元胞自动机宇宙_如果有足够的信息和计算能力是不是就可以计算出未来

　　⑴ 如果有足够的信息和计算能力，是不是就可以计算出未来

　　概述

　　未来是相对于现在我们所处的这个时刻而言的未来时间，它是一个时刻，也可以是一个时间段。相对而言，明天只是未来的一部分。

　　总结

　　就目前来说，以现在的科技来看，为了仍然是不可预测的，但是谁也不知道未来究竟是不是已经预定好了的，等以后的科技发展再来解释这一问题吧。

　　⑵ 现在关于进化论的质疑有哪些

　　1. 进化论仅仅是一种理论。它既非事实，也不是科学定律。n许多人在小学时就学过，按等级划分的话，理论居於中等—它比纯粹的假说有把握，但与定律相比又略逊一筹。然而，科学家并不是以此划分这些术语的。按照美国国家科学院(NAS)的解释，科学理论是「对自然界的某一方面所作的有充分依据的阐释，它可以包括事实、定律、推论以及经过检验的假说等。」定律是有关自然界的概括性描述，而一种理论无论得到多少证实，都不会使它变成定律。因此当科学家们谈到进化论时(或者就这个问题而言，谈到原子理论或相对论时)，他们并没有表示对这一理论的真实性有任何异议。n除了进化的理论之外(所谓进化指的是遗传上的一代胜过一代的概念)，人们也可能举出进化的实例来。美国科学院把「事实」定义为「已经获得反覆证明的、实际上已被大家公认为『真实』的观测结果」。化石记录和不计其数的其他证据证明了有机物是随著时间的推移而逐步进化的。虽然没有人直接看到这些变化，但间接的证据既清楚又明确，足以令人信服。n无论哪一门科学，依靠间接证据来说明问题都是司空见惯的事情。例如，物理学家不可能直接看到亚原子粒子，因此他们通过观测粒子在云室中留下的特有轨迹来证明粒子的存在。但物理学家并没有因为无法直接观测而使所得的结论欠缺说服力。n2. 自然选择陷入了循环论证的怪圈：适者生存，存者即为适者。n「适者生存」是一种有争论的自然选择表述方式，实际上更专业的表述方式应采用「生存和繁殖分异率」(differential rate of survival and reproction)这一术语。这种描述法不是给各个物种贴上适应或不适应的标签，而是描述各物种在既定条件下可能留下多少后代。将一对繁殖迅速的小嘴雀科鸣鸟和一对繁殖较慢的大嘴雀科鸣鸟放到一个食物丰富的岛上。在几代之内，繁殖迅速的鸣鸟就可能把持了大部分食物源。但如果大嘴鸣鸟更容易嗑开种子，那麼优势就可能转向这些繁殖较慢的鸣鸟一边。美国普林斯顿大学的 Peter R. Grant 在对加拉帕戈斯群岛上的雀科鸣鸟所做的一项开创性研究中，观察到了野生条件下种群此消彼长的变化情况。[参看本刊 1992年 2月号上 Grant所撰的「自然选择与达尔文的鸣鸟」一文。]n关键在於，给物种的适应性下定义可以不参照其生存能力的强弱：鸟的大嘴更适合嗑开种子，不论这一特性是否在给定条件下具有增强生存能力的价值。n3. 进化是不科学的，因为它既不能验证，也无法推翻。它的种种论断所涉及的物种变化都无法观察到，也永远不可能重现。n这种全盘否定进化论的说法忽视了把进化划分为至少两大类—微观进化与宏观进化—的若干重要特点。微观进化考察的是物种内随时间的推移而发生的变化，这类变化可能是新物种形成的前兆。宏观进化则研究物种这一层次以上的分类学族群是如何演变的。它的证据通常来自化石资料以及重构各种有机物之间的关系而进行的 DNA比较。n如今连大多数创世说者都承认，实验室中的试验(如对细胞、植物和果蝇所作的研究)以及实地进行的考察(如 Grant对加拉帕戈斯鸣鸟嘴部形状演变所进行的考察)都证实了微观进化的存在。自然选择及其它机制(包括染色体改变、共生和杂交等)都可以促使生物群体发生深刻的变化。n宏观进化的历史性研究所涉及的是根据化石和 DNA而不是直接观测作出的推论。但是，对於历史科学(包括天文学、地质学和考古学和进化生物学)，科学家仍然可以对假说进行检验，看这些假说是否与物理证据相符，是否能对未来的科学发现作出具有检验性的预测。例如，进化意味著在人类最早的祖先(距今大约 500万年)以及解剖结构上最早的现代人类(距今约 10万年)之间，应该存在一系列其他原始人，它们身上猿的特点越来越少，而人的特点越来越多，这恰好与化石资料完全吻合。但是我们不会(也的确没有)在侏罗纪(距今约 6500万年)的地层中找到现代人类的化石。进化生物学的常规研究作出的预测比这精细得多、准确得多，而且研究人员也不断对这些预测进行检验。n创世说者也可能通过其他方式来反驳进化论。如果能够找到资料证明哪怕仅仅一种复杂的生命形式是从无生命物质中自发产生的，那麼我们至少在化石中看到的几种生物可能是通过这种方式进化而来的。如果曾有超级智能外星人出现并创造了地球上的生命(甚至创造了特定的物种)，那麼纯粹进化论的解释将遭受怀疑。但是迄今没人提出这类证据。n应该指出，把可伪证性当作界定科学的特性这一观点是哲学家 Karl Popper在 20世纪 30年代提出来的。因为他的思想准则中狭隘的解释将很多货真价实的科学研究分支排除在外，直到最近一些年来，他的思想观点才逐渐被广义化了。