
天网恢恢、疏而不漏和大数据、人工智能有啥关系
华东师范大学哲学系教授、博士生导师郦全民,将成语放在当下的科技和社会背景下进行解读,从而挖掘中国文化中所蕴含的大道理。
为什么要关注成语?郦全民说,因为成语既是中国智慧的结晶,也是表达和传承中国智慧的主要方式。“ 智慧 这个词有许多用法,我这里所说的智慧就是指大道理。这些大道理包括经验规律,比如物以稀为贵、伦理规则,比如己所不欲勿施于人的做事方法,比如循序渐进等。”
不过,单是知道这些大道理,还是空洞的;要将它们运用到具体的认知和行动中,才有价值。如果这些智慧要产生力量,还要考虑运用的场景和实现的手段。
下面,就让我们通过对一些成语的当下解读,来体验一下成语中隐藏的中国智慧。
天网恢恢,疏而不漏
和大数据、人工智能有啥关系
首先来看下面两组成语,都和现在数据驱动的社会有关。
第一组成语:天网恢恢、疏而不漏,若要人不知、除非己莫为,道高一尺、魔高一丈,一叶知秋,一目了然。这组成语,我用它们来解读“大数据”。大数据首先是数据大,但更重要的是指这些数据之间关系的复杂多样,超出了人的能力和传统算法所能处理的范围。
这个时代,我们每个人的信息和活动被随时随地地记录。《老子》中有一句话:天网恢恢、疏而不漏,当时的天网是指天道,而现在则可理解为各种传感器和探头等组成的信息监控之网。你日常的活动,比如行走、使用支付宝、看病等等活动都被记录下来。运用大数据技术进行分析,可以找到数据里面隐含的一般模式,来理解相关的社会现象。
社会变得越来越透明,落实到个体,也正在成为显行的人。在这样的背景下,真所谓“若要人不知、除非己莫为”。过去,这句成语所说的不一定能真正做到,而现在,用技术手段确实已经可以实现。这对于建设诚信社会是很有利的。对普通人来说,聪明的选择就是做一个诚实守信的人。当然,我们也不要忘了“道高一尺,魔高一丈”。个体和组织也可以用新技术来隐藏自己、伪装自己。
现在,一些地方大数据正在被滥用。其实,许多情况下小数据能搞定,就不一定要用大数据。“一叶知秋”就告诉我们这样的道理,不需要将所有树叶的数据都收集起来才知道秋天来了。同时许多事情是一目了然的,没有必要通过大数据这个复杂的办法去解决。
我想说的第二组成语是:按部就班,熟能生巧,对症下药,因材施教,举一反三,随机应变。
用这组成语,我想解读一下人工智能。人工智能这个学科比较特殊,它是试图用工程的方法来理解包括人在内的智能。造一个系统,如果能够表现出智能行为,那就表明我们理解了这种智能,因为创造是最好的理解。这个人造的系统如果有应用价值,就可以用来解决实际问题,产生经济效益。
古人说的“未卜先知”
在当代科学背景下靠谱吗
接下来讲讲预言问题。现在许多人热衷于用大数据和人工智能来预言未来,但未来可预言吗?这里有两组成语。
第一组成语:未卜先知,料事如神,九九归一,周而复始,依样画葫芦;
第二组成语:天有不测风云、人有旦夕祸福,差之毫厘失之千里。
第一组成语可以用来说明可预言性。在当代科学的背景下,什么东西可以预言?假如一个系统的演化是九九归一,这个“一”学术上叫定态,或者说是周而复始,学术上叫周期性,就能做出可靠的预言。另外,我们人的日常行为,大概88%是依样画葫芦,也就是模仿,尤其是模仿同辈。这样的模仿行为,是可以做出较准确预言的。利用大数据,可靠性还会提高。
但自然界包括人类社会中还有另外一类现象,原则上不可以预言。上世纪70-80年代讲得比较多的混沌现象就不能预言。这些系统的规律是确定性,但是在一些临界点上,细小的改变会使系统后面的演化很不一样,这就是通常所说的“蝴蝶效应”。用中国的成语来说,叫做差之毫厘、失之千里。这种情况就不好预言了。
还有一种叫做突现现象,就是假如一个系统中有大量个体之间的相互作用,那么它整体上会出现一些新现象,不能还原为个体的行为。根据复杂性理论,突现现象无法准确预言。地震就没有办法准确预言。现在有许多关于人类未来的预言,不靠谱。对于未来,新颖的东西也是不能预言的,包括新技术。还有,一个系统的演化过程当中会受到不能控制的环境的影响,也就无法预言它的状态。
互联网接下来的商机在哪里
能够从成语中找到提示吗
下面再来解读一个与商机有关的成语,叫做江山易改、本性难移。
前不久,我看到一篇英文文章,说到以前没有互联网,没有谷歌、脸谱、亚马逊,人们都能正常地生活,但现在却离不开它,而且这些公司都成了最挣钱的公司。中国的情况也如此,看看腾讯和阿里巴巴。文章提出这样一个问题:接下来的商机有可能是什么?会出现什么东西,现在还没有,未来大家都离不开的?
我们可以看看,这些商机究竟是从哪里产生的。归根到底,是为了满足人的本性。这些本性符合“江山易改、本性难移”这句成语。具体一点说,就是愤怒、贪婪、色欲、骄傲、嫉妒、暴食、懒惰等。
但是,人类选择了社会化的生活,最需要的就是安全和保障。比如因为懒惰,就有了快递;因为嫉妒,家长就拼命给孩子报各种早教班。
这里,我还想分享一下如何学习中国文化。很多家长问过我,孩子要不要读经典文本?我说,除非特别爱好,否则不需要专门读经典,学好成语就可以了,因为精华都在这里。中国的成语很多,但也不是都要去背,背了也不见得学通了。普通人,掌握5000个成语就可以了,这些成语会告诉你很多关于社会、自然和人生的道理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28