)系。對數(shù)據(jù)域中的組織及其共同參與者來說，數(shù)據(jù)庫文本就是大寫的大數(shù)據(jù)。

除了上文所述的參與結(jié)構(gòu)外，我們還必須注意到另外一個事實，即數(shù)據(jù)庫作為社交紐帶處于另一類比社交媒體更為普遍（或至少存在這種可能）的參與結(jié)構(gòu)的核心位置，而這兩件事實共同放大了大數(shù)據(jù)作為人類行為文本化積累的意義。以上，我們描述了及物性（transitive structure）的參與結(jié)構(gòu)——在這種結(jié)構(gòu)中一個參與者和一個直接對象（另一個參與者）進行交互；除此之外，還有我們可以稱之為非及物性（intransitive structure）的參與結(jié)構(gòu)。從用戶的角度來看，這種非及物性交互形式的發(fā)生不涉及直接對象。人們通過與傳感器和監(jiān)視設(shè)備交互，從而產(chǎn)生此類參與結(jié)構(gòu)中的數(shù)據(jù)捕獲事件。如今，這些傳感器和監(jiān)視設(shè)備已經(jīng)變得越來越普遍，并嵌入到日常生活和工作當(dāng)中——從汽車到咖啡機、垃圾桶到血糖儀，這些嵌入式設(shè)備在物聯(lián)網(wǎng)上的增長標(biāo)志著數(shù)據(jù)域在社會生活中的延伸，以至于我們的生活被這種媒介包圍，就像細(xì)胞外基質(zhì)中的生物細(xì)胞一樣。此外，這種“基質(zhì)”還包括以前的內(nèi)容：由于Google Books和Hathi Trust等項目以及數(shù)不清的數(shù)字人文主義者——他們至少在過去的30年里一直在創(chuàng)造數(shù)字檔案——的工作，大量前數(shù)字媒體形式（如書籍和繪畫）的歷史資料被整理為數(shù)據(jù)庫的形式。

在深調(diào)制所產(chǎn)生的眾多認(rèn)知論后果中，我們特別感興趣的是它對利奧塔曾經(jīng)稱之為“信息化社會中的知識”的影響。①Lyotard， The Postmodern Condition: A Report on knowledge， p.xiii.自大數(shù)據(jù)崛起以來，這些影響并沒有被忽視。我們已經(jīng)注意到克里斯·安德森（Chris Anderson）那極端的觀點——谷歌改變了科學(xué)研究方法；如尼古拉斯·卡爾（Nicholas Carr）的黑色幽默所言，谷歌改變了我們的想法，并且可能“使我們變得愚蠢”。安德森在《科學(xué)理論的終結(jié)》一文中的觀點與卡爾的觀察結(jié)果非常接近，即在文學(xué)中，網(wǎng)絡(luò)提供的碎片化的和淺層的閱讀材料，使人們已經(jīng)放棄了長篇、持續(xù)的閱讀方式。②N. Carr，“ Is Google Making Us Stupid？ ” in The Atlantic Monthly， Jul/Aug 2008. https://www.theatlantic.com/magazine/archive/2008/07/is-google-making-us-stupid/306868/.所有這些結(jié)果與對這一現(xiàn)象——數(shù)據(jù)庫介入的通信方式改變了我們生產(chǎn)和消費知識的方式——的評價都截然不同。

