圖靈獎得主，關(guān)系型數據庫的鼻祖吉姆·格雷(Jim Gray)也是一位航海運動(dòng)愛(ài)好者。2007年1月28日，他駕駛帆船在茫茫大海中失聯(lián)了。而就是17天前的1月11日，在加州山景城召開(kāi)的NRC-CSTB（National Research Council-Computer Science and Telecommunications Board）大會(huì )上，他發(fā)表了留給世人的最后一次演講“科學(xué)方法的革命”，提出將科學(xué)研究分為四類(lèi)范式（Paradigm，某種必須遵循的規范或大家都在用的套路），依次為實(shí)驗歸納，模型推演，仿真模擬和數據密集型科學(xué)發(fā)現（Data-Intensive Scientific Discovery）。其中，最后的“數據密集型”，也就是現在我們所稱(chēng)的“科學(xué)大數據”。
人類(lèi)最早的科學(xué)研究，主要以記錄和描述自然現象為特征，稱(chēng)為“實(shí)驗科學(xué)”（第一范式），從原始的鉆木取火，發(fā)展到后來(lái)以伽利略為代表的文藝復興時(shí)期的科學(xué)發(fā)展初級階段，開(kāi)啟了現代科學(xué)之門(mén)。
但這些研究，顯然受到當時(shí)實(shí)驗條件的限制，難于完成對自然現象更精確的理解?？茖W(xué)家們開(kāi)始嘗試盡量簡(jiǎn)化實(shí)驗模型，去掉一些復雜的干擾，只留下關(guān)鍵因素（這就出現了我們在學(xué)習物理學(xué)中“足夠光滑”、“足夠長(cháng)的時(shí)間”、“空氣足夠稀薄”等令人費解的條件描述），然后通過(guò)演算進(jìn)行歸納總結，這就是第二范式。這種研究范式一直持續到19世紀末，都堪稱(chēng)完美，牛頓三大定律成功解釋了經(jīng)典力學(xué)，麥克斯韋理論成功解釋了電磁學(xué)，經(jīng)典物理學(xué)大廈美輪美奐。但之后量子力學(xué)和相對論的出現，則以理論研究為主，以超凡的頭腦思考和復雜的計算超越了實(shí)驗設計，而隨著(zhù)驗證理論的難度和經(jīng)濟投入越來(lái)越高，科學(xué)研究開(kāi)始顯得力不從心。
20世紀中葉，馮·諾依曼提出了現代電子計算機架構，利用電子計算機對科學(xué)實(shí)驗進(jìn)行模擬仿真的模式得到迅速普及，人們可以對復雜現象通過(guò)模擬仿真，推演出越來(lái)越多復雜的現象，典型案例如模擬核試驗、天氣預報等。隨著(zhù)計算機仿真越來(lái)越多地取代實(shí)驗，逐漸成為科研的常規方法，即第三范式。
而未來(lái)科學(xué)的發(fā)展趨勢是，隨著(zhù)數據的爆炸性增長(cháng)，計算機將不僅僅能做模擬仿真，還能進(jìn)行分析總結，得到理論。數據密集范式理應從第三范式中分離出來(lái)，成為一個(gè)獨特的科學(xué)研究范式。也就是說(shuō)，過(guò)去由牛頓、愛(ài)因斯坦等科學(xué)家從事的工作，未來(lái)完全可以由計算機來(lái)做。這種科學(xué)研究的方式，被稱(chēng)為第四范式。
我們可以看到，第四范式與第三范式，都是利用計算機來(lái)進(jìn)行計算，二者有什么區別呢？現在大多科研人員，可能都非常理解第三范式，在研究中總是被導師、評委甚至是自己不斷追問(wèn)“科學(xué)問(wèn)題是什么？”，“有什么科學(xué)假設？”，這就是先提出可能的理論，再搜集數據，然后通過(guò)計算來(lái)驗證。而基于大數據的第四范式，則是先有了大量的已知數據，然后通過(guò)計算得出之前未知的理論。在維克托·邁爾-舍恩伯格撰寫(xiě)的《大數據時(shí)代》（中文版譯名）中明確指出，大數據時(shí)代最大的轉變，就是放棄對因果關(guān)系的渴求，取而代之關(guān)注相關(guān)關(guān)系。