1.什么是数据？

一谈数据，人们容易想到数字。

比如领导叫你用数据说话，你会说费用节省了多少、效率提高了多少、一周或一个月加班了多少个小时等，这些都可以用具体的数字或者百分比来表示。

又比如，机械的运行状态也常用数字描述，如温度多少、压力多少、速度多少、运行了多少个小时等，都常用数字表示。

但人工智能说的数据要比数字广泛得多。除了数字外，图片、视频、医学影像、设计图纸、信件、电视、广播节目、互联网网页、古董上的图案等都是数据。所以，下次领导叫你用数据说话的时候，你不一定要用数字说话，也可以拿照片、截图、录音、视频等等给他。

2.数据、信息与知识

想想我们初中学物理的时候，老师是不是教我们数字后面要带单位才有意义？比如数字20毫无意义，只有带上单位，如摄氏度、毫米、千克等，数字才有意义。这些单位才反映出相关的信息，摄氏度是有关温度的信息，毫米是距离或者说是几何的信息，千克是质量的信息。

所以说，数据要带上信息才有意义，没有信息的数据通常没有意义。

信息常常隐藏在事物的背后，一般需要抽象、测量和分析计算才能得到。比如动物没有面积、周长等概念，虽然面积、周长都客观存在。现在读完小学的人都知道，圆的面积=圆周率乘以半径的平方。虽然这个规律客观存在，但直到人类文明发展到一定阶段，才有极少数具有数学天赋的人把这条规律挖掘出来。

对数据和信息进行加工后，获得一定的规律就成为知识。比如圆的面积=圆周率乘以半径的平方，勾股定律，牛顿第二定律（F=ma）等都是知识。

这些确定性的知识对我们的行动很有指导意义，比如设计一座桥梁或者一个机械零件，一般都要经过力学公式计算，校核其强刚度。这类知识比较容易从书本上学到，通过反复练习，一般能熟练应用。

3.大数据，解决不确定性问题

但是人们面对的很多问题具有不确定性，有公式告诉你怎么管理团队吗？有公式告诉你是否该投资某个项目吗？都没有。

面对不确定性问题，虽然我们无法找到勾股定律，牛顿第二定律那样明确的规律，但是我们可以从数据中挖掘到很多具有相关性规律，指导我们的行动。下面举一个例子。

20世纪70年代，为了加快社会主义建设，中国政府就一些重大项目向其它国家招标，大庆油田设备就是其中一例。

当时大庆油田中国对外保密，外国对这座油田的具体地点都不清楚，这种请下，某国却有针对性地一举中标。原因是某国通过中国《人民画报》上刊登的铁人王进喜的照片（正如前面所说，照片也是数据）找到很多线索。

根据王进喜穿厚棉袄，戴大皮毛，推断油田在中国很北的地方，可能在哈尔滨和齐齐哈尔之间。从背景中井架的密度，大致可以估算出产油量。从王进喜握手柄的方式，大致能推算出油井的直径。由于从这张照片推断出较为准确的信息，他们提供的设备非常有针对性，所以一举中标就不奇怪了。

从这个例子可以看出，数据之间往往隐含着很多相关性，虽然相关性不等于必然性，但如果我们能挖掘出其相关性，可能会给我们带来惊喜。当然，挖掘数据之间的相关性并不容易，上面大庆油田的例子数据量很小，现象之间的相关性人脑也容易想到。

现在市面上还有教人如何洞察事物之间关系的畅销书，比如《洞察：精确观察和有效沟通的艺术》，作者：艾美赫曼。下面一张图摘自这本书，你能观察到什么？

如果数据量很大，现象之间的关系很隐秘，人脑就无能为力了，而基于大数据的人工智能很可能做得到。顺便一提，现在计算机专业还有个数据挖掘方向。随着大数据（什么是大数据后面再谈）时代的到来，以及通信和计算机硬件性能提升，已经为人工智能铺平了道路。

牛顿力学解决的是确定性问题，人工智能可以解决不确定问题。还记得董明珠和雷军的豪赌吧？结果怎么样？格力发展速度远慢于小米，因为前者用的工业时代的牛顿思维，后面用的互联网时代的大数据思维。

虽然小米做手机，造车，看起来是传统制造业。但雷军都说了，小米其实是家互联网公司。董小姐偏偏看不上没有制造实体“玩虚”的公司，这是这两位企业家思维方式不同所致。

近年方洪波不断强调数字化转型，不断要求他们的高管转变思维，也许就是从“董雷豪赌”，以及格力小米两家公司后续发展情况中得到启发。方洪波说美的高管都是从传统工业成长起来的，美的要向数字化转型，思维不转（包括方洪波自己），一切改变都是徒劳。

现代制造业，如果不注入大数据和人工智能元素，很可能会像有些公司那样，不断在传统技术上投入研发，希望通过掌握核心科技来获得竞争力。不能说它没效果，但在持续研发了几十年的传统方向投入，边际效益必将递减。

参考：《智能时代》，作者：吴军。