n4. 科学家越来越怀疑进化的真实性。n没有证据表明进化论的支持者在逐渐减少。随便翻开任何一期生物学的专业杂志，你都会找到支持并发展进化论研究或者赞同进化是一种根本的科学概念的文章。n与创世说的观点相反，严肃的科学杂志更没有否定进化的报导。上世纪 90年代中期，美国华盛顿大学的 George W. Gilchrist 调查了列入原始文献的数千种期刊，想要找到关於「神力设计」或创世说的文章。他查遍了数十万个的科学报告，也没有发现一篇关於创世说的报告。过去两年中，由东南路易斯大学的 Barbara Forrest和凯斯西部保留地大学的 Lawrence M. Krauss分别独立进行了同样的调查，结果也是无功而返。n创世说者则反唇相讥，声称思想封闭、顽固排外的科学界拒不接受他们的证据。然而，据《Nature》、《Science》及其他重要杂志的编辑们讲，他们几乎没有见过有关反对进化论的投稿。有些反对进化论的作者曾在严肃的科学杂志上发表过论文。但这些论文极少直接攻击进化论，也从不旗帜鲜明地举出创世说的论点。它们最多不过是指出进化论存在某些未解决的问题(这一点并没有人反对)。简而言之，创世说者拿不出充足的理由使科学界能够认真地对待他们的说法。n5. 连进化生物学家彼此间都存在各种分歧，这说明进化论所依据的科学基础根本不牢靠。n进化生物学家激烈争论的焦点是各种各样的。例如，物种是如何形成的、进化的快慢、鸟类和恐龙的祖先是否有血缘关系，尼安德特人是否是不同於现代人的独立物种等各种问题。任何一门学科都难免会存在这样那样的争论，进化论自然也不例外。但是，生物学界仍然一致接受进化论，把进化作为生物界中存在的真实事情和一项指导原则。n遗憾的是，虚伪的创世说者总是断章取义地引用科学家的话以夸大并曲解他们之间的分歧。任何一位熟悉哈佛大学古生物学家 Stephen Jay Gould著作的人都知道，Gould除了是「间断平衡模型」(punctuated equilibrium model)的创立人之一外，还是进化论最积极的捍卫者和宣传者。(间断平衡模型认为，大多数进化都是在地质史上相对短暂的时期内发生的，这样就可以解释我们在化石记录中所观察到的现象。不过，地质史上的短暂时期可能也有数百代之久。)然而，创世说者却总是不遗余力地从 Gould丰富的著作中断章取义，使人们以为 Gould曾对进化论表示过怀疑。更有甚者将间断平衡的理论歪曲理解，仿佛间断平衡会使新物种在一夜之间就脱颖而出，或者使鸟类从爬行动物的卵中产生出来。n如果读者碰到引用科学权威人士的话语对进化论提出质疑时，一定要结合上下文来看看这段话究竟是甚麼意思。可以肯定，所谓科学家对进化论的攻击最终被证明是凭空捏造的。n6. 如果人类从猴子演变而来的，那麼为何现在还有猴子？n这种论据司空见惯，反映出提问者对进化论不同程度的无知。第一个错误是进化论并没有告诉我们人是猴子变来的；它只是说人和猴子的祖先相同。n此论据所犯的更深层次错误与下面这种问法如出一辙：「如果小孩是成年人生的，那为什麼还有成年人？」新物种是通过从现有物种中分化出来而实现进化的；当某些生物种群与其家族的主要分支隔离开来，并得到充分的变异而使其永远成为一个与原来物种明显不同的新物种时，这种分化就产生了。作为母体的物种此后可能无限期地生存下去，当然也可能走向灭绝。n7. 进化论无法解释生命最初是如何在地球上出现的。n生命的起源在很大程度上仍是一个不解之谜，但是生物化学家已经弄清楚原始核酸、氨基酸及构成生命的其他各种基本元素是如何形成并实现自我复制的，从而奠定了细胞生化过程的基础。天体化学分析表明，这类化合物最初可能大量地在太空中形成，然后随彗星来到地球上。这一理论或许可以解释，在地球年轻时的各种条件下，这些生命组成要素是如何出现的。n创世说者有时抓住科学家当前暂时无法解释生命的起源这一点大作文章，试图以此全盘否定进化。其实，即使地球上的生命真的通过进化以外的途径诞生的(如外星人在数十亿年前将首批细胞带到了地球上)，不计其数的微观进化与宏观进化研究有力地证明了生命的进化是一个确凿的事实。n8. 数学的分析表明，像蛋白质这样复杂的东西随机产生是不可思议的，更不用说活细胞乃至人类。n机遇在进化中起著一定的作用(例如通过随机突变而使物种获得新的特性)，但进化过程并不是靠运气来产生有机物、蛋白质或其他生命实体的。恰恰相反，自由选择(应为人知的主要进化机制)通过保留「有益的」(适应性)特徵并淘汰「无益的」(非适应性)特徵而实现非随机的变化。只要选择的力度保持稳定，自然选择就可以推动进化朝著一个方向前进，在出人意料的短期内产生出复杂的结构。n我们用这样的类比打个比方，将「TOBEORNOTTOBE」这 13个字母组成的序列拿来考虑。假定有 100万只猴子在键盘上胡敲乱按，每只猴子每秒钟打出一个像上述序列那样长的字母序，那麼它们需要敲击 7.88万年才可能从 2613 种长度一样的序列中敲出上面那个字母序列。