TED大数据专家演讲视频和演讲稿：大数据好处多

【演讲视频】

无人驾驶汽车只是大数据时代的开始。由大数据所带来的未来技术和设计将会是什么样子的?Kenneth Cukier的精彩演讲给我们展现了由大数据给机器学习和人类知识带来的翻天覆地的变化。

【演讲稿】

美国人最爱的馅饼是什么?

0:15观众：苹果派KennethCukier：苹果派毋庸置疑我们是怎么知道的?因为数据当你观察超市的销售数据会发现超市销售的30厘米冷冻馅饼中苹果派胜出,毫无悬念绝大多数的销售份额就是来自苹果派但是之后超市开始销售比较小的11厘米的馅饼突然间苹果派的销量下降到了第4或第5名为什么?怎么了?好,想象一下当你准备买一个30厘米的馅饼时全家都不得不同意(选择苹果派馅饼)虽然苹果派只是每个人的次选项(笑声)但当你给自己选一个11厘米馅饼时你可以买你最爱吃的口味你会选你的首选项你有了更多数据你可以知道些事情这些事情在你只有少量数据时你是无法知道的。

1:24这里,关键的是更多的数据不单单让我们知道更多知道更多我们正在关注的同样事物更多的数据使我们能了解新的事情让我们更好地了解让我们有不同的视角在这个例子里更多的数据让我们知道美国人最喜欢的馅饼不是苹果派。

1:49你或许听说过大数据这个词事实上,你可能对这个词已经心生厌恶确实,大数据受到了空前的宣传炒作这很不应该因为大数据是一个非常重要的工具社会将由此而不断进步过去我们习惯于处理小数据思考这些小数据的意义并以此来了解世界现在我们有很多很多的数据数据量前所未有的巨大当我们掌握海量数据时我们可以做一些事一些在只有较少数据时不可能办到的事大数据很重要,它也是一个新兴事物想象一下能够帮助我们应对世界性难题像食物短缺医疗短缺能源短缺电力短缺还有确保人类家园不会因为全球变暖而生灵涂炭的唯一办法是有效利用大数据。

2:50那么大数据新在何处,重在何处呢?为了回答这个问题,让我们看一下信息看上去是什么样的信息在以前是什么样的1908年在克里特岛上(注：位于地中海为希腊第一大岛)考古学家发现了一个粘土做的盘子这是个公元前2000年的盘子距今约有4000年的历史盘子上有铭文但是我们不知道它们是什么意思这完全是个谜团但这就是4000年前信息的样子这就是当时社会存储和传递信息的方式。

3:30现代社会也没有什么很大的进步我们还是把数据存储在盘中(注：指磁盘)但我们可以存储更多的信息远远超过以前的信息容量这些信息搜索和复制起来更简单分享和处理起来也更便捷我们也可以重新利用这些数据一些我们当初收集的时候从来没有料想过的用途从这个方面来说数据已经从储存状态到了流动状态从静态的统计性的数据变成动态的数据流这就是信息的流动性克里特岛发现的粘土盘有4000年的历史,非常笨重但它不能记录太多的信息并且它所记录的信息是不能更改的与此相反爱德华·斯诺登从美国国家安全局所获得的文件可以放在一个仅有指甲大小的存储盘里并且可以以光速进行数据共享更多数据更多。

4:50今天我们有这么多数据的一个原因是我们一直在收集信息就像我们一直在做的一样另一个原因是我们记录了许多蕴含丰富信息的事物但是从没把信息转换成数据形式现在我们正在把信息转变成数据举个例子,定位问题比如说马丁·路德在16世纪如果我们想知道马丁·路德在哪里我们必须一直跟着他或许用羽毛笔和墨水把这些情况记录下来那现今是什么样的情形呢?在某些地方可能在电信运营商的数据库里有个电子数据表或者至少一个数据目录记录着所有关于你任何时候在什么地点的信息如果你有个手机这个手机有GPS,或者即使没有GPS它还是可以记录你的信息从这方面来说,位置信息被数据化了。

5:47再举个例子,关于姿势你们现在坐着的姿势你坐着的姿势你坐着的姿势你坐着的姿势这些都不一样这是一个关于腿长你的背部和背部轮廓的函数如果我现在放一些传感器或许100个在你的椅子里我可以算出你的独一无二的参数就像你的指纹但不是针对你的手指。

6:14那我们能用它来干什么呢?东京的研究者把它运用在一个汽车防盗设施的雏形上它的设想是盗贼坐在驾驶座上企图把车开走但是汽车识别出驾驶座上的是个未授权驾驶人那汽车可能就会熄火除非你在仪表盘上输入密码来表明“我已获得授权”。

6:41如果欧洲的每辆汽车都装备了这项技术会是怎样的情形?我们还能做些什么呢?或许如果我们整合数据我们可以识别示警信号对于在下一个五秒钟内可能发生的意外做出最佳预判我们也可以进行数据化的是司机的疲劳度当汽车侦测到司机的坐姿倒成某一特定姿势时这个设备感知到并发出车内警告可能是震动方向盘或语音提示“嗨，醒醒集中精神在路况上”这就是生活的更多方面数据化后我们能做的事情。

