資訊專欄INFORMATION COLUMN
摘要：古希臘哲學家畢達哥拉斯曾說，萬物的起源是數(shù)字。作為崇拜數(shù)字的始祖，畢達哥拉斯如果目睹現(xiàn)代人對數(shù)據(jù)的崇拜應該多少有些欣慰，數(shù)字聯(lián)通世界似乎正在踐行著他的古老哲學。
古希臘哲學家畢達哥拉斯曾說，萬物的起源是“數(shù)字”。
數(shù)字和數(shù)學與萬物的起源有什么關系呢？在他看來，探討萬物起源這個問題上，形式比質料占有優(yōu)先地位。在他之前，最先思考這一哲學問題的哲學家認為萬物起源是火、是水，亦或是氣，但無論什么，都是有形可見物質。直到畢達哥拉斯，他認為事物的外在存在不重要，重要的是這個這些東西怎樣才能被認知，如果沒有數(shù)字、數(shù)學的概念，人不僅不可能溝通，就是連基本的認知都很困難。
作為崇拜數(shù)字的始祖，畢達哥拉斯如果目睹現(xiàn)代人對數(shù)據(jù)的崇拜應該多少有些欣慰，數(shù)字聯(lián)通世界似乎正在踐行著他的古老哲學。
然而，大數(shù)據(jù)對于現(xiàn)代人的生存發(fā)展來說究竟是否是好事情，或還值得商榷。即使也有悲觀的物理學家科學家警告人類會被人工智能毀滅，但因為目前來看人工智能所能進行的操作實在有限，很少有人較真。不同于人工智能，現(xiàn)今可以實現(xiàn)的大數(shù)據(jù)處理技術已經(jīng)沒有需要克服的門檻，正因此B2B，O2O等需要大數(shù)據(jù)和互聯(lián)網(wǎng)化的商業(yè)形態(tài)才能夠迅速落地。然而，在人們享受大數(shù)據(jù)分析和數(shù)據(jù)互聯(lián)所帶來的好處的同時，也潛藏著深刻的隱患。
2016年12月，美國并沒有迎來第一位女總統(tǒng)，以愛發(fā)布推特聞名的特朗普榮登總統(tǒng)寶座，這讓很多人大跌眼鏡，更是給了自認為有著數(shù)據(jù)統(tǒng)治權的傳統(tǒng)媒體一記響亮的耳光，因為它們大多數(shù)在從正規(guī)渠道獲取了信息后做出了錯誤的預測。而就在比紙牌屋更離奇的“通俄門”還未定音，Cambridge Analytica利用Facebook影響大選的事情又炸開了鍋。這還不算，那段流傳在網(wǎng)絡的視頻，曝光出這家公司能夠通過數(shù)據(jù)分析無所不能，甚至作惡多端。
事實上，在Facebook走上風口浪尖之前，人們更加懼怕的是谷歌。在拉里·佩奇希望用大數(shù)據(jù)和人工智能改造世界的美好愿景下，人們似乎并沒有被他的“教義”所吸引，更愿意相信的是，這些基于數(shù)據(jù)的商業(yè)帝國只是崇尚原始資本積累和以自由主義匿名另一群新興資本家而已，甚至給它貼上標簽：罔顧人權，與情報部門合作，出賣用戶信息的“數(shù)據(jù)章魚”。
這樣的說法確有其理。盡管與傳統(tǒng)的剩余價值產生于生產和銷售環(huán)節(jié)不同，互聯(lián)網(wǎng)科技公司的商業(yè)模式是通過數(shù)據(jù)處理吸引精準的廣告投放，從而讓信息流通的價值得以變現(xiàn)。它與傳統(tǒng)媒體最大的區(qū)別在于因為雙向互通性所以獲取了客戶信息，從而可以進行行為分析，而大部分傳統(tǒng)媒體因為傳播的單向性不能實時獲得用戶的真實信息和行為狀態(tài)，即使進行客戶調查，也會因為想法和行為的偏差而產生信息失準。正是因為對手的弱勢，給了眾科技公司可乘之機。
文章版權歸作者所有，未經(jīng)允許請勿轉載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉載請注明本文地址：http://www.ezyhdfw.cn/yun/5735.html
摘要：多種學科為神經(jīng)科學做出貢獻。對正常的心智功能如學習和記憶，以及異常功能如抑郁精神分裂和阿爾茨海默病，遺傳學鑒定了與之相關的基因。 大腦的未來，在作者的描述之下，真是一個令人興奮又令人擔憂的未來?！涯矫魑沂且粋€神經(jīng)科學家，也就是說，我在研究腦如何工作。就像其他許多神經(jīng)科學家一樣，我做這門學問，是因為我相信在分子、細胞和系統(tǒng)層次探索腦如何工作，我們可以對思維如何運作有些理解。對我來說，這是一...
摘要：如果這個場景足夠簡單的話，深度學習并不能表現(xiàn)出相對于其它基于傳統(tǒng)模式識別方法的優(yōu)勢。這是深度學習目前受到關注的一個非常重要的原因。通過積累大量的數(shù)據(jù)進行足夠的訓練，基于深度學習的系統(tǒng)可以給出最優(yōu)規(guī)劃。 谷歌和李世石的人機大戰(zhàn)引爆了公眾對于人工智能的關注，也讓基于深度學習的人工智能成為汽車業(yè)界關注的重點，那么深度學習在智能駕駛的應用場景下有什么幫助呢?自動駕駛最先出現(xiàn)在美國，而不是歐洲或者日本...
摘要：許多行業(yè)知識均被鎖定在非結構化的之中，因此，如果能夠訓練通過人工智能和機器學習的方式來組織處理和吸收這些信息，那么，將能加速完成幾乎所有人工智能領域的工作。還認為人工智能將對認知和機器建模機器學習的同宗技術產生影響。 盡管要以計算技術的發(fā)展為依托，但人工智能已然成為科技界最炙手可熱的話題。無數(shù)的初創(chuàng)公司現(xiàn)在都以人工智能為噱頭來解釋他們開展的工作，技術營銷人員紛紛利用人工智能開展品牌宣傳，令算...
閱讀 2070·2023-04-25 22:42
閱讀 2280·2021-09-22 15:16
閱讀 3540·2021-08-30 09:44
閱讀 544·2019-08-29 16:44
閱讀 3368·2019-08-29 16:20
閱讀 2577·2019-08-29 16:12
閱讀 3447·2019-08-29 16:07
閱讀 720·2019-08-29 15:08