然而，到了 80年代，美国格伦代尔学院的 Richard Hardison编写了一个能随机生成短语的计算机程序，此程序的特点是，如果单个字母恰好位於在短语的既定位置上，那麼该字母就在这一位置上保持下去(实际上也就是选择更接近於哈姆雷特所说的那句话的短语)。该程序平均只需重复 336次，就能再次产生那句短语，所花时间不到 90秒。更令人称奇的是，该程序甚至可在 4天半的时间里就将莎士比亚的整部剧作重组一遍。n9. 热力学第二定律认为，随著时间的推移，系统必定朝著越来越无序的方向发展。因此，活细胞不可能从无生命的化学物质中进化出来，而多细胞生物也不可能从原生动物进化而来。n这种说法错在误解了热力学的第二定律。如果这种说法站得住脚的话，那麼矿物晶体和雪花应该也属於不可能成形的物质，因为它们同样是从无序的组分中形成的复杂结构。n热力学第二定律实际上是说，一个封闭系统(即不与外界发生能量和物质交换的系统)的总熵不会随著时间的推移递减。熵是一个物理学概念，常常被说成是「无序」。然而这个术语与惯用的词还是有很大的差别。n更重要的是，热力学第二定律允许一个系统的某部分的熵减少，只要该系统其他部分的熵有相应的增加。因此，我们的地球作为一个整体可能会变得愈加复杂，因为太阳不断把热和光散射到地球上，而太阳内部热核反应所导致的熵增大足以抵消散射到地球的熵。简单的有机体可以通过耗用其他的生命形式以及非生命物质而朝著越来越复杂的方向发展。n10. 突变对於进化理论来说必不可少。但是突变只能消除特性，而不能产生新的特性。n恰恰相反，生物学资料已经证明，许多特性是通过点突变(point mutation)产生的(所谓点突变就是在一种有机体的 DNA中确切的位置上出现的变化)。细菌对抗生素的耐受性便是一个很好的例子。n动物体内调节发育的同源盒结构基因(homeobox)的突变也可以产生复杂的效应。Hox基因决定腿、翼、触角以及躯体的各部分应该在何处长出来。例如，果蝇的触角足突变(Antenapedia)使在本该长触角的地方长出了腿。这些异常的肢体不起甚麼作用，但是它们的存在证明了遗传基因出现了错误，可以产生复杂的结构，而自然选择可以借此对这些结构进行试验，看其是否有用。n此外，分子生物学研究已经发现了一些比点突变更高级的遗传变化机制，这些机制扩大了物种新特性出现的途径。基因内的功能分子可以通过各种新颖的方式拼接在一起。整个的基因也可能意外地在一种有机物的 DNA内被复制，而复制的基因则可以突变成新的具有复杂特性的基因。对多种有机物的 DNA所作的比较表明，血液中的珠蛋白就是以这种方式在数百万年中进化的。n11. 自然选择或许能解释微观进化，但它无法解释新物种的起源和生命的高级运转规则。n进化生物学家对於自然选择如何产生新物种已经作过广泛的论述。例如，哈佛大学的 Ernst Mayr建立了一个名为「不重叠分布区」(allopatry)的模型。该模型认为，如果通过地理边界把某一群体的有机物同其余群体隔绝开来，那麼它就可能面临不同的选择压力。被隔绝的群体内将逐渐积累起变异的因素。等到这些变异因素积累到相当显著的地步，以致这个分化出来的群体不可能(或者通常情况下不会)同原始的种群交配而繁殖后代时，该群体就会独立地进行繁殖，并沿著这条道路发展下去直至最终变成一个新物种。n自然选择是研究得最为详尽的一种进化机制，但是生物学家也同时考虑了其他各种可能的进化机制。生物学家一直在评估引起物种形成或产生有机物复杂特性的若干不寻常遗传机制的潜力。美国阿默斯特马萨诸塞大学的 Lyn Margulis及其他研究人员令人信服地证明了某些细胞器(如产生能源的线粒体)是通过古代有机体的共生融合而进化来的。因此，关於进化可能是由自然选择以外的其他力量所引起的研究，科学界表示欢迎。但是这些力量必须源於自然界，而不能归功於神秘莫测的创世天使的神力作用，因为这类作用的存在根据没有得到科学的证明。n12. 没有任何人看到过新物种的进化过程。n物种形成可能是相当罕见的，在某些情况下可能要花费若干世纪的时间。此外，识别一个处於形成阶段的新物种可能比较困难，因为生物学家对於如何界定新物种的概念有时持不同看法。目前应用最广泛的定义是 Mayr 提出的「生物物种概念」(Biological Special Concept)。该定律认为，某一物种是由若干独立繁殖的群体构成的一个确定种群，也就是通常不会或不能在其种群以外进行繁殖的若干种有机体。实际上，这一定义可能很难用於因相距遥远或地域不同而彼此隔离的有机体，也很难用於植物(更不用说无法繁殖的化石)。因此生物学家通常将有机物的实体和行为特性作为其物种归属的线索。n但是，科学文献中的确存在有关植物、昆虫及蠕虫的物种形成报告。在多数这类试验中，研究人员把有机体置於各种各样的选择条件下(以解剖差异、交配行为、栖居地喜好以及其他物种特性为选择对象)，并发现由此而生成了一些不与外界异族物种进行繁殖的有机体种群。例如，新墨西哥大学的 William R. Rice和加利福尼亚大学戴维斯分校的 George W. Salt证明，如果他们根据果蝇对某种环境的喜好特性来选择一组果蝇，并将其单独隔离开来繁殖 35代以上，最终所得的结果是，被隔离的果蝇将拒绝与来自环境完全不同的果蝇交配。