感知与大数据杂谈
1、信息感知。
“张三看李四演喜剧。李四假装摔了个跟头，张三带头鼓掌，李四很开心。”
首先是感知过程：张三接收到光信号；于是，他要从信号中提取信息，发现戏台上有人；接着，根据头脑中的知识，识别出这个人是李四；再在李四运动的图像中，识别出摔跟头。最后，张三根据“李四正在演喜剧”这个知识，判断出这个跟头是要引发观众大笑，而不是悲剧或者失误。
于是，张三做出了“鼓掌”的决策并加以实施，达到了让李四开心的目的。这就是感知、决策和实施的统一，是一个智能的过程。
我们注意到，感知是信息不断提取的过程，不是一次性完成的：人-》李四-》李四摔倒-》李四用假摔搞笑。在这个过程中，还会有很多信息，但是会被忽视掉。比如其他演员穿什么衣服。而且，提取的很多信息，并未导致决策。而是某一个信息、某个深度层面的才导致决策。
信息提取过程的背后，是排除其他可能性的过程。例如，确定图像中的对象是人就意味着不是其他运动的物体；判断这个人是李四就意味着他不是别的人........这个过程，也是一个不断抽象的过程。
2、感知与大数据
如果这事让计算机去做，则首先要把自然界中的信号数字化，再从数字化信号中提取信息，把信息与决策的知识融合起来，形成决策指令。我们注意到：从信号中提出信息过程本身也是需要大量的知识——确定“是什么”的过程其实也是确定它“不是什么”的过程。而确定一个对象“不是什么”要有大量的知识：比如，不是李四的人比李四多很多。在某些领域，互联网、大数据对感知带来的好处，很可能就是问题的背面——数据量多了以后，易于确定一个对象“不是什么”。
3、大数据与可靠性要求
大数据、特别是互联网上的大数据对促进感知的价值特别大。因为它们能帮助人们判断对各对象不是什么，从而得知对象是什么。计算机感知很重要，能帮助人类做许多事情。比如从人群中识别罪犯、从账单中识别诈骗犯。但这个判断会不会准呢？一般来说， 这是无法保证的。
无法保证准确怎么办？ 其实，关键是看用在什么地方。如果对可靠性的要求不高，比如推销一本书，不靠谱也关系不大；如果对可靠性的要求很高、比如射杀罪犯，则可能要经过人来判断，让人来最终把关。
4、算命还是科学
有时候，大数据决策给人的感觉和算命差不多。原因之一就是可靠性不足：也许会有惊奇的发现、也许完全不靠谱。如果追求的是惊奇发现，就有点像算命了。反之，可靠性高到一定程度，大数据工作就趋近于科学了。
工业系统对可靠性要求很高，往往是实用化的底线。我们应该承认：在多数情况下，严格的逻辑比直觉更加可靠。所以，工业控制系统设计往往讲究严格的逻辑。在自动化的时代，计算机采用的都是很明确的信息（如温度等于1000度），而智能制造时代，则可能采用一些复杂的感知信息：如判断有人在机器旁边。工业的智能化水平能否提高，关键往往是信息感知是否可靠。应该说，可靠性要求高是制约工业过程智能化的无形屏障。
5、对神经元的看法
可靠的推理要基于明确的概念。但我们知道，人脑中的许多概念是模糊的，比如：好人、新鲜等等。要让计算机代人做事，至少有两种做法：一种是把认识数字化、标准化，一种是用神经元来模拟人的认识。
数字化、标准化并非模拟人脑的思维，却是容易被人理解；神经元是模拟人脑的思维，却难以被人理解。前者易于验证、分析，后者则利于迅速得到这种知识。
总体上说，把概念数字化、标准化，容易提高可靠性，神经元办法比较难。但是比较难不意味着不能用，关键是要找到保证可靠性底线的办法或者用于可靠性要求不高的地方。
