我们现在拥有大量的数据，这意味着我们不能再用离散的思维来思考问题。大数据促使我们转变思维。它促使我们向后退一步，去寻找能够处理数据的方法。按照传统的方式，你可能会根据一些指定的模式或参数编写代码来查询数据。例如，你可能想从数据库中查找在过去两周买过2件商品并且支付超过30欧元的顾客，因为你想联系到这些顾客，并向他们推荐一些优惠活动。你使用这个模式来查找匹配的数据。不过大数据却正好相反，你先有了数据，然后查找可以匹配这些数据的模式。
想想看，有这么多的数据，但是我们却找不到匹配的模式，所以我们要回退一步。我们通过集群、分类、机器学习和其他新的支撑技术来寻找模式，而能够帮助我们做到这点的是算法，不是代码。要找到隐藏在暗处的模式，跨出这一步是必需的。与光谱一样，有一些波长的光线我们是看不到的，而超过一定数据量之后的模式我们也是看不到的，它就是大数据。
我们不仅可以从中搜索到模式，它还能够生成做这些事情所需要的代码。Pedro Domingos在“The Master Algorithm”一书中描述了如何使用“学习者算法”来创建新的算法，这些算法可以反过来为我们编写我们所需要的代码，“通过机器学习，计算机可以自己编程，我们就可以解放了”。为了实现这个目标，我们需要更好地理解这些算法的原理，以及如何让它们与我们的需求相匹配。否则，我们就无法向抽象转变。
“工业的发展让手工劳动自动化，信息的发展让脑力劳动自动化，而机器学习则让它自己自动化。如果没有机器学习，程序员就会成为发展瓶颈。而有了机器学习，发展的速度就会加快。”——Pedro Domingos，“The Master Algorithm”
不过，不管如何从离散转变成抽象，我们仍然需要程序员，但这不是重点。并不是说代码已经变得不重要了，也不是说代码就不会再带来任何改进。重点在于，我们要开始思考算法，这不仅仅是数学家或学者的事情。我们周边着各种算法，以致于我们不需要知道如何编写代码来使用它们，或者理解它们。现在，有一些人通过新的算法对不同的领域进行优化和改进，他们使用了遗传编程（genetic programming）和大数据技术。人们甚至创造了更好的优化技术，他们观察金属的冷却过程，并通过算法对其进行建模（被称为模拟退火算法，这就是我们应该从算法角度开始考虑问题的一个*的例子）。
编码作为新数字经济的关键技能，就像学习如何阅读一样，已经模糊了我们对算法的理解。算法正逐渐成为我们生活的组成部分，从电影推荐到新闻过滤和寻找合作伙伴。我们要更好地理解它们，这样才能更好地理解和掌控我们的未来。
秦勇老婆王芳本文由来源于财鼎国际(http://cdgw.hengpunai.cn:27531/)
网友评论 ()条 查看