大数据智能计算

文｜王国胤

过去的“信息社会”建设主要解决四个方面问题：数据采集、数据存储、信息传输、信息计算。数据采集、存储、传输和计算能力的飞跃，使信息社会到达“高级发展阶段”，将来引领我们进入智能的时代。

未来应该对世界的数据感知进行研究，达到信息知识和决策行动对整个闭环自然、社会的控制管理与互动，这就离不开数据的智能计算处理。现在的数据空间不仅是对现实物理社会空间的映射，它是相对独立的，数据之间可以相互作用的存在。网络空间里的信息和现实社会也可以相互作用，所以社会生产、生活、管理各个方面都要发生变化。网络空间和现实社会紧密联系、相互作用，人的行为模式也已经发生了变化，生产、生活各个方面也有一些变化。

智能时代的到来，是由大数据和深度学习共同推动，人工智能从1956年提出，到现在已经有60多年。人工智能发展要和实体经济深度融合，在现有产业基础上来做。而且每一个企业或地区，要实事求是、因地制宜，而且要有持之以恒的态度，这样，人工智能才能真正引领社会变革。

只要是在封闭环境里特定环境下的特定任务，无论什么任务，无论多么复杂，最终可以有一个系统来解决，最终都是机器战胜人类。但是创造性的工作，机器还是做不到的。人和机器系统融合的混合智能系统，是未来发展的方向。

人工智能已经在各个行业里起到了很多作用，各个国家也都在做。未来，是一个智能时代，人工智能技术影响着各个行业领域，各个行业领域不是独立的，行业领域之间可以交叉融合，整个产业链上下游之间相互影响。

从小数据的分析到数据挖掘到海量数据挖掘，再到现在的大数据挖掘，我们一直在探索怎么样利用数据里所隐含的有用信息，解决问题。当然，数据挖掘过程中需要处理数据的分布、体量、维度、数据的不确定以及对于同样的数据，人本身的认知不同等问题。

用计算机系统处理数据最终的目的是要完成人的自我认知，用计算机系统计算，解决对问题的认知，然后解决问题。人类认知具有大范围优先习惯，先看到大，再看到中间的细节。这是普遍存在的。计算机数据处理是从细到粗，多粒度大数据智能计算可以用一个数学模型来做，就是我们讲的粒度问题。我们把物品分类，不同的分类反映不同的粒度；在云模型上，把人的认知行为和计算机的数据处理行为连接起来，做人和机器协同的计算模型，做一个粒认知计算模型。在各种行业里，我们自然地把这样一个模型概念用进去，把企业的管理做成一个多粒度的模型，做粒度的智能决策。

深度学习也是推动人工智能发展的重要方面，深度学习最近这十年起到了很好的结果，一些深度学习思想可以用到系统里面。

我们在尝试以大数据的智能分析来解决各个行业领域里面问题，我们团队也正在做脑大数据、流程工业、电信、虚拟现实、生态环境、医疗健康，政务方面智能分析工作。