2008-06-28
理论的终结：数据洪流让科学方法变得过时（1） - [【我的翻译】]
版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
http://sylviajunior.blogbus.com/logs/23757375.html
（作者：克里森 安德森 译者：兮兮）
“所有模型都是错的，但是有些是有用的。”30年前，统计学家George Box这么说。他说的是正确的。但是当时我们能有什么选择呢？只有模型，从宇宙哲学方程到人类行为原理的模型，才能连续的（尽管是不完美的）解释我们周围的世界。现在不同了。今天的公司（如谷歌)“生长”在大规模充裕数据的时代，它们不需要错误的模型。事实上，它们根本不需要模型。
60年前，数字化电脑让信息变得易读。20年前，英特网让信息变得易接触。10年前，第一个搜索引擎爬虫让信息变成一个单独的数据库。现在，诸如Google之类的公司正在经历历史上最标准的时代，并将这些庞大文集作为人类社会图书馆。他们都是PETABYTE时代的产物。（注：1 PETABYTE=1024 TB）
PETABYTE时代是与众不同的，因为“更多”是一种与众不同。KB级的信息存储在软盘里，MB级的信息存储在硬盘里，TB级的信息存储在硬盘阵列（disk arrays）里，PB级的信息存储在云（cloud）里。如果我们沿着信息存储进化的路线探寻，从类似文件夹，到类似文件柜，到类似图书馆，再到……在PB级别，我们已经想不出有组织的类比了。
在PB级别，信息不是简单三维、四维的分类和顺序，而是有维度不可知的统计数据。它需要一种完全不同的方法，一个需要我们放松（lose）对数据的约束，而将其视为能被形象化为一个整体的东西。它让我们先从数学角度看数据，然后为数据设立一个环境。例如，谷歌征服了广告世界，仅仅是通过应用了数学：它不假装自己了解文化和广告惯例知识。它仅仅是做了一个假设：更好的数据加上更好的分析工具将会赢得世界。而谷歌是正确的。
谷歌的奠基哲学就是“我们不知道为什么这张网页比那张网页好”：只要引入链接的统计数据说明它好就行了，并不需要语义上或者是因果关系的分析。这就是谷歌不需要掌握一门语言就能翻译的原因（只要给以合适的文集数据，对于谷歌来说，把外星语（原文是Klingon，克林贡语）翻译成波斯语就和把法语翻译成德语一样容易）。这也是谷歌能在没有任何知识、对广告内容没有任何了解的情况下，能把广告和内容融合得这么好的原因。今年三月的O'Reilly 前沿技术会议（ O'Reilly Emerging Technology Conference，亦有人译作新技术峰会）上，Peter Norvig（谷歌的研究指导）对 George Box的座右铭进行了更新：所有模型都是错误的，愈加地，你能在没有模型的情况下成功。（"All models are wrong, and increasingly you can succeed without them."）
这是一个 大量数据和应用数学取代其他工具的世界。从语言学、社会学的人类行为原理里解脱吧。忘记分类，存在论和哲学吧，谁又能知道为什么人们要做他们做的事情？重要的是，他们“做事”的行为，而我们可以空前“高保真”地追踪并评估这一行为。拥有了足够的数据，数字也能说话。
源英文文档 <http://www.wired.com/science/discoveries/magazine/16-07/pb_theory>
随机文章：
收藏到：Del.icio.us
