ICT技術、尤其是大數據的發展推動了新一代人工智能的興起。那么，大數據思維與新一代人工智能有什么關系呢？

大數據思維有幾個最典型的說法：是相關性而不是因果性、是全體樣本而不是采樣、簡單算法勝過復雜算法。在我看來，這三個說法是有邏輯關系的。大數據的本質優勢存在于：“是全體樣本而不是采樣”。這個特征意味著：發生問題時，我們總能在歷史數據中找到相似的案例。在此基礎上，根據案例去模仿、去判斷。例如：要知道從寶鋼到浦東機場的最快速度，找到最快的案例跟著走就可以了。當然，這個邏輯成立的前提是計算能力是足夠強大。在此基礎上，找案例往往是簡單的算法：如果有難點的話，就是如何衡量相似度。而此這一點，常常可以根據人的經驗去制定規則。于是，根據案例去模仿、去判斷，也就不需要理解什么因果了：反正這樣做是成功的、正常的，不必要知道為什么了。這種做法簡單粗暴，但卻有效。

通過這件事，我們可以反思一下關于大數據的定義。很多人用數據規模的定義“大數據”，主要著眼于數據的處理能力，是從乙方的角度看問題。對用戶來說，這并不是一個很好的角度。如果從甲方的角度看問題、從滿足業務需求、解決問題的角度看問題，用“是全體樣本而不是采樣”來定義大數據則更加有用。

從某種意義上說，新一代人工智能是應用大數據的一種方式。機器學習等方法把簡單粗暴的處理辦法提煉成了模型，但思想層面卻還保存著“簡單粗暴”的“基因”：新一代人工智能體現感性認識、形象思維，而不是邏輯思維、理性認識。例如，新一代人工智能的典型進進展圖像識別、語音識別、圍棋等，關鍵是模仿人的感知能力（圍棋中，可以模仿人們對“勢”的感覺）。我們知道，人的感性認識和形象思維很難通過人類和計算機語言告訴計算機的。這一點制約了相關技術的發展：比如，制約了自動駕駛、機器無法替代品酒師。機器學習則是讓機器自己去掌握這些知識，而不必去編碼。這就是周院長說的，從“授之以魚”發展到“授之以漁”。

所以，與理性思維、邏輯思維相比，感性認識、形象思維并不是“低檔次”的思維方式，而是基礎的思維方式、是理性和邏輯思維無法替代的思維方式。這是新一代人工智能的價值所在。

從另外一個角度看，解決“感性認識”、“難以編碼”的問題，采取的是神經系統的“結構模擬”、而不是“功能模擬”。這種方法的前身是人工神經元網絡。人工神經元方法曾經沒落過，因為它難以解決“不可泛化”的問題。可泛化的問題是通過“深度學習”來解決的——但是，只有在大數據和計算能力增強的條件下，深度學習才能解決可泛化問題，從而可以讓計算機可以有效模擬難以編碼的感性認識。或者說，如果數據量不夠大、數據分布的完整性不夠好，深度學習未必有用。

我一直覺得，大數據思維“是相關不是因果”的提法不好，容易導致思想上的混亂。特別地，工業大數據還是強調因果的。根據上面的分析，我覺得更確切的說法或許是：大數據的優勢在于可以促進感性認識、形象思維的模仿，但并不排斥理性認識、邏輯思維。我甚至認為，深度學習促進了感性認識和理性認識的結合、形象思維和邏輯思維的結合。這種結合，就像從一維空間走到了二維空間，把一個大的技術藍海展現在人們的面前。