大數據智能計算

文｜王國胤

過去的“信息社會”建設主要解決四個方面問題：數據采集、數據存儲、信息傳輸、信息計算。數據采集、存儲、傳輸和計算能力的飛躍，使信息社會到達“高級發展階段”，將來引領我們進入智能的時代。

未來應該對世界的數據感知進行研究，達到信息知識和決策行動對整個閉環自然、社會的控制管理與互動，這就離不開數據的智能計算處理。現在的數據空間不僅是對現實物理社會空間的映射，它是相對獨立的，數據之間可以相互作用的存在。網絡空間里的信息和現實社會也可以相互作用，所以社會生產、生活、管理各個方面都要發生變化。網絡空間和現實社會緊密聯系、相互作用，人的行為模式也已經發生了變化，生產、生活各個方面也有一些變化。

智能時代的到來，是由大數據和深度學習共同推動，人工智能從1956年提出，到現在已經有60多年。人工智能發展要和實體經濟深度融合，在現有產業基礎上來做。而且每一個企業或地區，要實事求是、因地制宜，而且要有持之以恒的態度，這樣，人工智能才能真正引領社會變革。

只要是在封閉環境里特定環境下的特定任務，無論什么任務，無論多么復雜，最終可以有一個系統來解決，最終都是機器戰勝人類。但是創造性的工作，機器還是做不到的。人和機器系統融合的混合智能系統，是未來發展的方向。

人工智能已經在各個行業里起到了很多作用，各個國家也都在做。未來，是一個智能時代，人工智能技術影響著各個行業領域，各個行業領域不是獨立的，行業領域之間可以交叉融合，整個產業鏈上下游之間相互影響。

從小數據的分析到數據挖掘到海量數據挖掘，再到現在的大數據挖掘，我們一直在探索怎么樣利用數據里所隱含的有用信息，解決問題。當然，數據挖掘過程中需要處理數據的分布、體量、維度、數據的不確定以及對于同樣的數據，人本身的認知不同等問題。

用計算機系統處理數據最終的目的是要完成人的自我認知，用計算機系統計算，解決對問題的認知，然后解決問題。人類認知具有大范圍優先習慣，先看到大，再看到中間的細節。這是普遍存在的。計算機數據處理是從細到粗，多粒度大數據智能計算可以用一個數學模型來做，就是我們講的粒度問題。我們把物品分類，不同的分類反映不同的粒度；在云模型上，把人的認知行為和計算機的數據處理行為連接起來，做人和機器協同的計算模型，做一個粒認知計算模型。在各種行業里，我們自然地把這樣一個模型概念用進去，把企業的管理做成一個多粒度的模型，做粒度的智能決策。

深度學習也是推動人工智能發展的重要方面，深度學習最近這十年起到了很好的結果，一些深度學習思想可以用到系統里面。

我們在嘗試以大數據的智能分析來解決各個行業領域里面問題，我們團隊也正在做腦大數據、流程工業、電信、虛擬現實、生態環境、醫療健康，政務方面智能分析工作。