中國科學(xué)院院士、北京航空航天大學(xué)校長懷進鵬：關(guān)于新型計算模式的研究與思考

中國全功能接入互聯(lián)網(wǎng)已有20年的歷史，互聯(lián)網(wǎng)在為人們提供便利的同時，也給教育科技的發(fā)展帶來了巨大的益處，并步入了以云計算和大數(shù)據(jù)為特征的科研信息化時代。面對龐大的數(shù)據(jù)信息，如何進行數(shù)據(jù)處理，如何進行計算成為大眾關(guān)注的熱點問題。對此，中國科學(xué)院院士、北京航空航天大學(xué)校長懷進鵬在近日舉辦的“CERNET第二十一屆學(xué)術(shù)年會”上發(fā)表的主題演講里做了詳細分析，并就互聯(lián)網(wǎng)大數(shù)據(jù)時代下新型計算模式進行了探討。

大數(shù)據(jù)出現(xiàn)以前人們只關(guān)心算法，現(xiàn)在則會有新的挑戰(zhàn)性的問題：原來可近似性的問題，在大數(shù)據(jù)面前就不能近似了。這就需要不僅要考慮到算法近似，還要考慮數(shù)據(jù)近似以及結(jié)果的近似。

互聯(lián)網(wǎng)的轉(zhuǎn)型

根據(jù)吉爾德定律，主干網(wǎng)帶寬每六個月加一倍，而每比特的費用將趨于零。20年來，IT技術(shù)不斷發(fā)展，計算速度和存儲能量也產(chǎn)生了巨大變化，CPU性能提高了3500倍，但內(nèi)存和硬盤的價格卻分別下降了45000倍和360萬倍，在此背景下，提供了一個完全與眾不同并且不斷加速的空間，即寬帶的速度遠超過摩爾速度時，所有終端計算都進入網(wǎng)絡(luò)計算，離線進入了在線時代。

互聯(lián)網(wǎng)為人們提供更多更好的服務(wù)，隨著互聯(lián)網(wǎng)不斷發(fā)展，特別是在進入移動互聯(lián)網(wǎng)時代后，計算模式和技術(shù)都有了新的變化。如何建立一個更加開放的環(huán)境，從而使研究和教育更加有效日漸引起人們的關(guān)注。

最近幾年，“大數(shù)據(jù)”頻頻被提及，人們對其的關(guān)注度也越來越高。數(shù)據(jù)處理一直是計算機技術(shù)、信息技術(shù)的一個重要內(nèi)容。進入虛擬計算這樣一個新的環(huán)境的時候，實際上已經(jīng)表現(xiàn)出向終端到網(wǎng)絡(luò)化、應(yīng)用的智能化和系統(tǒng)管理的虛擬化的發(fā)展。同時，也帶來了不同時期的變革。

第一次變革來自于PC時代，按許可證購買版權(quán)，軟件成為商品。第二次變革就是在互聯(lián)網(wǎng)時代下，基于互聯(lián)網(wǎng)的信息服務(wù)業(yè)?；ヂ?lián)網(wǎng)給我們帶來了巨大的影響，促進了產(chǎn)業(yè)和學(xué)術(shù)的發(fā)展，這兩次重要的變革都對實際的應(yīng)用產(chǎn)生了重要的影響，比如CERNET就在發(fā)展推動研究和教育中有著不可或缺的巨大歷史貢獻。而第三次變革則不得不思考，云計算與大數(shù)據(jù)時代產(chǎn)生的新機遇。如今進入了用戶產(chǎn)生內(nèi)容、移動互聯(lián)的新時代，將有可能出現(xiàn)一種新的機會和新的情況。隨著移動終端數(shù)量的不斷增長，這些終端所產(chǎn)生的數(shù)據(jù)和內(nèi)容，以及為這樣的內(nèi)容所提供的服務(wù)會產(chǎn)生一個新的變化。這種變化不是商業(yè)模式的改變，而是其背后的數(shù)據(jù)分析時代的到來。未來互聯(lián)網(wǎng)將創(chuàng)造出新的價值，是否以數(shù)據(jù)與服務(wù)為中心值得期待。如何有效地提供并支撐好數(shù)據(jù)庫，并將其融入到教育事業(yè)中去，也是值得去思考的。

