01 數(shù)據(jù)是一組有意義的符號

數(shù)據(jù)無處不在，只是它們沒有實(shí)體。

過去，人們習(xí)慣把數(shù)字的組合稱為數(shù)據(jù)。但在今天，這樣的理解顯然不夠全面。那么是否可以把數(shù)字、字符、字母的集合稱為數(shù)據(jù)？也不準(zhǔn)確。

在今天“大數(shù)據(jù)”的語境中，數(shù)據(jù)是可以被記錄和識別的一組有意義的符號，一般可通過原始的觀察或度量得到。數(shù)據(jù)是對客觀事物的邏輯歸納，可以用來表示一個(gè)事實(shí)、一種狀態(tài)、一個(gè)實(shí)體的特征，或一個(gè)觀察的結(jié)果，有些是用于描述某個(gè)對象的事實(shí)性數(shù)據(jù)，有些則是通過觀察、分析、歸納得到的總結(jié)性數(shù)據(jù)。

數(shù)據(jù)可以是連續(xù)的，比如無線電通信時(shí)在空氣中傳輸?shù)碾姶挪?，它們是模擬數(shù)據(jù)；數(shù)據(jù)也可以是離散的，比如在計(jì)算機(jī)中存儲(chǔ)的文檔和照片，它們是數(shù)字?jǐn)?shù)據(jù)。

承載數(shù)據(jù)的形式有很多，不僅包括文字、數(shù)字、符號、圖像、語音、視頻，也可以是對某個(gè)事物的屬性、數(shù)量、位置、關(guān)系的抽象表示。大氣的溫濕度、汽車的行駛路線、學(xué)生的檔案記錄、商務(wù)的合同，這些都是數(shù)據(jù)。

我們平時(shí)用電子設(shè)備看新聞、拍照片、買東西、打游戲，本質(zhì)上都是在和數(shù)據(jù)打交道。在計(jì)算機(jī)中，它們是一連串包含有0和1的二進(jìn)制數(shù)的組合。

02 信息是用來消除不確定性的

現(xiàn)在我們來明確一下什么是數(shù)據(jù)，什么是信息。當(dāng)人們在研究甲骨文時(shí)，上面記錄的符號僅僅是一些數(shù)據(jù)。要讀懂這些數(shù)據(jù)，就必須了解數(shù)據(jù)背后要表達(dá)的含義。一旦對數(shù)據(jù)做出解釋，我們就能得到甲骨文上的信息。

數(shù)據(jù)與信息既有聯(lián)系，又有區(qū)別。數(shù)據(jù)是信息的載體，信息則需要依托數(shù)據(jù)來表達(dá)。它們是形與質(zhì)的關(guān)系，兩者密不可分。

信息由數(shù)據(jù)加工得來，它可以由數(shù)字和文字表達(dá)，也可以表現(xiàn)為其他具有意義的符號，其承載形式不重要，重要的是信息能讓我們了解一些事情、鑒別一些真?zhèn)?、佐證一些觀點(diǎn)。也就是說，盡管數(shù)據(jù)存在的形式多種多樣，但我們真正想要獲得的是信息。

“信息”作為科學(xué)術(shù)語最早出現(xiàn)在哈特萊1928年撰寫的論文《信息傳輸》中，在該論文中他首次提出了將信息定量化處理的設(shè)想。1948年，信息論創(chuàng)始人、美國數(shù)學(xué)家香農(nóng)發(fā)表了一篇有著深遠(yuǎn)影響的論文—《關(guān)于通信的數(shù)學(xué)原理》，他明確指出了“信息是用來消除隨機(jī)不確定性的東西”。

在香農(nóng)看來，一旦我們想要對信息進(jìn)行量化和比較，我們就不要去關(guān)注這些信息到底承載了什么內(nèi)容，而是要看這條信息出現(xiàn)后，是否改變了某些不確定性事件的概率。今天這一定義已經(jīng)被看作是對“信息”的經(jīng)典定義，在各種場合不斷被人引用。

無論是數(shù)字、字符或它們的組合，如果我們無法解讀，就不能稱其為信息。有一個(gè)重要的判斷標(biāo)準(zhǔn)是，看它是否承載了有用的內(nèi)容。無論是石頭上刻的畫、紙上寫的字、墻上的涂鴉還是電腦中的文件，只要它們能表達(dá)確切的含義，就能認(rèn)為是信息。

一串11位數(shù)字的號碼，如果它是隨機(jī)數(shù)字，則談不上是信息。如果我告訴你，這串?dāng)?shù)字是我的手機(jī)號，它就消除了不確定性，它便是一種信息。信息是把人們不清楚的給說清楚的那些內(nèi)容，如果已經(jīng)知道了，就不能算作新的信息。