n13. 进化论者拿不出任何化石证据证明有过渡动物(如半是爬虫半是鸟的动物)出现过。n其实，古生物学家早就知晓有关中间化石(即外形介於各种不同的分类群体之间物种的化石)的许多详尽实例。最有名的化石之一是始祖鸟化石(Archaeopteryx)，它既具有鸟类特有的羽毛特徵，又具有类似恐龙的骨骼结构特徵。研究人员还发现了大量其他有羽毛的动物化石，它们与鸟化石相似的程度，参差不齐。一系列届的化石完整地描述了现代马从小型始祖马(Eohippus)开始的进化过程。鲸的祖先是在陆地上爬行的四肢动物，而在它们之间的过渡动物则是名为 Ambulocetus和 Rodhocetus的两种两栖动物[参看本刊 2002年第 8期 Kata Wong所著的「征服海洋的哺乳动物」一文]。海洋贝壳的化石重现了各种软体动物在千百万年间的进化历程。大约二十多种人科动物(它们并非都是人类的祖先)填补了南方古猿露西(Lucy the australopithecine)和现代人之间的空白。n但创世说者却对这些化石研究成果视而不见。他们声称，始祖鸟并不是爬行动物和鸟类之间的过渡物种，只不过是一种已经灭绝的鸟类，具有某些爬行动物的特徵罢了。创世说者希望进化论者拿出一种匪夷所思、异想天开的怪物，它不能归入到已知的任何一类种群中。即使创世说者承认某一化石是两类物种之间的过渡生物，他们可能还坚持非要看到该化石与后两类物种之间的其他中间化石不可。这类令人恼火的要求可以一个接一个无休止地提出来，而化石记录始终是不完整的，根本不可能满足这样的无理要求。n不过，进化说者可以从分子生物学获得进一步的有力证据。所有有机体都拥有绝大部分的相同基因，但进化论者预见，这些基因的结构及其产物将根据各物种之间的进化关系而分异。遗传学家所说的「分子时钟」将记录这一时间进程。这些分子数据也显示了各种不同的有机体在进化过程中的过渡关系。n14. 生物在解剖层次、细胞层次和分子层次上均有令人惊异的复杂结构特徵；其复杂性哪怕是只差一点点，它们也将无法正常发挥其功能，对此唯一可能的结论就是，生物是神力设计而非进化的产物。n这种所谓的「设计论据」构成了最近抨击进化论的核心说法，而且也是创世说者最早使用的论据之一。1802年，神学家 William Paley撰文说，如果某人在地里捡到一块表，那麼最合乎情理的推论应该是这块表是有人掉在地里的，而不是靠自然力量形成的。Paley声称，由此推知，生物的复杂结构必定也是直接的神力所为。达尔文写了《物种起源》一书来反驳 Paley。该书阐述了作用於遗传特徵的自然选择力量如何逐步地完善复杂的有机体结构的进化过程。n一化又一代的创世说者以眼睛是一种可能靠进化而形成的结构来试图驳倒达尔文的观点。他们认为，眼睛之所以能产生视觉，全凭其各组成部分之间天衣无缝的组合。因此自然选择不可能倾向於眼睛进化过程中所需要的过渡结构(试问半只眼睛有甚麼用呢？)。达尔文似乎对创世说者的这种诘难有先见之明，他指出，即使是「不完整」的眼睛也可能有它的好处(如帮助动物转向有光的方向)，因此可以被遗传下来以待进化过程对其作出进一步的改良。生物学证实了达尔文的分析：研究人员在整个动物王国中都可鉴定出原始的眼睛和感光器官，甚至还通过比较遗传学研究勾画出了眼的进化史。(现在看来，在不同的有机体家族中，眼睛是独立进化的。)n如今鼓吹神力设计的人比其老前辈更加老练，但其论据和目标仍是万变不离其宗。为了驳倒进化论，他们企图证明进化论不可能解释我们所知道的生命，进而坚持认为，唯一站得住脚的替代理论就是，生命是靠一种高深莫测的神力创造出来的。n15. 新近的发现证明，即使在微观层次上，生命也具有某种不可能通过进化产生的复杂性。n「不可简化的复杂性」是《达尔文的黑盒子：进化论面临的生化挑战》一书的作者，列哈依大学的 Michael J. Behe提出的口号。Behe以捕鼠夹作为「不可简化的复杂性」的一个通俗例子。捕鼠夹这种器具的特点是，只要有任何零件丢失，它便不起任何作用，而且它的各个零件只有作为一个整体的组成部分才有价值。Behe宣称，如果说捕鼠夹如此，那麼细菌的鞭毛就更是如此(鞭毛是一种起推进作用的鞭状细胞器，其功能犹如船舶的舷外发动机)。构成鞭毛的蛋白质如鬼斧神工般巧妙地排列成发动机的部件、方向舵以及工程师可能要求采用的其他种种结构。Behe声称，这样复杂巧妙的布局通过进化上的改良而设计出来的可能性实际上等於零，因此证明了它只能是神力表演的绝技。他对於凝血机制以及其他分子系统也表述了类似的观点。n然而进化生物学家已经反驳了这类看法。首先，有些鞭毛的构形比 Behe所提到的鞭毛简单，因此一种鞭毛并不一定需要上述所有组成部分均齐备才能发挥作用。Behe所提到的鞭毛其较高级的组成部分全都可以在自然界的其他地方找到先例，布朗大学的 Keneth R. Miller及其他研究人员对此已有论述。实际上，整个鞭毛系统与一种名为 Yersinia pestis的细胞器极其相似(鼠疫细菌利用这种细胞器将毒素注射进细胞中)。n关键在於，尽管 Behe声称鞭毛的各组成系统除了用於推进作用以外没有其他任何价值，但实际上这些系统可能具有多种功能，从而有利於鞭毛的进化。