此外，在對曼諾維奇的數(shù)據(jù)庫邏輯概念的平行思考中，克雷·舍基（Clay Shirky）盛贊了由大數(shù)據(jù)導(dǎo)致的本體論的衰落，他認(rèn)為與專家的封閉開發(fā)、研究相比，會有更有機的組織數(shù)據(jù)的模式和更加開放的社交媒體平臺進行研究。③C.Shirky，“ Ontology Is Overrated： Categories， Links， and Tags”， in Clay Shirky’s Writings About the Internet（blog）， 2005， shirky.com/writings/herecomeseverybody/ontology_overrated.html.在數(shù)字人文學(xué)科中，佛朗科·莫雷蒂（Franco Moretti）宣稱“文學(xué)批評已經(jīng)終結(jié)”，因為傳統(tǒng)上被認(rèn)為是“精讀” （close reading）的文學(xué)批評被一種“遠(yuǎn)距離閱讀” （distant reading）實踐所取代，這種實踐本質(zhì)上是將統(tǒng)計方法和數(shù)據(jù)挖掘應(yīng)用于被視為人造物的小說之中。④F. Moretti， Distant Reading， London： Verso Books， 2013.與此相似，在文學(xué)批評領(lǐng)域，泰德·安德伍德（Ted Underwood）也提出了關(guān)于“文學(xué)時代劃分的終結(jié)”的觀點，而時代劃分是文學(xué)批評的支柱，是一種對文學(xué)進行分類的有用方法。⑤T. Underwood， Why Literary Periods Mattered： Historical Contrast and the Prestige of English Studies， Stanford，CA： Stanford University Press， 2013.可見，在大數(shù)據(jù)背景下，無論所處領(lǐng)域或評價立場如何，都會描述一種常見的認(rèn)識論效應(yīng)，即我們將數(shù)據(jù)庫的調(diào)制作為代替文字書寫的一種代表性模式。而對機器數(shù)據(jù)庫中所包含的知識的訪問需要特殊的技術(shù)和表征方式，這些方法與非計算規(guī)程中使用的方法和表征方式在本質(zhì)上有極大的不同。

五、兩種不同的表征

以下我們將從認(rèn)識的不可及性（Epistemic inaccessibility）的概念展開論述。人類獲取知識的途徑隨著時間的推移發(fā)生了根本性的變化。當(dāng)大多數(shù)人還目不識丁的時候，只有少數(shù)人可以使用知識，但是隨著教育的普及，幾乎所有人都能接觸到知識。而現(xiàn)今，我們正在走向另一種狀態(tài)，即一個不具備必要的計算能力的人將無法訪問數(shù)據(jù)庫中所包含的知識。這不是傳統(tǒng)上為人們所熟悉的由經(jīng)濟和教育機會的鴻溝所導(dǎo)致的獲取知識的障礙，而是由于技術(shù)能力程度所導(dǎo)致的認(rèn)識論劃分。這種認(rèn)識的不可及性的程度將一直存在，比如對于大多數(shù)知識分子來說，他們了解當(dāng)代分子生物學(xué)知識的程度非常有限。但這種認(rèn)知限制并不是到達(dá)認(rèn)識可及性的唯一障礙。因為專有算法和知識產(chǎn)權(quán)法也會阻止人們對數(shù)據(jù)庫的自由訪問。當(dāng)然，互聯(lián)網(wǎng)所產(chǎn)生的（偶然）信息的開放性在一定程度上消除了這些障礙，但是多數(shù)證據(jù)業(yè)已表明，我們現(xiàn)在正在經(jīng)歷類似于英格蘭在18世紀(jì)到19世紀(jì)初的農(nóng)業(yè)封閉的時期，當(dāng)時新貴族和地主圈占大量公共用地作為自己的私人土地，從而導(dǎo)致“數(shù)據(jù)霸權(quán)”“數(shù)據(jù)孤島”等現(xiàn)象普遍存在。

這些特征使得那些缺乏穿透社會和技術(shù)表面的手段的人難以訪問大數(shù)據(jù)。當(dāng)然，這里還有一個更為深層次的問題：“這些關(guān)于數(shù)據(jù)域的不可及性對于運行它的人來說是否亦是不可知的？”一方面，數(shù)據(jù)庫的規(guī)模和復(fù)雜性以及處理數(shù)據(jù)庫所需的計算量，可能會對此產(chǎn)生直接的障礙；另一方面，缺乏合適的算法來處理數(shù)據(jù)也會造成障礙。除此以外，在數(shù)據(jù)域中有一種不同的認(rèn)知障礙，那就是表征能力。