舉例來說，今天任何一個(gè)小學(xué)生都知道地球是圓的，地球自轉(zhuǎn)產(chǎn)生了白天和黑夜。這在今天看來是一個(gè)基本常識，但我們的祖先并不知道。如果我們把發(fā)明文字作為人類文明的起點(diǎn)，那么大約經(jīng)過5000多年，也就是直到15世紀(jì)，人們才開始接受地球是一個(gè)大圓球的觀點(diǎn)。

雖然“地球”對于今天的小學(xué)生來說不算是新的信息，但是對于古人來說，它不僅是信息，而且信息量巨大。

你或許已經(jīng)發(fā)現(xiàn)了，信息會(huì)因場景而定，因每個(gè)人的主觀認(rèn)識而定。同一條信息，對一些人是有用的，對另一些人或許就沒用了。

03 知識是對信息的總結(jié)和提煉

隨意給出3個(gè)數(shù)字：68、21、192。這3個(gè)數(shù)字僅僅是數(shù)據(jù)?，F(xiàn)在給它們加上一些說明，比如：衣服的價(jià)格是68元，今天的氣溫是21攝氏度，小明爸爸的體重是192斤。這些數(shù)據(jù)有了明確表達(dá)的含義，它們就是信息。

不僅如此，我們還能基于這些信息給出一些判斷：衣服不是很貴，天氣有點(diǎn)涼爽，男人該去減肥了。做出這些判斷，需要依賴我們平時(shí)生活中積累的經(jīng)驗(yàn)和常識，即知識。

知識是對信息的提煉和概括，它是高度概括的信息。如果說信息可以解答一些簡單的問題，比如“誰”“在哪里”“做什么”，那么知識可以回答一些更具深刻認(rèn)知的問題，比如“怎樣”“為何”。

日常生活中最基本的知識是常識。比如明火不能碰、熱油不能遇水、人有生老病死、月有陰晴圓缺，它們大部分來自生活，是大家認(rèn)為都該懂得、不言自明的知識。今天很多約定俗成的常識，是由我們的祖輩口口相傳、代代相承而來。人并不是天生就有常識，知道火為何物、火可傷人、火可熟食。很多道理都是從生活實(shí)踐中總結(jié)而來的。

現(xiàn)如今，對于人工智能來說，要解決的核心問題是讓計(jì)算機(jī)具有常識。很多常識背后有著復(fù)雜的知識體系，機(jī)器必須真正“理解”知識，而不是“記憶”它們。

舉例來說，計(jì)算機(jī)或許能通過數(shù)據(jù)樣本學(xué)習(xí)，知道人類有頭、手、腳等身體部位，但它很難理解既然這些部位都長在人體上，為何只有頭上有眼睛，手和腳上卻沒有？又比如，計(jì)算機(jī)學(xué)會(huì)并知道了“人有2只眼睛”，但它無法判斷這個(gè)世界上是否存在“有1只眼睛的人”和“有3只眼睛的人”。

如今的人工智能只能從數(shù)據(jù)中學(xué)習(xí)到數(shù)據(jù)之間的聯(lián)系，它還不能很好地處理有關(guān)常識的問題，這方面人們還有很長的研究之路要走。

以上討論的“知識”，指的都是人腦中的知識。它和計(jì)算機(jī)要處理的“知識”是不同的。從本質(zhì)上講，計(jì)算機(jī)只是模仿人類的知識，它們并沒有真正掌握這些“知識”。計(jì)算機(jī)只是通過一些特定方法把人類知識表達(dá)出來。而這個(gè)特定方法是基于圖技術(shù)。

圖是一種表示知識的工具，是描述知識的狀態(tài)、關(guān)系、路徑距離等相關(guān)要素的最自然的數(shù)學(xué)表達(dá)。它擅長存儲(chǔ)和處理復(fù)雜的網(wǎng)狀關(guān)系，所以在知識圖譜、社交網(wǎng)絡(luò)、用戶關(guān)系分析等領(lǐng)域有著廣泛的應(yīng)用。

近年來，基于圖技術(shù)的知識圖譜是十分熱門的研究領(lǐng)域。比如大眾熟知的維基百科就是一個(gè)知識圖譜應(yīng)用。知識圖譜可以用來描述各種實(shí)體以及它們之間的關(guān)系。它是一個(gè)龐大的圖形網(wǎng)絡(luò)知識庫。在這個(gè)網(wǎng)絡(luò)中，每個(gè)節(jié)點(diǎn)是一個(gè)實(shí)體，比如人名、地名、事件、活動(dòng)，任意兩個(gè)節(jié)點(diǎn)之間的邊表示它們之間存在關(guān)系，如圖3-1所示。