因此鞭毛的最终进化过程可能仅仅是通过某种新颖的方式把原先为其他用途进化出来的复杂组成部分重新组合起来。加利福尼亚大学圣迭戈分校的 Russell F. Doolittle所做的研究表明，凝血系统看来是通过改良并完善了最初用於消化的蛋白质而进化的，这与鞭毛的进化有异曲同工之妙。所以，Behe用来作为神力设计证据的「不可简化的复杂性」并非真的不可简化。n另一类复杂性—所谓「特定复杂性」(specified complexity)—是贝乐大学的 William A. Dembski在其著作《设计推理》和《没有免费的午餐》中提出的神力设计论据的核心。他的论据实质上是说，生物的复杂性是任何盲目的、随机的过程永远无法产生的。Dembski声称，唯一合乎逻辑的结论是某位超人的神灵创造了生命并左右其发展，这一说法与 Paley 200年前的论断如出一辙。nDembski的论据有若干漏洞。他暗示对生物进化的解释只是随机产生或神灵设计，这是不正确的。在圣菲研究所和其他地方研究非线性系统与元胞自动机(cellularautomata)的研究人员已经证明，简单的无向过程能够产生极其复杂的模式。因此，有机体中所呈现的某些复杂性从一定程度上讲，可能是通过我们几乎还不了解的自然现象产生的。然而这完全不等於说生物的复杂性不可能自然地产生。n结论—不科学的创世说n「创世科学」的提法本身就是自相矛盾。现代科学的核心原则就是方法论的自然主义，即力求通过观测到的或可检验的自然机制来解释宇宙。物理学用支配物质与能量的特定概念来描述原子核，并通过实验对这些描述进行检验。只有当实验数据显示先前的描述不足以解释观测到的现象时，物理学家才会引入新的粒子(如夸克)来丰富其理论。而且，这些新粒子的特性并不能随便定义(新粒子的界定受到严格的约束，因为它们必须能纳入到现有的物理学框架中)。n相反，鼓吹神力设计的理论家则搬出各种虚幻莫测的东西，并随意赋予它们以不受约束的各种能力—总之是，怎样能解答当前的问题就怎样说。这样的答案非但不能促进科学探索，反而会阻挡科学探索的道路(如，如何否定万能神灵的存在？)。n神力设计说不能解决任何问题。例如，具有设计能力的神灵是何时介入生命史的？又是怎样介入的？是通过创造第一个 DNA，第一个细胞，还是第一个人？每一物种都是神力设计的吗？抑或只有少数早期物种是神力设计的？鼓吹神力设计说的人常常回避这些问题。他们关於神力设计的说法常常是五花八门，迥然不同，他们也甚至懒得去互相沟通一下以自圆其说。他们采用排除法来进行论证，也就是极力贬低进化论的解释，将其斥为牵强附会或不完整的理论，从而间示只有以神力设计为基础的替代理论者是站得住脚的。n从逻辑上讲，设计说的鼓吹者完全是在误导人：即使某种自然主义的解释有问题，也并不意味著所有这类解释都应该一棍子打死。此外，他们的论述也没有使任意一种神力设计说显得比另一种更合理，实际上就是让听众们自己去作判断，而某些听众在进行这类判断时无疑会用宗教信仰去取代科学概念。n科学研究一次又一次地证明方法论的自然主义可以克服无知，为那些一度看来深不可测的难解之谜找到越来越详尽、合理的答案。有关光的本性、疾病的起源以及脑的机理等问题均是如此。现在进化论正在为破解生命如何形成和发展之谜做著同样的工作。创世说无论以何种名义作掩饰，都不会为这方面的科学研究增添丝毫有价值的东西。n相关文章：nhttps://www.eliteage.com/more.asp？name=cute&id=4947nhttps://news.tom.com/1006/3871/200562-2187353.htmlnhttps://www.cclw.net/gospel/explore/mdjhl/htm/01.htmn参考资料：https://www2.hkedcity.net/citizen_files/aa/bs/fy1379/public_html/nonsense.htm

　　⑶ 数码死神的大年事表

　　注：数码宝贝3的编年史，其中与数码死神相关部分以黑色粗体显示。n1937年n21岁的麻省理工学院研究生克劳德·香农（Claude Elwood Shanon)发表了他的伟大论文《对继电器和开关电路中的符号分析》,文中首次提及数字电子技术的应用,他向人们展示了如何使用开关来实现逻辑和数学运算。此后，他通过研究万尼瓦尔·布什(Vanevar Bush)的微分模拟器进一步巩固了他的想法。这是一个标志着二进制电子电路设计和逻辑门应用开始的重要时刻。n1946年 2月14日n由美军定制的世界上第一台电子计算机“电子数值积分计算机”（ENIAC Electronic Numerical And Calculator）在美国宾夕法尼亚大学问世了。n1948年n冷战初期,美英两国达成协议，这个秘密协议就是西方国家将一起研发SIGINT。n1950年n图灵发表了一篇划时代的论文，文中预言了创造出具有真正智能的机器的可能性。由于注意到“智能”这一概念难以确切定义，他提出了著名的人工智能哲学方面第一个严肃的提案图灵测试。