有許多不同類型的表征形式，但在這里我們將集中討論透明和不透明的表征（transparent and opaque representations）。在透明的表征中，我們以一種能被人類進行明確審查、分析、解釋和理解的方式來表示系統(tǒng)的狀態(tài)，并且這些狀態(tài)之間的轉(zhuǎn)換由具有類似屬性的規(guī)則來表示；相反則為不透明表征。①我們可以將這些類型細(xì)分為語法透明（不透明）和語義透明（不透明）兩種，在本文中將不再闡述。就本文而言，如果一個表征在語法上或語義上具有不透明性，那么該表征就被看作是不透明的。我們所熟悉的人文科學(xué)的語言表征和自然科學(xué)的形式化表征通常是透明的。因為公理化理論方法的主要優(yōu)點之一是它明確規(guī)定了基本原則，并將一個領(lǐng)域的所有知識都?xì)w結(jié)為這些基本原則，歐幾里得的幾何理論就是一個典型例子。除了理論之外，科學(xué)模型也常常是透明的，就像一個硬幣拋擲的序列是可以由伯努利分布來建模一樣。模型的每個部分——獨立投擲、投擲概率的恒定性等——都被明確地表征。相反，存在一些使用不透明的表征的計算過程，或者其中可能沒有使用任何類型的表征。而從人類的角度來看，我們目前不能、甚至永遠(yuǎn)不能詳細(xì)了解這些過程是如何表征世界的。

就其性質(zhì)而言，想要舉出不透明表征的例子并不容易，但我們可以給出一個可能具有部分不透明表征的例子（其中只有一部分不透明的表征，并非所有的表征都是不透明的），該表征可能是說明性的。典型的例子如大數(shù)據(jù)文本分析所使用的主題建模。大數(shù)據(jù)主題建模是通過機器學(xué)習(xí)來建構(gòu)與文本或文本集合相關(guān)的統(tǒng)計模型的。統(tǒng)計模型則可以生成一組在文本中出現(xiàn)的單詞的概率分布。這些概率分布，不管是好是壞，都被稱為“主題”。①關(guān)于文本的“主題”是否適應(yīng)用于統(tǒng)計模型，存在很大爭議。我們僅僅在藝術(shù)層面使用它，不支持其他用途。假設(shè)我們分析的文本是哲學(xué)家約翰·斯圖亞特·密爾（John Stuart Mill）的作品。一個標(biāo)準(zhǔn)的主題建模程序給出了最有可能的主題詞，如人類、男人、道德、生活、女人、存在、社會，鑒于密爾對社會和政治哲學(xué)的興趣，這一主題建模則是一個可以被理解的結(jié)果。在另一個主題中，主題詞可能是資本、勞動力、工資、生產(chǎn)、土地、增加、成本等，由于密爾經(jīng)常研究政治經(jīng)濟學(xué)，這些主題詞很容易被理解為他對這個領(lǐng)域的興趣。但是如果主題詞是方法、實例、效果、差異、原因、協(xié)議和案例呢？這些主題詞所代表的含義似乎對一般人并不明顯，但如果對一個非常精通密爾工作的人而言，這個主題代表了密爾在歸納和因果推理的方法上的研究。此外，還有一些主題詞也很重要，如最多、必要、案例、知識、地點、部分、方法等，對于這些主題詞，人們可以推測（可能是不確定的）它們反映了什么，也可以通過改變主題的建模方法來生成一個更為“相干”的列表，或者人們可以忽略這個“主題”，比如將其作為統(tǒng)計噪音來處理。②對統(tǒng)計模型所輸出的“主題”如何評估，可參見 J. Chang， J. Boyd-Graber， C. Wang， S. Gerrish and D. M.Blei，“ Reading Tea Leaves： How Humans Interpret Topic Models”， Advances in Neural Information Processing Systems， Vol.32， 2009， pp.288—296。

