人類從未對自己的認知能力滿意過。也正因為此，過目不忘，一目十行，上知天文下知地理，一直被看做是人類進階版本的一個典范。
計算機早就做到了這一點。
最近，在阿里巴巴的數據開放日中，我會面了數位數據科學家。當他們描述大數據未來能力的時候，我就會想到人類的局限。認知科學的未來，必然是計算機與人類的完美結合。但是，這個結合，應該是什么樣的？
數據越來越多，而人類的解讀能力是固定的，人會累，會無法完全理性。但是計算機不會。計算機可以幫助人類找到自己的盲點。IBM Watson實驗室的首席工程師Bowen Zhou告訴我，在Watson的醫療項目中，人類要閱讀十年的論文，計算機只需要30分鐘就可以讀完。曾任職Axciom的徐玲告訴我，在非常早期的時 候，美國兩個很大的圖書館，以及梵蒂岡圖書館的數據化已經完成了。
這兩件事都指向一個結論：當我們找到的科技能力，正好能彌補人類的缺點，這之間隱藏著巨大的價值。實現的關鍵在于數據化。數據化讓計算機和人類得以溝通和結合。
記憶力一直不是人類最關鍵的東西，甚至說，是最薄弱的一環。邏輯，才是人類的認知關鍵，邏輯的產生源于經驗的積累和推演。如果計算機能夠幫助人類獲取更多的經驗，將有助于更強大邏輯的產生。
我曾經非常喜歡Evernote這個應用軟件。它可以記錄我所有片段的思考，同時收藏資料和文章。如果有一天，這個軟件可以通過“機器學習”我的記錄文檔，向我推薦值得閱讀的資料，幫助我瞬間搜索信息，提煉觀點，是否將會改變人類的認知習慣？
未來有可能實現么？至少眼下，我們已經看到了一些進展，數據正在幫助我們看到盲點。我總結了數據開放日中各路英雄的核心觀點，希望能夠對你有所啟發。
NO 1 認知科學可能是未來很關鍵的能力
未來數據的價值不在于多少，而在于你是否有提煉的能力。Watson正在推進的健康項目中，計算機能夠做到通過大數據來判斷未來治療的癌癥方向，并且就此判斷更為精準的治療方法。
以往我們是怎么做的呢？我們成千上萬的醫療專家，通過閱讀和研究大量的文獻、實驗和試錯，推演出可能的方向。這需要消耗十年，甚至更長的時間。而計算機只需要三十分鐘就可以閱讀完所有的相關文獻，迅速判斷有用信息。這是用認知科學來節省人類在醫療方面的時間和精力。
NO 2 紅酒與壽司：整合“實時數據”與“歷史數據”
將“實時數據”與“歷史數據”整合已經成為了業界共識。徐玲這樣比喻說，“歷史數據”如同紅酒，越陳越好。“實時數據”如同壽司，越新鮮越好，兩者搭配，乃是絕妙。
而今我們對數據的處理上，也需要面對“實時數據”和“歷史數據”結合的問題。舉個例子，如果你在淘寶搜索茶葉，推薦系統應該從歷史數據中推薦各式茶葉，還是應該結合當前你的購物車數據，推薦更適合你的偏好品牌？
數據的結合并不容易，不僅要求不同數據的格式和標準統一化，更要求對于歷史數據與新數據結合后所產生對當下的理解和認知。
“就像是開飛機，我們通過歷史數據來判斷航道，但當時的風和氣候都很重要對駕駛有影響。實時數據越對你敏感，就價值越高。最終你通過設定預期軌跡和實時調整，獲得了最安全高效省錢的結果。實時和歷史數據的結合意味著更好的計劃和更快的反應。”
NO3 大數據也需要人的互補
Aaron Ling是Ancestry公司的總工程師，他在論壇上畫了一個巨大的家族譜系圖。這就是他正在做的項目，用大數據來清晰美國的家族圖譜。人們通過網站查 閱相關的家族譜系，然后通過UGC的方式給出修改或者添加數據。這個模式將可能會對未來的醫療以及社會研究產生巨大的影響。
這個項目證明了大數據推演出的結果有時候也需要人的互補。因為經過人的信息互動，才有可能產生超出于人類的東西。人的互動可以讓大數據變得更靈活，更實在。
在實際操作中，我們可能會遇到這樣的情況：盡管你擁有很多數據，但是你還是無法獲得某個人的完整網絡行為信息。所以我們需要用一些算法把這個“數據漏 洞”填住。來自Samsung的演講嘉賓Junlin Hu這樣形容這種困惑：“如果我們把人看做一個個的列，你會發現每個人其實沒買多少東西，大部分商品和人之間的連接是空白的。”
也因此，當我們在使用數據的時候，會發現大數據中有很多的漏洞，數據多而稀決。
在這種情況下，我們只能用算法解決，或者用“人為操作”的方式解決。
NO 4 到底未來是AI世界，還是IA世界
IBM 沃森實驗室的技術負責人Bowen Zhou在會議中提到了一個概念，從AI到IA的轉移。一直以來，IBM致力于創造能夠媲美人類智力的機器人，比如“深藍”，比如“沃森”。而現在，他們認為以人類為中心，強大輔助功能的計算機可能更有市場。
AI與IA的區別在于，前者以計算為中心，后者以人類為中心。就是說未來是“機器人的世界”，還是“人類的機器世界”？占據主導地位的是會思考的機器人，還是輔助人類的機器？
未來的谷歌眼鏡，可能可以讓我們看到很遠，立即回饋三百公里以外的信息，但是他不是機器人。
又或者人可以擁有強大的機械手，很厲害的汽車、飛機。但是他們以人類而不是以機器為中心。這兩者的區別，是值得思考的。
或者，我們可以這樣問自己一個問題：我們追求的是自動化還是智能化？