n1951年nChristopher Strachey使用曼彻斯特大学的Ferranti Mark 1机器写出了一个西洋跳棋（checkers）程序；Dietrich Prinz则写出了一个国际象棋程序。游戏AI一直被认为是评价AI进展的一种标准。n1952年 11月4日n美国成立美国国家安全局(National Security Agency,简写为NSA),隶属于美国国防部 。n1956年n人工智能被确立为一门学科。 马文·闵斯基(Marvin Minsky)、约翰·麦卡锡(John McCarthy)和另两位资深科学家克劳德·香农(Claude Shanon)以及Nathan Rochester，后者来自IBM组织了达特矛斯会议标志着“AI的诞生” 。n20世纪60年代nSIGINT这一安全机制进一步发展成为由美国主导的梯队系统（The Echelon）信息监视收集系统。 麻省理工学院AI实验室的马文·闵斯基(Marvin Minsky)和西摩尔·派普特（Seymour Papert）建议AI研究者们专注于被称为“微世界”的简单场景。n1960年n美国国防部国防前沿研究项目署（ARPA）出于冷战考虑建立的ARPA网引发了技术进步并使其成为互联网发展的中心。n1968年n亚瑟·查理斯·克拉克(Arthur C. Clarke)和斯坦利·库布里克（Stanley Kubrick）创作的“2001太空漫游”中设想2001年将会出现达到或超过人类智能的机器。他们创造的这一名为HAL-9000的角色是以科学事实为依据的：当时许多顶极AI研究者相信到2001年这样的机器会出现。n20世纪70年代n网络世界的第一个计算机病毒（蠕虫病毒（制造者未知，推测为苏联军方））试图攻击ARPANET(Advance Research Projects Agency Network，美国国防部网络)，被D-Reaper(数码死神)的原型程序消灭。n1970年n英国数学家John Horton Conway(约翰·何顿·康威)发明元胞自动机——康威生命游戏（Conways Game of Life） 。n1973年nARPA网扩展成互联网，第一批接入的有英国和挪威计算机。n20世纪70年代末期nD-Reaper基于Reaper被建立，其工作职能或与冷战形势有关，它们在任何地方都将独一存在，是一种原始而具备知性与感性的程序。 D-Reaper（数码死神）随即开始在人类的授权下支配早期互联网。n20世纪80年代n对电脑中人工生命的研究在不同的国家开展，原始模拟生命——数码精灵（Digital Gnome），在一个以此为目的的通讯实验中诞生了。 名为“梯队”（The Echelon）的SIGINT(SIGnal INTerception，信号情报)系统开始工作，受领导于美国国家安全局，它被建立在在不同的国家，跨越了地区的界限。有推测认为其中的自我清除程序可能与D-Reaper存在联系。 n20世纪80年代 初期n阿伦·凯（Alan Kay）的施乐帕罗奥多团队（Xerox Palo Alto Team）研发了ALTO启动了“地球（Tierra）”计划的团队，以及首次提出便携式交互个人计算机概念“Dynabook”。n早期的数码世界存储能力十分有限，期间D-Reaper在数码世界资料量（数码兽等）接近“存储上限”时，会激活进行格式化的全部删除程序，恢复初始状态（数码世界发展的原点），保证数码世界不至于崩溃或是失控。n1981年n日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的人工智能。n1984年n在帕罗奥多（Palo Alto）的研究所，助理教授/野生小组成员：罗伯·麦考伊（Rob McCoy）、代号：道尔芬（Dolphin）开始研究假想生命数码兽，他的学生如李镇宇(Lee Janyuu)、代号：道（Tao）等人参与了研究，他们自称为“野生小组”（The Wild Bunch）。 道尔芬的儿子、爱丽丝·麦考伊（Alice McCoy）的父亲 基思·麦考伊（Keith McCoy）开始着手设计数码兽。n1985年n道尔芬实验室里安装了一台用来观测数码兽的世界的终端。 第一次数码兽事件的亲历者——代号：黛西（Daisy）（D-Ark最初的设计者），小组解散后在苹果公司开发图形用户界面。n1986年n数码兽计划吸引了世界各地的年轻人的注意。但是资助这项研究的日本公司撤资，道尔芬尝试自己投资支撑研究的运转，但维持不了多久，研究队伍随之解散，“数码兽计划”冻结。 数码兽的资料开始充满整个网络(不过仍然是一个小世界)，这只是偶然事件。n1987年n第一个人工智能（A-Life——Artificial Lifeform）社会诞生 开始活动。Chris Langton(克里斯·朗顿)在新墨西哥州的圣菲（Santa Fe）举行了第一次A-Life会议，但是在那以前，许多科学家和研究员已经开始用电脑模拟出原始的假想生命。