7:28那么大数据的价值在哪里?好思考一下你有了更多地信息你可以做你以前不能做的事在运用这个概念的领域里让人印象最为最深刻的是机器学习机器学习是人工智能的一个分支人工智能又是计算机科学的一个分支它的基本理念是把关于某个问题的一堆数据扔给电脑让电脑自己找出解决方案而不是教电脑应该做什么通过机器学习的原型可以帮助你来理解这个理念20世纪50年代IBM的计算机科学家亚瑟·塞缪尔想玩跳棋所以他写了个程序这样他就可以和电脑来玩开始他下一盘赢一盘下一盘赢一盘下一盘赢一盘因为电脑只知道规则允许怎样走亚瑟·塞缪尔还知道其他东西他知道下棋的策略所以他又写了一个附加程序这个程序在后台运行它的功能只是计算概率在一个给定的棋局里每走一步后会获胜或者失败的概率再和电脑下棋还是下一盘赢一盘下一盘赢一盘下一盘赢一盘后来亚瑟让电脑自己和自己下棋电脑自己玩的时候收集了更多的数据收集的数据越多,预测的准确率就越高然后亚瑟又继续和电脑下棋这次他下一盘输一盘下一盘输一盘下一盘输一盘亚瑟创造了一个机器它的能力超越了亚瑟开始时所教给它的。

9:29机器学习的理念现在已经随处可见你们觉得无人驾驶汽车(关键的技术)是什么?是不是把所有交通规则输入软件就万事大吉了?不是内存很便宜?不是算法更快了不是处理器更强大了不是这些都有影响,但不是真正的原因真正的原因是我们改变了问题的本质我们把问题的本质从试图明确无误地教会电脑怎样驾驶变成我们对电脑说“这里有许多关于汽车的数据你自己搞定它你知道那是交通信号灯那是红灯不是绿灯遇到红灯你必须停下来不能往前走”。

10:17机器学习是许多网上在线应用的基础搜索引擎亚马逊的个性化算法电脑智能翻译语音识别系统研究者最近在研究关于活组织检查的问题关于肿瘤活组织检查他们让电脑通过(历史)数据和存活率来判断这些细胞是否是癌症细胞果不其然当你把数据交给电脑电脑通过自主学习可以寻找出12个最佳的鉴别特征用来预测乳腺癌细胞的活检切片确实是癌症细胞问题是医学文献只知道其中的九个鉴别特征其他三个人们不会去寻找但是电脑把它们找了出来。

11:23大数据也有黑暗的一面它可以改善我们的生活但也会带来一些我们需要注意的问题首先就是我们可能因为预测的结果而受到惩罚警察可能会用大数据来实现目标有点像“少数派报告”现在有个词叫做预见性监管或者叫算法犯罪学这个想法是如果我们掌握了大量数据比如以往犯罪发生的地点我们可以就知道把警力派到哪里这很合理但问题是数据分析不会仅限于地点数据它会进一步深入到个人层面为什么我们不去分析某人的中学成绩单或者我们可以了解他们的就职情况、信用记录他们的上网行为他们是否熬夜当可以通过健康腕带读取生化数据时就可以知道他们是否有激进的想法我们可以用算法来预测我们将要做什么可能有些事情还没做我们就要承担责任个人隐私在小数据时代是主要挑战在大数据时代这个挑战将会成为保卫自由意愿道德选择、人类意志人类的能动性。

12:53还有另一个问题大数据会偷走我们的工作在21世纪大数据和算法会威胁到白领和需要专业知识的工作就像在20世纪工厂自动化和装配生产线的应用威胁到了蓝领们的工作岗位想象一下一个研究室技术员他的工作就是通过一个显微镜观察一个癌症活检组织来判定它是不是癌症的这个人上大学买房子他/她投票选举他/她是这个社会的一份子然后这个人的工作还有其他像他一样的专业人员将会发现他们的工作被彻底改变了或者彻底废除了我们一直以为在短时或者暂时的就业调整期后一段时间内科技会创造就业机会这对于我们所处的参考系工业革命来说就是这样因为在工业革命时期事情就是这样的但是我们忘记了一件事情有些类型的职业已经彻底消失了并且再也不会回来如果你是一匹马工业革命不是一件好事所以我们必须非常小心根据我们的需求和整个人类的需求来利用和适应大数据我们必须是技术的主人而不是技术的仆人我们正在步入大数据时代老实说,我们并不能很好地处理所有我们现在能够收集到的数据这不仅仅是国家安全局的问题许多企业也搜集并不恰当地使用数据我们需要时间来纠正这个问题这有点像原始人类面对火时所面临的挑战火是一种工具但是如果使用不当就会引火烧身。

14:55大数据即将改变我们的生活方式我们的工作方式和思考方式它可以帮助我们管理事业帮助我们过想要的满足、充满希望幸福和健康的生活但是在过去,对于信息技术(IT)我们经常只看到了T就是技术、硬件因为这是切实可见的东西现在我们需要把目光放在I上信息它不是那么切实可见但某种程度上却更加重要在人类永无止境的探索过程中我们可以从我们能收集的信息中来了解这个世界以及人类在这个世界中所处的地位这就是为什么大数据非常重要。