中國工程院院士李德毅：大數據突破點(diǎn)在于聚類(lèi)

　　2015年4月9日，第三屆中國電子信息博覽會(huì )在深圳召開(kāi)。工業(yè)和信息化部電子信息司司長(cháng)刁石京主持開(kāi)展了新一代信息技術(shù)產(chǎn)業(yè)發(fā)展高峰論壇。中國工程院院士李德毅發(fā)表了主題為“大數據認知”的演講，對大數據的發(fā)展前景做出了展望。

　　人類(lèi)社會(huì )文明已經(jīng)進(jìn)入到了數據密集型的新時(shí)代，大數據已經(jīng)成為重要的資產(chǎn)。在李德毅看來(lái)，大數據本身既不是科學(xué)，也不是技術(shù)，它反映的是網(wǎng)絡(luò )時(shí)代的一種客觀(guān)存在。而數據數量巨大，價(jià)值密度低，實(shí)時(shí)在線(xiàn)，多源異構，給人們的認知造成了很大的困擾。

　　李德毅認為，人類(lèi)的認知科學(xué)要想有所突破，首先就要在大數據聚類(lèi)上去的突破，聚類(lèi)是挖掘大數據資產(chǎn)價(jià)值的第一步。這種聚類(lèi)是跨學(xué)科、跨領(lǐng)域、跨媒體的，并且已經(jīng)成為許多行業(yè)的核心競爭力。人腦的認知能力不能夠全部、完整、統一地形式化，但特定的情境下的認知能力是否可以先局部地形式化。

　　智能機器人是物聯(lián)網(wǎng)不可或缺的端設備，一直以來(lái)都是人類(lèi)關(guān)注的重點(diǎn)。李德毅認為，機器人既使用大數據也產(chǎn)生大數據，既是大數據的產(chǎn)物，也是大數據的推動(dòng)者，機器人是大數據的認知的典型代表。人腦的認知能力不能夠全部、完整、統一地形式化，但特定的情境下的認知能力是否可以先局部地形式化，而機器人就是人類(lèi)的思維移植。

　　以下為李德毅演講全文：

　　尊敬的懷部長(cháng)，各位來(lái)賓，女士們，先生們，我匯報的主題是大數據認知，云計算、大數據、認知，大家知道認知是現在全球都感興趣的話(huà)題。所謂認知，就是怎么樣獲取知識和技能的能力，所以我的第一個(gè)小標題是講一下認知。

　　大數據標志著(zhù)一個(gè)新時(shí)代的到來(lái)，這個(gè)時(shí)代的特征不只是追求豐富的物質(zhì)資源，也不只是無(wú)所不在的互聯(lián)網(wǎng)帶來(lái)的方便的多樣化信息服務(wù)，同時(shí)還包含區別于物質(zhì)的數據資源的價(jià)值發(fā)現和價(jià)值轉換，以及由大數據帶來(lái)的精神和文化方面的嶄新現象。

　　大數據來(lái)源于人類(lèi)的測量、記錄和分析世界的渴望和無(wú)盡的追求。隨著(zhù)信息技術(shù)，尤其是傳感器、通信、計算機和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和廣泛應用，人類(lèi)獲取數據的手段越來(lái)越多，速度大大加快、成本急劇降低，層次和尺度更為精細，揭示自然現象和社會(huì )現象更加深刻，人聯(lián)網(wǎng)和物聯(lián)網(wǎng)又使得人人物物都成為數據源，這樣一來(lái)，大數據成為網(wǎng)絡(luò )時(shí)代人類(lèi)社會(huì )的重要資產(chǎn)。

　　我想說(shuō)一個(gè)觀(guān)點(diǎn)，大數據本身既不是科學(xué)，也不是技術(shù)，我個(gè)人認為，它反映的是網(wǎng)絡(luò )時(shí)代的一種客觀(guān)存在，各行各業(yè)的大數據，規模從TB到PB到EB到ZB，都是以三個(gè)數量級的階梯迅速增長(cháng)，是用傳統工具難以認知的，具有更大挑戰的數據。

　　數據量巨大，價(jià)值密度低，實(shí)時(shí)在線(xiàn)，多源異構，怎么辦?舉個(gè)例子吧!聚類(lèi)，物以類(lèi)聚，人以群分，這是人類(lèi)幾千年來(lái)認識世界和社會(huì )的基本能力，是從大數據中發(fā)現價(jià)值必須面對的一個(gè)普遍性、基礎性問(wèn)題，是認知科學(xué)作為學(xué)科的學(xué)科，要解決的首要問(wèn)題。無(wú)論是政治、經(jīng)濟、文學(xué)、歷史、社會(huì )、文化、還是數理、化工、醫農、交通、地理、各行各業(yè)的大數據或宏觀(guān)或微觀(guān)的任何價(jià)值發(fā)現。

　　2008年XX專(zhuān)刊登了一篇文章，人們對小標題關(guān)注不夠，這個(gè)小標題講的PB時(shí)代的科學(xué)怎么做。大數據分析和挖掘的首要任務(wù)是聚類(lèi)，這種聚類(lèi)是跨學(xué)科、跨領(lǐng)域、跨媒體的。

　　聚類(lèi)的挑戰性很多，有人是并行計算等等，我不細講了。我想說(shuō)的是大數據聚類(lèi)表現形態(tài)。

　　我想用幾個(gè)例子來(lái)講一講，人類(lèi)走過(guò)了幾千年的實(shí)驗科學(xué)、幾百年的理論科學(xué)，保險是一個(gè)很傳統的行業(yè)，基于概念評估的生意，保險公司對車(chē)險客戶(hù)是這樣聚類(lèi)的：A類(lèi)連續兩年沒(méi)有出車(chē)禍的，B類(lèi)，最近一年沒(méi)有出車(chē)禍的，C類(lèi)過(guò)去一年出了一次車(chē)禍的，D類(lèi)過(guò)去一年出了兩此及以上車(chē)禍的。我從機場(chǎng)到深圳來(lái)，你坐飛機從北京到深圳，保險公司給你付了，我一了解，這個(gè)保險是20塊錢(qián)，這個(gè)保險公司買(mǎi)了你三個(gè)大數據，身份證，還有你的手機號，各位企業(yè)、各位領(lǐng)導，各位老百姓，你們想一想。

　　物聯(lián)網(wǎng)時(shí)代，當汽車(chē)成為輪式機器人，成為大數據發(fā)生器以后，就是一個(gè)大數據發(fā)生體，每一次駕駛，每一次維修，每一次行駛，甚至每一次剎車(chē)，都會(huì )記錄在岸，利用大數據聚類(lèi)，保險公司可對一個(gè)車(chē)況好、駕駛習慣好、常走線(xiàn)路事故率低，不勤開(kāi)車(chē)的特定客戶(hù)，給予更大的優(yōu)惠，而對風(fēng)險太高的客戶(hù)報高價(jià)甚至拒絕，例如出租車(chē)司機跑的比老百姓多得多，總之能夠給出包括保險費支付方式在內的個(gè)性化解決方案，這就顛覆了保險公司的傳統商業(yè)模式。這就是大數據聚類(lèi)成為保險公司的核心競爭力，我擴張一下，就是大數據聚類(lèi)成為很多行業(yè)的核心競爭力。