n20世纪90年代n在网络内部的数码兽开始有独立的行动，穿过扩张的网络，人类和自然历史堆积的资料容量日益膨胀，数码兽开始了自我进化，相关决策者对此极为敏感，相关评估陆续开始。n1990年n基于数码死神监察系统，“高山气候带”（Tierra）作为分支被延伸，一个主要调查“进化”的人工智能计划开始启动。在Tierra系统内部安装有受命于数码死神的自清程序，当资料增加超过限度时它就会将其全部删除。 美国特拉华大学教授托马斯·雷(Thomas S Ray)创建了Tierra系统。 n1993年n野生小组成员：水野悟郎（Mizuno Gorou）、代号：涩果子（Shibumi）继续着他自己的完善数码兽的研究，扩展“数码兽计划”。但是一场车祸使他陷入半清醒昏睡状态。 野生小组成员：水野悟郎（Mizuno Gorou）、代号：涩果子（Shibumi）意识（灵魂）被量子化，进入数码世界，半清醒昏睡于数码兽图书馆，关注着自己所在的“野生小组”创造的人工生命体“数码兽”以及“数码世界”的一举一动，成为数码世界的“造物主”。n1994年n网络世界的黑暗年代。人类决策者意识到虚拟世界不可控的量子转化危机，对数码世界的风险评估彻底倾斜。相关计划随即叫停，深层研究作为绝密被封存。数码世界被大清洗后开始脱离人类控制。n失去人类的操控，进化程度最高的四个统治者（四圣兽）战胜了其他势力，成为数码世界的主神，保护着数码兽和它们的宇宙——数码世界。在同一时间，数码兽开始利用它们各自的技能，建设一系列适合不同数码兽居住的“小世界（Miniverses）”。n1996年n“Internet”（互联网）一词被广泛的流传，不过是指几乎整个的万维网，美国是其绝对主导者。n1997年n一家日本著名的玩具制造商（万代）推出了以数码兽为原型的便携式游戏，这个产品迅速流行起来。得益于商业化的推进，孩子们开始熟悉并亲近数码兽这一概念。n美国FBI正式建成了“食肉动物”，后更名为“DCS1000”，一个E-mail拦截和监视系统。相信在驻日美军基地安装了这样的系统。n1998年n数码兽被作成了适于收藏的卡片游戏。当孩子们结交新朋友时，这种卡片被当作他们交流的载体。 Internet上的用户将突破1亿。n1999年n数码兽大冒险（Digimon Adventure）在日本公映 应用网络变得普遍起来，网络上资料总量开始以几何级数迅速增长。可供数码兽活跃的领土也扩大了。，它们吸收互联网的海量资料，开始高速进化。n2000年n数码兽大冒险02（Digimon Adventure 02）在日本公映。日本在信息监管领域落后于其他国家，政府试图启动自己的SIGINT计划，基础概念和指导由一个有野心的年轻科学家——山木满雄负责，隶属文部科学省设立的极密机关——情报管理局。网络上自由活动的数码兽引起了越来越多的事故，山木等人将其命名为“野生一号”（Wild Ones），并决意将其消灭。 网络爆发千年虫事件，秋山辽穿梭已知的5个时空和千年兽进行宿命的对决全世界拥有100多万个网络，1亿台主机和超过10亿的用户，互联网空前发展。n2001年n本小说女主角黛西的所在时间轴... 日本的SIGINT计划开始启动，使用的主系统就叫“Hypnos”(西泼诺斯/睡神系统)，手段主要是无线电拦截。西泼诺斯的中心系统连接着活跃的网络端口，这使得它处于世界先进水平。但监察委员会则担心该系统会使个人隐私资料遭监视,同时内阁幕后人士担心该系统的曝光会使政府遭到弹劾下台。n200X-1年n牧野留姬赢得了一场又一场卡片战斗大赛。但是在最后一战中，她输给了来自九州岛的驯兽师秋山辽。妖狐兽，小妖兽和大耳兽在新宿实体化（Realize），或者叫物质化（materialize）。李健良通过美国的PC游戏结识了大耳兽。启人创造了基尔兽。 穿越多个平行世界的驯兽师秋山辽和电子龙龙兽来到了数码世界，开始了他们的旅行。n200X年n大量“数码兽事件”引起民众、政府机构和自卫队的关注，松田启人一行人的冒险战斗开始...n睡神系统等网络监视阵列深入扫描并同步联动互联网深层，在决策者的授意下展开了对数码兽的绞杀行动，其中以日本秘密开展的“歼灭计划”最具代表性，但这同时加剧了互联网的瘫痪状态。人类的干预风暴般毁坏了数码世界的大陆，四统治者之一的，青龙兽判断在数码世界最深处之外冬眠的D-Reaper可能已经被激活。借助数码精灵（Digital Gnome）的力量，青龙兽将进化媒介（Catalyst）改变形状——变成一只叫古乐兽（程序名叫 数码隐德莱希Digi-Entelechies）的数码兽，成功的将它藏了起来。从这时起，数码兽的自主进化（Digiolution）收到限制。奥米加兽从数码兽大冒险世界追击启示录兽残余数据中诞生的梅菲斯兽到数码兽驯兽师世界次元壁的数码空间，在启人3人协助下将其消灭。n200X+1年nD-Reaper被完全激活，数码世界开始被急速格式化。D-Reaper吸收人类意识，乘机清空并吞噬了人类监察互联网的智能核心数据，之后开始尝试冲击量子屏障。n数码兽的进化水平达到历史峰值（究极体率接近100%），但数天后，数码世界的格式化进程已经超过47%。