▲圖3-1 基于圖形結(jié)構(gòu)的知識圖譜示意圖

知識圖譜的基本組成是“實(shí)體–關(guān)系–實(shí)體”的三元組，它不僅能把與關(guān)鍵詞有關(guān)的知識系統(tǒng)化地展示給用戶，也可以基于知識進(jìn)行推演。比方說，從〈東方明珠，坐落在，浦東〉和〈浦東，屬于，上?！颠@兩個(gè)組合，就能推測得到〈東方明珠，位于，上海〉。

知識圖譜還會(huì)不斷更新迭代，用戶搜索的次數(shù)越多，范圍越廣，這個(gè)知識庫就能獲取越多的信息和內(nèi)容。

知識并不是與生俱來的，獲取知識通常有兩種途徑。

途徑一是親身體驗(yàn)。比如，剛出生的嬰兒什么都不懂，將一杯熱水放到他面前，他會(huì)想要去拿杯子，結(jié)果喝水被燙到了。第二次他再看到杯子，有了上次被燙的經(jīng)驗(yàn)，他會(huì)觀察杯口是否冒煙，摸摸杯子的溫度，再?zèng)Q定是否拿杯子喝水。在這個(gè)過程中，嬰兒通過自己的親身體驗(yàn)，逐漸掌握了有關(guān)“熱水”的知識。

南宋理學(xué)家、思想家朱熹曾說：“所謂致知在格物者，言欲致吾之知，在即物而窮其理也?！彼磉_(dá)的意思是，獲得知識的途徑在于認(rèn)識世間萬物，并徹底研究它們的原理。就是說，要親身體驗(yàn)這個(gè)世界來獲得寶貴的知識。每個(gè)人有不同的人生和經(jīng)歷，這些會(huì)成為我們獨(dú)有的知識。

親身體驗(yàn)得來的知識是最真實(shí)的，所以它通常比較準(zhǔn)確。不過，這樣獲取知識的時(shí)間周期長，效率也比較低。

途徑二是通過別人教授。比如通過父母、老師、書本、網(wǎng)絡(luò)學(xué)習(xí)得來，但老師教的、書上印的可能出錯(cuò)，這樣得來的知識未必準(zhǔn)確。不過，它仍然是獲取知識最主要的形式，畢竟我們沒有那么多時(shí)間和精力，凡事都親身經(jīng)歷一遍。站在前人和巨人的肩膀上，不斷學(xué)習(xí)新的知識，是人類科技進(jìn)步的根本原因。

有趣的是，在互聯(lián)網(wǎng)時(shí)代，任何人都能隨時(shí)隨地找到自己想要的信息，但我們的知識總量并不會(huì)立刻增加。學(xué)習(xí)是一種過程，需要時(shí)間積累，欲速則不達(dá)。

比如很多人都聽過“區(qū)塊鏈”，但大部分人并不清楚它是什么。有人認(rèn)為它是錢，也有人認(rèn)為它是一種身份認(rèn)證技術(shù)。但這些理解都不準(zhǔn)確。很多人只是從網(wǎng)上找到了關(guān)于區(qū)塊鏈的信息，并沒有真正得到關(guān)于它的知識。從某種意義上講，互聯(lián)網(wǎng)雖然提高了人們找到碎片信息的效率，但降低了人們掌握完整知識的能力。

當(dāng)然，互聯(lián)網(wǎng)對整個(gè)社會(huì)來說仍然利大于弊，它讓全世界的知識能夠快速傳遞和共享。每個(gè)人都可以在網(wǎng)絡(luò)上自由地發(fā)表觀點(diǎn)，這些內(nèi)容也被其他人搜索、閱讀、討論。一個(gè)小學(xué)生能從互聯(lián)網(wǎng)上學(xué)到知識，并在課堂上指出老師的錯(cuò)誤，在家里糾正父母的觀念。這讓過去作為權(quán)威的老師和父母受到了挑戰(zhàn)，這在以前是不可想象的。

最后，讓我們做個(gè)簡答的總結(jié)——數(shù)據(jù)、信息、知識三者密不可分。

• 數(shù)據(jù)是一組有意義的符號，它是信息的載體，是知識的來源；
• 信息賦予了數(shù)據(jù)含義，信息消除了不確定性；
• 知識從實(shí)踐、經(jīng)驗(yàn)中得到，它由數(shù)據(jù)記錄，從信息中提煉。

關(guān)于作者：徐晟，某商業(yè)銀行IT技術(shù)主管，畢業(yè)于上海交通大學(xué)，從事IT技術(shù)領(lǐng)域工作十余年，對科技發(fā)展、人工智能有自己獨(dú)到的見解，專注于智能運(yùn)維（AIOps）、數(shù)據(jù)可視化、容量管理等方面工作。