谷歌有一個名為“谷歌流感趨勢”的工具，它通過跟蹤搜索詞相關數據來判斷全美地區的流 感情況（比如患者會搜索流感兩個字）。近日，這個工具發出警告，全美的流感已經進入“緊張”級別。它對于健康服務產業和流行病專家來說是非常有用的，因為 它的時效性極強，能夠很好地幫助到疾病暴發的跟蹤和處理。事實也證明，通過海量搜索詞的跟蹤獲得的趨勢報告是很有說服力的，僅波士頓地區，就有700例流 感得到確認，該地區目前已宣布進入公共健康緊急狀態。

　　這個工具工作的原理大致是這樣的：設計人員置入了一些關鍵詞（比如溫度計、流感癥狀、肌 肉疼痛、胸悶等），只要用戶輸入這些關鍵詞，系統就會展開跟蹤分析，創建地區流感圖表和流感地圖。谷歌多次把測試結果（藍線）與美國疾病控制和預防中心的 報告（黃線）做比對，從下圖可知，兩者結論存在很大相關性：

　　但它比線下收集的報告強在“時效性”上，因為患者只要一旦自覺有流感癥狀，在搜索 和去醫院就診這兩件事上，前者通常是他首先會去做的。就醫很麻煩而且價格不菲，如果能自己通過搜索來尋找到一些自我救助的方案，人們就會第一時間使用搜索 引擎。故而，還存在一種可能是，醫院或官方收集到的病例只能說明一小部分重病患者，輕度患者是不會去醫院而成為它們的樣本的。

　　這就是一個典型的“大數據”的應用例子，舍恩伯格的這本《大數據時代》受到了廣泛的贊譽，他本人也因此書被視為大數據領域中的領軍人物。大數據起源于數據的充裕，舍恩伯格在他的另外一本書《刪除》中，提到了這些源頭。

　　1、信息的數字化，使得所有信息都可以得到一個完美的副本；2、存儲器越來越廉價，大規模存儲這些數字信息成本極低；3、易于提取：數據庫技術的完善使 得這些存儲的信息能夠被輕易按照一定的條件搜索出來；4、全球性覆蓋，網絡是無國界的，a地的數字信息可以讓遠在天邊的b地調用。

　　當我們掌握有大量的數據后，便可以開始進行所謂“大數據”的操作。大數據在舍恩伯格看來，一共具有三個特征：全樣而非抽樣，效率而非精確，相關而非因果。

　　第一個特征非常好理解。在過去，由于缺乏獲取全體樣本的手段，人們發明了“隨機調研數據”的方法。理論上，抽取樣本越隨機，就越能代表整體樣本。但問題 是獲取一個隨機樣本代價極高，而且很費時。人口調查就是典型一例，一個稍大一點的國家甚至做不到每年都發布一次人口調查，因為隨機調研實在是太耗時耗力 了。

　　但有了云計算和數據庫以后，獲取足夠大的樣本數據乃至全體數據，就變得非常容易了。谷歌可以提供谷歌流感趨勢的原因就在于它幾乎覆蓋了7 成以上的北美搜索市場，而在這些數據中，已經完全沒有必要去抽樣調查這些數據：數據倉庫，所有的記錄都在那里躺著等待人們的挖掘和分析。

　　第二 點其實建立在第一點的基礎上。過去使用抽樣的方法，就需要在具體運算上非常精確，因為所謂“差之毫厘便失之千里”。設想一下，在一個總樣本為1億人口隨機 抽取1000人，如果在1000人上的運算出現錯誤的話，那么放大到1億中會有多大的偏差。但全樣本時，有多少偏差就是多少偏差而不會被放大。諾維格，谷 歌人工智能專家，在他的論文中寫道：大數據基礎上的簡單算法比小數據基礎上的復雜算法更加有效。

　　數據分析并非目的就是數據分析，而是有其它用 途，故而時效性也非常重要。精確的計算是以時間消耗為代價的，但在小數據時代，追求精確是為了避免放大的偏差而不得已為之。但在樣本=總體的大數據時代， “快速獲得一個大概的輪廓和發展脈絡，就要比嚴格的精確性要重要得多”。

　　第三個特征則非常有趣。相關性表明變量A和變量B有關，或者說A變量的變化和B變量的變化之間存在一定的正比（或反比）關系。但相關性并不一定是因果關系（A未必是B的因）。

　　亞馬遜的推薦算法非常有名，它能夠根據消費記錄來告訴用戶你可能會喜歡什么，這些消費記錄有可能是別人的，也有可能是該用戶歷史上的。但它不能說出你為 什么會喜歡的原因。難道大家都喜歡購買A和B，就一定等于你買了A之后的果就是買B嗎？未必，但的確需要承認，相關性很高——或者說，概率很大。

　　舍恩伯格認為，大數據時代只需要知道是什么，而無需知道為什么，就像亞馬遜推薦算法一樣，知道喜歡A的人很可能喜歡B但卻不知道其中的原因。這本書的譯 者天才教授周濤則有不同的看法，他認為，“放棄對因果性的追求，就是放棄了人類凌駕于計算機之上的智力優勢，是人類自身的放縱和墮落”。

　　這個爭議在我看來，雙方討論的可能不是一回事。舍恩伯格在這本書中完全不像他在《刪除》一書中表現得那么有人文關懷，這是一本純商業的書籍，商業本來就是以結果為導向的。但周濤談論的卻和“人工智能”有關。

　　吳軍在他的《數學之美》中曾經提到，人工智能領域曾經走過一個很大的彎路，即人們總是試圖讓計算機理解人類的指令——注意，是理解，不是知道。但折騰了 很多年，發現計算機的理解力實在白癡得比三歲小孩還要弱。最終人工智能放棄了這條途徑，而改為數據傳輸和匹配。舉個例子說，你在進行語音輸入的時候，事實 上計算機完全不知道你在說什么（或者說，完全不理解你的意思），但不妨礙它能夠準確地把你說的話盡可能地用字符表達出來。蘋果的Siri是很神奇，但它其 實并不懂你的意思，而只是你的語音數據和它的后臺數據一次匹配而已。

　　因果關系涉及到“理解”這個范疇，而不是簡單的知道或匹配。舍恩伯格所謂 放棄因果而尋求相關，是因為他本來就是寫本商業書，要具體指導商業運作的，周濤所謂不可放棄因果，因為他是一名學者，并不完全站在賺錢這個角度上。換而言 之，周濤看的是長遠的未來，舍恩伯格討論的是眼下。

　　在可以看到的未來中，可能計算機掌握不了三歲小孩的理解力，計算機和人類之間的象棋比賽，一個在思考，一個在做數據匹配，兩者雖然都在下棋，路徑卻全然不同。人類可以暫時不用過于擔心計算機來統治人類，因果關系這種理解，還是掌握在人類手中的。

　　大數據時代是信息社會運作的必然結果，而借由它，人類的信息社會更上一個臺階。農業社會人們以土地為核心資源，工業時代轉為能源，信息社會則將變更為數據。誰掌握數據，以及數據分析方法，誰就將在這個大數據時代勝出，無論是商業組織，還是國家文明。