但有趣的是，其中有一種概率分布捕捉到了密爾工作中潛在或隱藏的主題，而這些主題并不是以任何現(xiàn)有的英語單詞或短語來表征的。數(shù)據(jù)處理方法在文本中發(fā)現(xiàn)了這些隱藏的統(tǒng)計結(jié)構(gòu)，這種結(jié)構(gòu)對我們?nèi)祟悂碚f不明顯，但在算法方面是很明顯的。這種主題結(jié)構(gòu)與其他被捕獲的我們所熟悉的主題一樣真實，如果我們?nèi)祟惒荒芙忉屧撝黝}結(jié)構(gòu)，那么該部分的表征就是不透明的。這正是大數(shù)據(jù)的核心特征：我們把語言結(jié)構(gòu)換成了統(tǒng)計結(jié)構(gòu)，把透明表征換成了不透明表征。我們申明，這個例子很好地說明了表征的不透明性，但它并不是一個關(guān)于深調(diào)制的很有說服力的例子。當(dāng)這種調(diào)制確實發(fā)生在大數(shù)據(jù)的語境中時，即使輸入和輸出具有可預(yù)測的強大功能，也可以大大增加由媒介帶來的表征的不透明度。豪爾赫·路易斯·博爾赫斯（Jorge Luis Borges）已經(jīng)給我們展示了一個對什么樣的任務(wù)看起來是一個具有最低限度的表征透明的或表征自由的解釋。他的著名小說《博聞強記的富內(nèi)斯》中的主人公富內(nèi)斯（Funes）被描述為一個能記住他所經(jīng)歷的一切的超強記憶力的人，但“我們不要忘記，富內(nèi)斯幾乎不會進行一般的、純理論的柏拉圖式的思維”①J. L. Borges， Labyrinths： Selected Stories and Other Writings， New York： New Directions， 1964， p. 65.。富內(nèi)斯的情況類似于一個非結(jié)構(gòu)化數(shù)據(jù)庫，我們可以使數(shù)據(jù)庫中的元素之間進行任意關(guān)聯(lián)，但是要從更為一般的概念中推導(dǎo)出這種關(guān)聯(lián)則不可能。我們必須從外部對這些信息強加概念結(jié)構(gòu)從而達(dá)到理解。

我們理解的概念與我們不理解的概念之間的差異反映在機器學(xué)習(xí)中的有監(jiān)督與無監(jiān)督學(xué)習(xí)這兩種算法之間。在前者中，數(shù)據(jù)的分類類別由用戶決定，而在后者中則不是，必須要通過溯因。在無監(jiān)督學(xué)習(xí)中，任何分組都只由數(shù)據(jù)點的集合組成——哲學(xué)家們稱之為謂詞的擴展，而在許多情況下，人類并沒有熟悉的解釋。這種不透明度是小寫的大數(shù)據(jù)及大寫的大數(shù)據(jù)的主要特征，因為數(shù)據(jù)庫的規(guī)模迫使人們用計算機處理而不是人為分析。對人類來說，什么是機器的有效表征并不需要對人類透明。在大數(shù)據(jù)和機器學(xué)習(xí)的語境下，我們認(rèn)為透明和不透明（或表征自由）方法之間的差異至少與基于規(guī)則和統(tǒng)計學(xué)的方法與人工智能的方法之間的差別一樣重 要。

