中国工程院院士李德毅：大数据突破点在于聚类

　　2015年4月9日，第三届中国电子信息博览会在深圳召开。工业和信息化部电子信息司司长刁石京主持开展了新一代信息技术产业发展高峰论坛。中国工程院院士李德毅发表了主题为“大数据认知”的演讲，对大数据的发展前景做出了展望。

　　人类社会文明已经进入到了数据密集型的新时代，大数据已经成为重要的资产。在李德毅看来，大数据本身既不是科学，也不是技术，它反映的是网络时代的一种客观存在。而数据数量巨大，价值密度低，实时在线，多源异构，给人们的认知造成了很大的困扰。

　　李德毅认为，人类的认知科学要想有所突破，首先就要在大数据聚类上去的突破，聚类是挖掘大数据资产价值的第一步。这种聚类是跨学科、跨领域、跨媒体的，并且已经成为许多行业的核心竞争力。人脑的认知能力不能够全部、完整、统一地形式化，但特定的情境下的认知能力是否可以先局部地形式化。

　　智能机器人是物联网不可或缺的端设备，一直以来都是人类关注的重点。李德毅认为，机器人既使用大数据也产生大数据，既是大数据的产物，也是大数据的推动者，机器人是大数据的认知的典型代表。人脑的认知能力不能够全部、完整、统一地形式化，但特定的情境下的认知能力是否可以先局部地形式化，而机器人就是人类的思维移植。

　　以下为李德毅演讲全文：

　　尊敬的怀部长，各位来宾，女士们，先生们，我汇报的主题是大数据认知，云计算、大数据、认知，大家知道认知是现在全球都感兴趣的话题。所谓认知，就是怎么样获取知识和技能的能力，所以我的第一个小标题是讲一下认知。

　　大数据标志着一个新时代的到来，这个时代的特征不只是追求丰富的物质资源，也不只是无所不在的互联网带来的方便的多样化信息服务，同时还包含区别于物质的数据资源的价值发现和价值转换，以及由大数据带来的精神和文化方面的崭新现象。

　　大数据来源于人类的测量、记录和分析世界的渴望和无尽的追求。随着信息技术，尤其是传感器、通信、计算机和互联网技术的迅猛发展和广泛应用，人类获取数据的手段越来越多，速度大大加快、成本急剧降低，层次和尺度更为精细，揭示自然现象和社会现象更加深刻，人联网和物联网又使得人人物物都成为数据源，这样一来，大数据成为网络时代人类社会的重要资产。

　　我想说一个观点，大数据本身既不是科学，也不是技术，我个人认为，它反映的是网络时代的一种客观存在，各行各业的大数据，规模从TB到PB到EB到ZB，都是以三个数量级的阶梯迅速增长，是用传统工具难以认知的，具有更大挑战的数据。

　　数据量巨大，价值密度低，实时在线，多源异构，怎么办?举个例子吧!聚类，物以类聚，人以群分，这是人类几千年来认识世界和社会的基本能力，是从大数据中发现价值必须面对的一个普遍性、基础性问题，是认知科学作为学科的学科，要解决的首要问题。无论是政治、经济、文学、历史、社会、文化、还是数理、化工、医农、交通、地理、各行各业的大数据或宏观或微观的任何价值发现。

　　2008年XX专刊登了一篇文章，人们对小标题关注不够，这个小标题讲的PB时代的科学怎么做。大数据分析和挖掘的首要任务是聚类，这种聚类是跨学科、跨领域、跨媒体的。

　　聚类的挑战性很多，有人是并行计算等等，我不细讲了。我想说的是大数据聚类表现形态。

　　我想用几个例子来讲一讲，人类走过了几千年的实验科学、几百年的理论科学，保险是一个很传统的行业，基于概念评估的生意，保险公司对车险客户是这样聚类的：A类连续两年没有出车祸的，B类，最近一年没有出车祸的，C类过去一年出了一次车祸的，D类过去一年出了两此及以上车祸的。我从机场到深圳来，你坐飞机从北京到深圳，保险公司给你付了，我一了解，这个保险是20块钱，这个保险公司买了你三个大数据，身份证，还有你的手机号，各位企业、各位领导，各位老百姓，你们想一想。

　　物联网时代，当汽车成为轮式机器人，成为大数据发生器以后，就是一个大数据发生体，每一次驾驶，每一次维修，每一次行驶，甚至每一次刹车，都会记录在岸，利用大数据聚类，保险公司可对一个车况好、驾驶习惯好、常走线路事故率低，不勤开车的特定客户，给予更大的优惠，而对风险太高的客户报高价甚至拒绝，例如出租车司机跑的比老百姓多得多，总之能够给出包括保险费支付方式在内的个性化解决方案，这就颠覆了保险公司的传统商业模式。这就是大数据聚类成为保险公司的核心竞争力，我扩张一下，就是大数据聚类成为很多行业的核心竞争力。