也就是說(shuō)，只要知道“是什么”，而不需要知道“為什么”。這就顛覆了千百年來(lái)人類(lèi)的思維慣例，據稱(chēng)是對人類(lèi)的認知和與世界交流的方式提出了全新的挑戰。因為人類(lèi)總是會(huì )思考事物之間的因果聯(lián)系，而對基于數據的相關(guān)性并不是那么敏感；相反，電腦則幾乎無(wú)法自己理解因果，而對相關(guān)性分析極為擅長(cháng)。這樣我們就能理解了，第三范式是“人腦 電腦”，人腦是主角，而第四范式是“電腦 人腦”，電腦是主角。這樣的一種說(shuō)法，顯然遭到了許多人的反對，認為這是將科學(xué)研究的方向領(lǐng)入歧途。從科學(xué)論文寫(xiě)作角度來(lái)說(shuō)，如果通篇只有對數據相關(guān)性的分析，而缺乏具體的因果解讀，這樣的文章一般被認為是數據堆砌，是不可能發(fā)表的。
然而，要發(fā)現事物之間的因果聯(lián)系，在大多數情況下總是困難重重的。我們人類(lèi)推導的因果聯(lián)系，總是基于過(guò)去的認識，獲得“確定性”的機理分解，然后建立新的模型來(lái)進(jìn)行推導。但是，這種過(guò)去的經(jīng)驗和常識，也許是不完備的，甚至可能有意無(wú)意中忽略了重要的變量。
這里舉一個(gè)大家容易理解的例子?，F在我們人人都在關(guān)注霧霾天氣。我們想知道：霧霾天氣是如何發(fā)生的，如何預防？首先需要在一些“代表性”位點(diǎn)建立氣象站，來(lái)收集一些與霧霾形成有關(guān)的氣象參數。根據已有的機理認識，霧霾天氣的形成不僅與源頭和大氣化學(xué)成分有關(guān)，還與地形、風(fēng)向、溫度、濕度氣象因素有關(guān)。僅僅這些有限的參數，就已經(jīng)超過(guò)了常規監測的能力，只能進(jìn)行簡(jiǎn)化人為去除一些看起來(lái)不怎么重要的，只保留一些簡(jiǎn)單的參數。那些看起來(lái)不重要的參數會(huì )不會(huì )在某些特定條件下，起到至關(guān)重要的作用？如果再考慮不同參數的空間異質(zhì)性，這些氣象站的空間分布合理嗎，足夠嗎？從這一點(diǎn)來(lái)看，如果能夠獲取更全面的數據，也許才能真正做出更科學(xué)的預測，這就是第四范式的出發(fā)點(diǎn)，也許是最迅速和實(shí)用的解決問(wèn)題的途徑。
那么，第四范式將如何進(jìn)行研究呢？多年前說(shuō)這個(gè)話(huà)題，也許許多人會(huì )認為是天方夜譚，但目前在移動(dòng)終端橫行和傳感器高速發(fā)展的時(shí)代，未來(lái)的趨勢似乎就在眼前了?，F在，我們的手機可以監測溫度、濕度，可以定位空間位置，不久也許會(huì )出現能監測大氣環(huán)境化學(xué)和PM2.5功能的傳感設備，這些移動(dòng)的監測終端更增加了測定的空間覆蓋度，同時(shí)產(chǎn)生了海量的數據，利用這些數據，分析得出霧霾的成因，最終進(jìn)行預測也許指日可待。
這種海量數據的出現，不僅超出了普通人的理解和認知能力，也給計算機科學(xué)本身帶來(lái)了巨大的挑戰。因此當大這些規模計算的數據量超過(guò)1PB時(shí)，傳統的存儲子系統已經(jīng)難以滿(mǎn)足海量數據處理的讀寫(xiě)需要，數據傳輸I/O帶寬的瓶頸愈發(fā)突出。而簡(jiǎn)單地將數據進(jìn)行分塊處理并不能滿(mǎn)足數據密集型計算的需求，與大數據分析的初衷是相違背的。因此，目前許多在具體研究中所面臨的最大問(wèn)題，不是缺少數據，而是面對太多的數據，卻不知道如何處理。目前可見(jiàn)的一些技術(shù)，比如超級計算機、計算集群、超級分布式數據庫、基于互聯(lián)網(wǎng)的云計算，似乎并沒(méi)有解決這些矛盾的核心問(wèn)題。計算機科學(xué)期待新的革命！
聯(lián)系客服