因為一些現(xiàn)代的機器學(xué)習(xí)方法，比如卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)使用了不透明的表征，并且具有與熟悉的語言概念不相對應(yīng)的特征，所以，我們所面臨的是這些表征是否會永遠(yuǎn)不被人類所知，以及某些方法是否表征自由。在缺乏不可證明的證據(jù)的情況下，預(yù)測一件事情不可能完成是不明智的，而且大數(shù)據(jù)的發(fā)展太迅速以至于它無法做出明確的判斷。盡管如此，我們堅持認(rèn)為，深調(diào)制的性質(zhì)會增加不透明表征的發(fā)生率。一種常見的情況是P1傳遞的數(shù)據(jù)被O加密。如果O不對P2提供適當(dāng)?shù)慕饷苘浖?，那么，M中包含的表征將對P2是不透明的。另一個熟悉但不太明顯的例子是醫(yī)學(xué)成像，機器的表征對于人類來說很難理解。在CAT（計算機輔助斷層掃描）掃描中，P1是作為患者的潛在腫瘤，P2作為放射技師，O則是將成像設(shè)備收集的數(shù)據(jù)轉(zhuǎn)換為正弦圖以便更快計算的軟件。正弦圖是對來自P1的數(shù)據(jù)的表征，但它們是人類無法解釋的，必須進行逆變換才能被P2理解。②關(guān)于CAT掃描的詳細(xì)解釋可參見Humphreys， “X-ray Data and Empirical Content”， in Logic， Methodology and Philosophy of Science XIV： Logic and Science Facing the New Technologies， edited by P. Schroeder-Heister， G.Heinzmann， W. Hodges， P. E.Bour， London： College Publications， 2014。第三個例子是社交媒體行為，它在一定程度上也反映了數(shù)據(jù)域的某些特征。P1和P2代表參與社交媒體的不同群體的個體，O是一個聚合數(shù)據(jù)的公司，M使用不透明表征的機器學(xué)習(xí)來生成對O有用的預(yù)測。對于人文學(xué)科來說，表征和解釋顯得非常重要。大數(shù)據(jù)表征的不透明度所帶來的挑戰(zhàn)成為某些抵抗機器學(xué)習(xí)進入人文和社會科學(xué)領(lǐng)域的人的一個主要依據(jù)。不需要任何表征的立場是有爭議的，關(guān)于這一點我們在討論“大數(shù)據(jù)不需要模型就能取得成功”時已經(jīng)作了說明。①具有代表性的討論可參見S. Leonelli， “What Difference Does Quantity Make？ On the Epistemology of Big Data in Biology”， Big Data and Society， Vol.1， No.1， 2014， pp.1—11； F. Mazzocchi， “Could Big Data Be the End of Theory in Science？” EMBO Reports， Vol.16， No.10， 2015， pp. 1250—1255。但是，即使在機器學(xué)習(xí)中使用了模型，由于它們的演化，也往往不能被人類精確地追蹤，而且它們只能部分地被人類解釋。盡管我們可能對內(nèi)部模型有部分的理解，但是算法的輸出或者內(nèi)部過程可能在現(xiàn)有的語言中不能構(gòu)建可識別的描述，就像我們的主題詞建模中給出的示例一樣。正是在機器內(nèi)部進行的處理過程是實現(xiàn)轉(zhuǎn)變的重要來源。當(dāng)深調(diào)制的范圍是一個懸而未決的問題時，我們猜想：在大多數(shù)情況下，應(yīng)當(dāng)存在深調(diào)制的認(rèn)識論，并且不透明表征或表征自由的方法將會占據(jù)主導(dǎo)地位。

大數(shù)據(jù)的出現(xiàn)標(biāo)志著我們認(rèn)識和表征世界的方式發(fā)生了重大轉(zhuǎn)變。和所有新方法的出現(xiàn)一樣，比如在17世紀(jì)引入的微積分以及在19世紀(jì)末發(fā)展的統(tǒng)計方法，這些方法的出現(xiàn)使得之前無法處理的極其困難的事情變得易于處理。如微積分的發(fā)明使物理學(xué)和其他大多數(shù)科學(xué)都發(fā)生了徹底的改變。在微積分發(fā)明之前，物理學(xué)家和天文學(xué)家在很大程度上都依賴幾何方法。微積分的發(fā)現(xiàn)帶動了梯度和拐點等概念的發(fā)明，而350年后許多機器學(xué)習(xí)方法仍然在使用這些數(shù)學(xué)概念。但發(fā)展和應(yīng)用這些概念需要考慮如何理解關(guān)于微積分的新表征。這些表征對人類來說是非常容易接受的，許多解釋早已進入了我們的日常用語，如速度、參照系、中位數(shù)、異常值等。然而，這些舊用途與今天出現(xiàn)的新用途之間存在著重要的區(qū)別，因為現(xiàn)代機器學(xué)習(xí)方法是針對計算機的需求而不是針對人類量身定制的。

