2019-10-11 | 연승 기자

[书架-数据科学]大数据就是答案?无稽之谈

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

能自动推荐你想买的东西的购物服务,如今已不再新奇。通过门户网站或社交网络服务(SNS)的搜索记录被反映出来,个人电脑(PC)或移动端窗口的角落里,不断跳出我想买的商品。数据被用于销售和营销领域只是最基础的应用。数据也被用于体育比赛。布拉德·皮特主演的电影《点球成金》就取材于奥克兰运动家棒球队利用数据科学改进球员引进方式的真实故事。

美国政府在精准医疗及卫生领域积极引入了大型数据科学项目。尤其是“All of Us计划”,是为开发定制化药物而收集100万名志愿者的环境、生活方式、生物数据以构建数据库的事业,规模号称世界最大。2016年美国总统大选时,政治专家预测希拉里将占优势,但基于大数据的人工智能(AI)却预测特朗普当选的可能性更高。由此可见,数据科学已深深嵌入我们的生活乃至政治、社会、经济之中。

新书《数据科学》从数据的概念讲起,梳理了机器学习、深度学习、神经网络是什么,以及彼此之间有何关系。更进一步,还论及数据科学发展将带来的伦理问题。作者约翰·凯莱赫和布兰登·蒂尔尼在爱尔兰都柏林理工大学讲授数据科学。

首先,数据科学是一个涵盖一系列规则、问题定义、算法与处理过程的概念,目的是从庞大的数据集中提取不易察觉却有用的模式。如果觉得有些难懂,不妨想成是为预测前述购物推荐商品、大选支持者等而提取所需模式,这样就容易理解了。

人类生成的数据量极其庞大。自文字诞生以来至2003年的5000年间产生的数据量估计约为5艾字节。而据称从2013年起,每天就积累约5艾字节的数据。为处理这些庞大数据带来革命的正是“深度学习”。深度学习指的是由连接多层单元的网络构成的神经网络模型集群。DeepMind的计算机程序阿尔法围棋是展现深度学习学科领域如何变化的典型例子。阿尔法围棋在2016年一场有超过2亿人观看的比赛中,战胜了18次登上围棋世界冠军的职业棋手李世石,令世界震惊。想到直至2009年,世界最顶尖的围棋程序也仅相当于水平较高的业余组下游,深度学习技术在4年间取得的成果堪称惊人。

尽管数据科学似乎能预测一切,书中也指出围绕它的夸大与迷信同样不少。把数据交给自动化流程就能得到所有答案,被视为关于数据科学的最大迷信。因为数据科学在每个流程阶段都需要老练的专家进行监督,而目前尚未做到。

此外,认为所有数据科学项目都需要大数据、都必须使用深度学习技术,也被视为一种“迷信”。拥有更多数据固然好,但比这更重要的是拥有“正确的数据”。“正确的数据”究竟是什么、如何判断,是一大课题。数据科学工具虽让使用者省事,但也可能误用科学。由于人们畏惧技术,因而倾向于相信软件给出的任何结果,这正是数据科学的陷阱与风险。

作者们将数据科学引发的隐私侵犯等伦理争议列为需要解决的课题。虽然没有办法不留下数字痕迹,但有必要建立规制数据利用、保护隐私的法律体系。书中还涉及美国的“公平信息使用原则”、欧盟的“数据保护指令”等数据保护法,对于国内相关立法仍显薄弱的情况,可作为指南加以利用。1.48万韩元。

阅读韩文原文