数据的黑暗陷阱是什么由柏拉图洞穴之 [复制链接]

客观的世界只有一个，而描述这个世界的棱面却有无数个，如果只在一个或某几个棱面采集数据，就如同在降维的世界里，来刻画高维世界，即使收集的数据再多，也是残缺的，更可怕的是，数据越多，分歧也可能越多，因为每一个不同的观点，都能从事实的一个棱面，找到很多相应的数据来支持，然后彼此否定，如果是这样，那么在一定程度上，这比没有数据还要糟糕，这或许就是数据的黑暗陷阱之一。

●大数据的数理哲学基础

当下的世界，无不在快速地数据化，细节和事实都被广泛地记录下来。通过“数据排放（dataemission）”，大数据系统可以记录下用户留下的点点滴滴（如点击记录、浏览时间、评价内容等），还可以记录下传感器发出的（各种温度、湿度、速度、压力等传感器数据）。通过这些记录，消逝的世界，得以重新再现，从而进行规律挖掘和预测分析。以至于大数据时代有个动听的口号：记录一切数据，等待有趣的事发生。

于是，就有人说，大数据时代具有颠覆性，就是因为，目前一切事物的属性和规律，只要通过适当的编码（即数字介质），都可以传递到另外一个同构的事物上，得以“无损”全息表达。在这种意义上，有人就认为，大数据与世界本身是对等的，或者说是同构的（如图1所示）。大数据正是通过“量化一切”而实现整个世界的数据化，这很可能改变人们认知和理解世界的方式，即带来全新的大数据世界观——研究大数据，认知全世界！

毋庸置疑，大数据是一种宝贵的资源，也是一种强有力的工具。但就目前而言，说大数据是世界的同构映射，恐怕更多的仅仅是一种理想主义。大数据告知人们信息，却不解释信息。大数据引导人们去理解，但倘若使用不当，却会带来误解。大数据有其光辉的一面，但必须避免被它的光芒眩晕了双眼，我们也要利用余眸，留意大数据的黑暗陷阱。

●柏拉图的“洞穴之喻”与刘慈欣的“降维攻击”

古希腊哲学大家柏拉图在《理想国》第七篇中，讲了一个著名的比喻，即“洞穴之喻（AllegoryoftheCave）”：

设想有一个很深的洞穴，洞里有一些囚徒，他们生来就被锁链束缚在洞穴之中，他们背向洞口，头不能转动，眼睛只能看着洞壁。

在他们后面砌有一道矮墙，墙和洞口之间燃烧着一堆火，一些人举着各种器物沿着墙往来走动，如同木偶戏的屏风，当人们扛着各种器具走过墙后的小道，火光便把那些器物的影像投射到面前的洞壁上。由于这些影像是洞中囚徒们唯一能见的事物，他们即以为这些影像就是这个世界最真实的事物（如图2所示）。

柏拉图利用这个比喻，在启发世人，我们可见的世界，可能仅仅是被火光投射洞穴墙壁上的影像而已（自然，这个影像是失真的），而这些洞穴的居民，却把它当做是真实的世界。而真实的世界是在洞穴之外，是有太阳的地方。

在很多场景下，受到现有测量和认知工具的局限，我们只能感知到某个事实的一个或几个侧面，就如同柏拉图所言的洞穴人，受限于链锁，只能向到前面的洞穴壁，于是，就会误把其所能感知到的投影于洞壁的影像（二维世界），当作真实的世界（三维世界）。

如果将洞壁的影像，进行数据化处理，哪怕技术再先进，收集的数据再多，都难以让洞穴人感知到一个真实的世界，因为他们看到的世界，被“降维处理”了。

无独有偶。刘慈欣先生在其科幻名著《三体》中，也描绘了一个恢弘壮丽的“降维攻击”：“歌者”文明在途经太阳系旁的星际空间时，随手抛下了一张“二向箔”，包括地球在内的整个银河系的三维空间，瞬间就汹涌澎湃地流入二向箔，三维结构被碾压在二维平面之上。

降维为什么能形成攻击，很大程度上，降维就意味着降低了对世界文明的理解力！升维则相反。

一个正面的有趣的案例就是，在机器学习领域，有个非常有效的分类方法——支持向量机(SupportVectorMachine，SVM)。它最喜人的地方莫过于，对于低维空间的线性不可分样本，通过映射算法，可转化为高维特征空间，从而豁然开朗，使得线性不分类问题，变得线性可分。简单来说，SVM之所以好用，是因为它提供了一个“升维”的世界。

这里我们想说，没有足够的维度，看到的世界，就是“伪”世界。没有足够的棱面，看到的事实，就是“伪”事实！

其实这些并不是最可怕的，可怕的是它可能造就一个非良局面，拥有片面数据，然后固执己见，形成彼此否定的黑暗僵局。

但数据越多就越接近真相吗？

请期待

《数据的黑暗陷阱是什么？——

由柏拉图“洞穴之喻”想到的（上）》

作者简介：

张玉宏博士，年毕业于电子科技大学现执教于河南工业大学。中国计算机协会CCF会员ACM/IEEE会员，埃文科技高级技术顾问。主要研究方向为高性能计算、生物信息学主编有《Java从入门到精通》一书。