大數(shù)據(jù)帶來新計算時代

大數(shù)據(jù)的出現(xiàn)，帶來了一定的好處，但也產(chǎn)生了一些問題。2010年，《經(jīng)濟學(xué)人》雜志做了一個關(guān)于“Data Deluge（數(shù)據(jù)泛濫）”的專題，指出信息從稀缺走向極大豐富，在帶來便利的同時也導(dǎo)致大麻煩。例如，銀行的評估機構(gòu)擁有大量的數(shù)據(jù)，但依然無法預(yù)測出2008的金融危機。因此，當數(shù)據(jù)泛濫、無處不在時，如何去認識并利用數(shù)據(jù)是需要多加關(guān)注的。當然，大數(shù)據(jù)也確實給人們帶來了很多機遇，并成功應(yīng)用于傳統(tǒng)醫(yī)學(xué)研究、生物信息、高能物理等領(lǐng)域。

由于大數(shù)據(jù)的產(chǎn)生，谷歌在2008年通過龐大搜索數(shù)據(jù)訓(xùn)練4.5億個數(shù)學(xué)模型，提前幾周預(yù)測出H1N1流感在美國地區(qū)的爆發(fā)和傳播，其準確的地域覆蓋人群和基本特征都非常明確，這也使得醫(yī)學(xué)專家，特別是醫(yī)療疾控領(lǐng)域?qū)＜覍Υ斯文肯嗫?。另外如阿里巴巴、百度也有很多利用大?shù)據(jù)分析的有效結(jié)果。因此，隨著互聯(lián)網(wǎng)不斷變化，它已經(jīng)從一個通訊的平臺進入到計算的平臺，而這種計算的平臺改變了人們現(xiàn)在經(jīng)濟社會的生活。

眾所周知，量變是容易把握和認識的，而質(zhì)變則是很難發(fā)現(xiàn)的。對于未來發(fā)展，大數(shù)據(jù)是不是有科學(xué)價值，則需要像“盲人摸象”一般，不斷地去探索。通常，科學(xué)研究有三個模式，分別是理論研究、實驗研究和計算研究，那么針對第四種模式——數(shù)據(jù)密集型的科學(xué)發(fā)展正在被人們所認識和利用，一些基于實驗科學(xué)所開展的工作有相當一部分源于這種模式。

大數(shù)據(jù)是否會改變過去的計算模式？顯而易見，互聯(lián)網(wǎng)的出現(xiàn)改變了人們的交流方式，而大數(shù)據(jù)處理則改變了經(jīng)濟和社會方式。

第一，從抽樣向全樣轉(zhuǎn)變。大數(shù)據(jù)具有 4V（volume、velocity、variety、value）特征，即規(guī)模大、變化快、種類雜、價值密度低。在過去的計算的模式下，以抽樣、統(tǒng)計數(shù)學(xué)為主要特征。而在數(shù)據(jù)規(guī)模十倍、一百倍、一千倍變化的時候，過去的算法并不適用，這就需要全樣的分析。

第二，從精確計算向非精確計算轉(zhuǎn)變。過去追求的精確計算，期望得到準確的解答。大數(shù)據(jù)下精確性不再是絕對追求目標，需對宏觀趨勢給出快速預(yù)測，上網(wǎng)的搜索未必得出唯一的內(nèi)容。

第三，從因果向關(guān)聯(lián)轉(zhuǎn)變。過去做科學(xué)研究，不僅要知其然，還要知其所以然。但在大數(shù)據(jù)面前，僅需知其然，無需知其所以然，用于“發(fā)現(xiàn)事實、預(yù)測未來” 。

同時，大數(shù)據(jù)的計算具有相似性（inexact）、增量性（incremental）和歸納性（inductive）的特征，因此，要以這三個特征為基礎(chǔ)去研究它的算法和復(fù)雜性。研究在如此廣泛的數(shù)據(jù)下，是否會出現(xiàn)新的計算模式。

隨著互聯(lián)網(wǎng)的進一步應(yīng)用，有可能出現(xiàn)以數(shù)據(jù)科學(xué)和理論為代表的新型計算模式。數(shù)據(jù)計算科學(xué)對計算理論、數(shù)據(jù)表示和學(xué)習(xí)方法提出新的挑戰(zhàn)，這也許是數(shù)據(jù)科學(xué)和技術(shù)的轉(zhuǎn)型。