這種變化在19世紀(jì)中葉就已經(jīng)出現(xiàn)，當(dāng)時非歐幾何首先被發(fā)展了起來，并且導(dǎo)致了從心理表征到正式數(shù)學(xué)理論的轉(zhuǎn)變。我們已經(jīng)逐漸習(xí)慣于這種抽象的表征方式，并將其內(nèi)容融入我們的概念體系之中。盡管這種幾何學(xué)僅適用于在該領(lǐng)域工作的數(shù)學(xué)家和物理學(xué)家，但其中關(guān)于彎曲時空的概念對于我們中的許多人來說都非常熟悉，并且可以通過適當(dāng)?shù)膱D形表征和專業(yè)教師的講解而理解。②參見R. P. Feynman， R. B. Leighton and M. L. Sands， The Feynman Lectures on Physics （Vol.2）， MA： Addison-Wesley， chapter 42， 1963。因此，現(xiàn)在關(guān)鍵的問題是我們是否可以為機器學(xué)習(xí)做同樣的事情。相關(guān)的努力已經(jīng)在諸如“可解釋的人工智能”等方向上展開，雖然并不是所有方法都成問題。③有關(guān)這些方法的概述，參見Y. LeCun， Y. Bengio， and G. Hinton， “Deep Learning”， Nature， Vol. 521，No.7553， 2015， pp.436—444。但問題是，如果大數(shù)據(jù)的方法和結(jié)果不能被人類所能理解和解釋，那么我們將會創(chuàng)造一個人類不可知的神秘世界。這對于使用大數(shù)據(jù)進行的科學(xué)研究來說是一個巨大的挑戰(zhàn)，因為它對大數(shù)據(jù)領(lǐng)域的影響是巨大的，并且可能標(biāo)志著科學(xué)研究方式的永久性改變。

為了理解認(rèn)識論轉(zhuǎn)變產(chǎn)生的影響，我們可以回想17世紀(jì)有關(guān)科學(xué)儀器如光學(xué)望遠(yuǎn)鏡和顯微鏡的發(fā)展如何使科學(xué)實在論得以確立的歷史過程。經(jīng)驗主義者只接受基于感知數(shù)據(jù)的證據(jù)，拒絕或不承認(rèn)那些感知系統(tǒng)不可感知的實體如病毒。因此，以洛克、伯克利、休謨和20世紀(jì)邏輯經(jīng)驗主義者主張的經(jīng)驗主義作為現(xiàn)代科學(xué)的認(rèn)識論基礎(chǔ)是不可能的。①詳 細(xì) 原 因 參 見 Humphreys， Extending Ourselves： Computational Science， Empiricism，and Scientific Method，Oxford： Oxford Univ. Press， 2004， and J.Bogen， “Empiricism and After”， in Oxford Handbook of Philosophy of Science， edited by Humphreys， Oxford： Oxford University Press， 2016。我們試探性的推測和建議是，需要為大寫的大數(shù)據(jù)和小寫的大數(shù)據(jù)發(fā)展出一種認(rèn)識論，這種認(rèn)識論可以令人滿意地處理不透明表征，就像現(xiàn)代科學(xué)儀器的發(fā)展將藥物分子和馬鈴薯基因組等人們的感知系統(tǒng)不可及的世界轉(zhuǎn)化為我們能理解的數(shù)據(jù)結(jié)構(gòu)一樣。

我們認(rèn)為，大數(shù)據(jù)中所使用的表征或模型的類型，是其重要性和顯著特征的核心。基于此，我們將提供一些建議，以便探索何種認(rèn)識模式適合于深調(diào)制。當(dāng)然，可靠性是這些模式的核心。

六、深調(diào)制的認(rèn)識論

由于大數(shù)據(jù)中所使用的機器學(xué)習(xí)能真正地基于事實進行學(xué)習(xí)，因此，大數(shù)據(jù)將會帶給人類關(guān)于未知世界的知識。然而，不透明表征的存在是大數(shù)據(jù)所遇到的最關(guān)鍵的挑戰(zhàn)。哲學(xué)中長期存在的傳統(tǒng)是把知識當(dāng)作確證的真信念（Justified True Belief），而這種對知識的認(rèn)識已經(jīng)不占主導(dǎo)地位，其替代理論是可靠性（Reliability）觀點。一種常見的可靠性的形式是，一個人S知道p成立的條件是——當(dāng)且僅當(dāng)：

（1） p是一個句子；

（2） p為真；

（3） S認(rèn)為存在一個可靠的過程從而形成對p的信 念。

這意味著，一個可靠的信念形成過程是產(chǎn)生高比例的真實信念的過程。譬如，我知道我的鄰居是個醫(yī)生，雖然我從未見過他以專業(yè)的身份工作，我相信是因為：我相信他是一個醫(yī)生；事實上他是一個醫(yī)生；他告訴我他是一個醫(yī)生，并且過去他告訴我的幾乎所有的事情都是真實的。以上的每一個條件對我來說都是必要的。如果我的鄰居實際上是一個律師，或者我不相信他是醫(yī)生，或者我從不可靠的來源收到信息，例如我從我的另一個患有癡呆癥的鄰居處得到信息，那么“我不知道他是一名醫(yī)生”。

由于數(shù)據(jù)域中的許多知識都是為機器或機器網(wǎng)絡(luò)所擁有，傳統(tǒng)的知識觀和可靠性的觀點都使用了“信念”，但是計算機并沒有信念，因此，我們所描述的兩個關(guān)于知識的陳述都不適合在機器學(xué)習(xí)的背景下進行知識的歸因。然而，傳統(tǒng)或可靠性的知識觀通常涉及表征，因為無論是信念條件還是可靠性條件都需要它。如果你知道p，p是代表某種狀態(tài)的命題，當(dāng)p為真時，它即是對世界的正確表征。雖然目前我們不能為機器學(xué)習(xí)提供一個基于統(tǒng)計學(xué)的可靠性解釋，但是我們可以描述表征的不透明度和修改后的可靠性論證之間的聯(lián)系。在基于信念的方法中，如果你的信念是明確的，那么知識就是透明地表征的，因為你有意識地進入了該表征。對機器來說，在論文第五節(jié)意義上的透明表征相對來說也沒有問題。但是，一旦我們有一個對人類不透明的表征，可靠性方法只需要有一個過程——能可靠地產(chǎn)生內(nèi)部表征以準(zhǔn)確地表征相關(guān)系統(tǒng)，即使這樣的內(nèi)部表征是人類無法解釋的。由此，一種信念自由的可靠性的要求使我們可以斷言，計算機所處理的大數(shù)據(jù)問題，允許我們不理解它是如何將這些知識呈現(xiàn)給自身的。這樣一來，我們可以在唐納德·拉姆斯菲爾德（Donald Rumsfeld）關(guān)于“已知的已知、已知的未知、未知的未知”的這一知識分類中，加上第四類——未知的已知，意味著計算機已知的一些事情對人類來說可以是未知的。

在一些沒有任何表征的極端情況下，我們必須訴諸知識的權(quán)威，在這種情況下，信息來源作為權(quán)威，無可置疑。①T. Burge， “Computer Proof， A Priori Knowledge， and Other Minds： The Sixth Philosophical Perspectives Lecture”， No?s，Vol.32， No.12， 1998， pp.1—37.因為我們越來越多地將認(rèn)知權(quán)威委托給計算機，我們在許多領(lǐng)域遵從它的判斷，就像我們在日常生活中遵從我們自己的知覺判斷一樣，不需要對來源進行進一步的論證或理解。