大數(shù)據(jù)科學(xué)的問題

實際上，可計算問題是計算機科學(xué)的本質(zhì)問題，而算法是一切計算問題的核心。公式G=F（X）中，F(xiàn)是算法，那么過去關(guān)于“F”做了哪些工作？70年代以前一直做算法研究，到了70年代發(fā)現(xiàn)有NP問題，而80年代出現(xiàn)了隨機化算法，90年代發(fā)現(xiàn)近似算法。目前，在大數(shù)據(jù)時代，計算復(fù)雜性與算法是否面臨新的問題？

在大數(shù)據(jù)下，傳統(tǒng)認為易解問題可能成為“難解”問題。因為通常說大數(shù)據(jù)是指算不了的數(shù)據(jù)，如采用最快硬盤讀取速度6Gbps,僅線性掃描，1PB數(shù)據(jù)掃描下來需1.9天；1EB數(shù)據(jù)則需5.28年；但是，百度一天處理網(wǎng)頁數(shù)據(jù)超過10PB，把這些數(shù)據(jù)掃描下來則需要19天，所以大數(shù)據(jù)是目前處理不了的數(shù)據(jù)。

大數(shù)據(jù)出現(xiàn)以前人們只關(guān)心算法，現(xiàn)在則會有新的挑戰(zhàn)性的問題：原來可近似性的問題，在大數(shù)據(jù)面前就不能近似了。這就需要不僅要考慮到算法近似，還要考慮數(shù)據(jù)近似以及結(jié)果的近似。

在大數(shù)據(jù)下的計算，太小的數(shù)據(jù)無法計算，數(shù)據(jù)太多則精度不夠。因此需要有新的計算模型，通過信息計算的方法，把數(shù)據(jù)以存儲感知為基礎(chǔ)，再加上計算聯(lián)動的方式。未來，在這一領(lǐng)域?qū)⒂泻芏嘈碌慕Y(jié)果，如何把多個資源融合和擴大提供服務(wù)，也引起學(xué)術(shù)界重視，圖數(shù)據(jù)搜索正在成為新型“社會搜索”引擎。

此外，通過分析20萬的新浪用戶的7000萬條的微博數(shù)據(jù)，發(fā)現(xiàn)憤怒是相關(guān)性最強的情緒，其次是高興、低落和厭惡，這也驗證了中國的一句俗語：“好事不出門，壞事傳千里”。這一發(fā)現(xiàn)結(jié)果也被90多個國家的數(shù)百家媒體報道。

當然，在未來的互聯(lián)網(wǎng)這個大數(shù)據(jù)應(yīng)用當中，依然會面臨的一個問題就是數(shù)據(jù)安全和系統(tǒng)安全，這是大數(shù)據(jù)研究中非常重要的。數(shù)據(jù)需要開放和透明，某個人的基本信息是可以開放的，但是作為隱私的數(shù)據(jù)是可以單獨保留的。

從數(shù)據(jù)科學(xué)到機器智能

在研究過程中，希望通過無序的數(shù)據(jù)能夠找到它信息的關(guān)聯(lián)圖譜，通過信息圖譜的深度融合和發(fā)掘，能建立起知識圖譜而不是孤立的事件。通過關(guān)聯(lián)融合形成的知識圖譜，能對某一類的問題或現(xiàn)象有一個判斷和認知。例如，在UGC下，是否有可能通過用戶產(chǎn)生的數(shù)據(jù)做出預(yù)測分析，通過數(shù)據(jù)計算給人工智能和認知科學(xué)帶來一個新的思考。

目前，主要還是以數(shù)據(jù)科學(xué)研究計算，通過它來進一步延伸進行遷移學(xué)習(xí)、自主學(xué)習(xí)等。其目的是形成知識的關(guān)聯(lián)和構(gòu)造出的復(fù)雜結(jié)構(gòu)，能夠為社會科學(xué)、傳媒學(xué)、社會經(jīng)濟以及互聯(lián)網(wǎng)發(fā)展提供數(shù)據(jù)的支持。

一位管理大師曾說過：“重要的不是趨勢，而是把握趨勢的轉(zhuǎn)變”。盡管有很多難度，但是對數(shù)據(jù)的認識還是可以不斷進化的。如果可以來利用這樣的樣本規(guī)模，通過不同方式的學(xué)習(xí)，使機器真的開始有學(xué)習(xí)記憶、認知，并且能夠具有自主性。那么，看似無序的數(shù)據(jù)分析，卻可能通過認識數(shù)據(jù)的外部功能和構(gòu)造，來形成新的智能研究的方法，這也是一件可以探索的事情。