七、結(jié)論反思

由于數(shù)據(jù)域捕獲了描述系統(tǒng)狀態(tài)的海量的多變量（或高維度）的數(shù)據(jù)，加上從傳感器、社交媒體、健康記錄和其他源頭收集數(shù)據(jù)的行為變得越來越容易，而且雖然很多數(shù)據(jù)看上去都是匿名的，但是技術(shù)上卻很容易實現(xiàn)對數(shù)據(jù)的去匿名化。特別是在位置追蹤元數(shù)據(jù)的使用等背景下，數(shù)據(jù)挖掘者不僅了解我們所有人，還知道我們每個人的許多事情：他們知道你住的地方，你聯(lián)系過的人，你購物的地方，你買過什么，你何時在何地，你在互聯(lián)網(wǎng)上的搜索細(xì)節(jié)，你喜歡什么樣的照片等。這種數(shù)據(jù)的泛濫產(chǎn)生了一個被稱為維度的詛咒的問題。②這一術(shù)語是由貝爾曼（R. Bellman）創(chuàng)造的，參見 Adaptive Control Processes： A Guided Tour， Princeton， NJ：Princeton University Press， 1961。最后需要說明的是，隨著收集數(shù)據(jù)的變量數(shù)的增加，有效使用某些機器學(xué)習(xí)方法和統(tǒng)計估算技術(shù)所需的數(shù)據(jù)量也將呈指數(shù)增長。例如，假設(shè)我們?yōu)槊總€變量收集10個數(shù)據(jù)點并檢查這10個點以查看是否發(fā)生了數(shù)據(jù)點聚類。這樣一來，當(dāng)我們需要定位兩個變量的相似聚類時就需要102個數(shù)據(jù)點；當(dāng)需要定位三個變量時就需要103個數(shù)據(jù)點；如果用相對適中的100個變量，那就需要10100個數(shù)據(jù)點。很顯然，這個數(shù)字比宇宙中存在的可見的粒子的數(shù)目還大。所以在實際的工作中有兩種相反的傾向：第一，直到最近人類才具備收集海量數(shù)據(jù)的能力；第二，即使是適度復(fù)雜的模型也超出了我們收集足夠數(shù)據(jù)的能力。這兩種自相矛盾的情況表明，那種“只要擁有足夠數(shù)據(jù)，我們就可以知道一切”的觀點顯得過于樂觀，因為現(xiàn)實是我們的大數(shù)據(jù)還不夠大。

大數(shù)據(jù)能將社會作為一個整體并給出全景的描述，并且能夠詳細(xì)地審視其中的每一個成員，即其能作為天文望遠(yuǎn)鏡和生物顯微鏡的雙重角色而發(fā)揮作用。這種雙重作用一方面增大了自然科學(xué)與人文科學(xué)之間的分界，另一方面又使二者之間的界限縮小。首先，作為生物顯微鏡的存在，大數(shù)據(jù)形成了對人類個體層面行為數(shù)據(jù)的事無巨細(xì)的記錄，豐富了人文科學(xué)在個性化維度上的資料儲備，增進了人文科學(xué)對人類個體差異的深度理解。因此大數(shù)據(jù)將關(guān)注個性化的人文科學(xué)和關(guān)注一般性的自然科學(xué)之間的差距進一步擴大。其次，作為天文望遠(yuǎn)鏡的存在，引入在形式上數(shù)理化、科學(xué)化（數(shù)理統(tǒng)計）的人文科學(xué)的方法，從整體（全樣本）上獲得一般性的規(guī)律，從而使二者的界限縮小。

我們需要追問的是，人類不理解數(shù)據(jù)域中所使用的表征這件事，會為人類帶來多大的風(fēng)險？人工智能所可能造成的危險也許已經(jīng)被放大了很多。畢竟人類在塞勒斯·麥科米克（Cyrus McCormick）的收割機、福特（Ford）的裝配線、蒸汽挖掘機和慕課（大型公開在線課程）的技術(shù)革命的歷史浪潮中都幸存了下來，因此，我們也許不應(yīng)該對自動化生產(chǎn)所造成的大規(guī)模失業(yè)過分擔(dān)憂，我們應(yīng)關(guān)注更緊迫的問題，而不是對滿懷惡意的機器人將要統(tǒng)治世界這類的事情惴惴不安。實踐和理論知識的自動化以及它們產(chǎn)生的不可預(yù)測性這類新事物，才是真正需要人類警惕的。如果我們?nèi)祟惒荒芾斫鈾C器學(xué)習(xí)所使用的表征，那么此類程序未來產(chǎn)生不可預(yù)料后果的可能性就會大大增加。人們破解恩尼格瑪密碼機，恰恰是因為它對人類的表征進行了加密處理。在數(shù)據(jù)域的神秘世界中，充斥著各類機器、數(shù)據(jù)庫和算法，正是因為它們?nèi)绱松衩兀艦槿祟悗砹烁蟮奶魬?zhàn)。