n山木室长领导的情报省网络管理局（Hypnos Team）在“野生小组”协助下修正过的夏盖程序（即歼灭计划 Shaggai）卡内尔启动，形成超高速旋涡（Transphotic Eddy）的逆向漩涡形成超小型宇宙爆炸，将人工智能（Artificial Intelligence, AI）引入量子黑洞，并使D-Reaper退化为原始程式以及强制遣返散落在现实世界的数码兽。美国、英国、加拿大、澳大利亚、新西兰等国均受到实体化的D-Reaper侵袭，联合国部队在日本等国发动对D-Reaper的干扰性空袭。n由各国精英共同协作执行的“360°逆向操作”全面作战计划成功的将D-Reaper退化并强制带回数码世界令其再次冬眠，但数码世界已经瓦解殆尽。n200X+2年n李健良组织同伴通过夏盖程序（歼灭计划）使用Message in the Packet链接数码兽的ID进行语音数据包传送... 网络管理局和“野生小组”设定了防火墙来隔断现实世界和数码世界的联系...n人类世界与虚拟世界彼此彻底独立，量子活性化生物成为历史。n不久的未来（广播剧中所提到的最终结局）n在千疮百孔的数码世界残骸中苦苦挣扎的数码兽们终于第一次从数码死神主导下的末日轮回之中解放出来。但如强弩之末一般的它们再无力反抗人类。心灰意冷的造物主们在封锁和控制了数码世界后，使用物理屏障永久性的隔离了数码世界。然而，操纵着虚拟世界与物理世界的量子意志力转换，在冲击中获得量子物理学“金钥匙”的人类文明却正迎来一场前所未有的超级变革。进化仍在延续，哪怕彼此间只有一丝一毫的希望。

　　⑷ 宇宙是一台元胞自动机，如果真是这样，怎样定义邻居规

　　宇宙并不是一台元胞自动机。n元胞自动机（ Cellular Automata） 是n20 世纪50 年代初由计算机之父冯·诺依曼（nJ.von Neuman） 为了模拟生命系统所具有的自复制功能而提出来的。此后，史蒂芬·沃尔夫勒姆（Stephen Wolfram） 对元胞自动机理论进行了深入的研究，例如，他对一维初等元胞机全部256 种规则所产生的模型进行了深入研究，并将元胞自动机分为平稳型、周期型、混沌型和复杂型4 种类型。

　　⑸ 大数据 、云计算、互联网等是怎么样实现价值

　　1. 大数据兴起预示“信息时代”进入新阶段n（1） 看待大数据要有历史性的眼光n信息时代是相对于农业和工业时代而言的一段相当长的时间。不同时代的生产要素和社会发展驱动力有明显差别。信息时代的标志性技术发明是数字计算机、集成电路、光纤通信和互联网（万维网）。尽管媒体上大量出现“大数据时代”的说法，但大数据、云计算等新技术目前还没有出现与上述划时代的技术发明可媲美的技术突破，难以构成一个超越信息时代的新时代。信息时代可以分成若干阶段，大数据等新技术的应用标志着信息社会将进入一个新阶段。n考察分析100年以上的历史长河可以发现，信息时代与工业时代的发展规律有许多相似之处。电气化时代与信息时代生产率的提高过程惊人地相似。都是经过20~30年扩散储备之后才有明显提高，分界线分别是1915年和1995年。笔者猜想，信息技术经过几十年的扩散储备后，21世纪的前30年可能是信息技术提高生产率的黄金时期。n（2） 从“信息时代新阶段”的高度认识“大数据”n中国已开始进入信息时代，但许多人的思想还停留在工业时代。经济和科技工作中出现的许多问题，其根源是对时代的认识不到位。18-19世纪中国落后挨打，根源是满清政府没有认识到时代变了，我们不能重犯历史性的错误。n中央提出中国进入经济“新常态”以后，媒体上有很多讨论，但多数是为经济增速降低做解释，很少有从时代改变的角度论述“新常态”的文章。笔者认为，经济新常态意味着中国进入了以信息化带动新型工业化、城镇化和农业现代化的新阶段，是经济和社会管理的跃迁，不是权宜之计，更不是倒退。n大数据、移动互联网、社交网络、云计算、物联网等新一代信息技术构成的IT架构“第三平台”是信息社会进入新阶段的标志，对整个经济的转型有引领和带动作用。媒体上经常出现的互联网、创客、“第二次机器革命”、“工业4.0”等都与大数据和云计算有关。大数据和云计算是新常态下提高生产率的新杠杆，所谓创新驱动发展就是主要依靠信息技术促进生产率的提高。n（3）大数据可能是中国信息产业从跟踪走向引领的突破口n中国的大数据企业已经有相当好的基础。全球十大互联网服务企业中国占有4席（阿里巴巴、腾讯、网络和京东），其他6个Top10 互联网服务企业全部是美国企业，欧洲和日本没有互联网企业进入Top10。这说明中国企业在基于大数据的互联网服务业务上已处于世界前列。在发展大数据技术上，我国有可能改变过去30年技术受制于人的局面，在大数据应用上中国有可能在全世界起到引领作用。n但是，企业的规模走在世界前列并不表示我国在大数据技术上领先。实际上，国际上目前流行的大数据主流技术没有一项是我国开创的。开源社区和众包是发展大数据技术和产业的重要途径，但我们对开源社区的贡献很小，在全球近万名社区核心志愿者中，我国可能不到200名。我们要吸取过去基础研究为企业提供核心技术不够的教训，加强大数据基础研究和前瞻技术研究，努力攻克大数据核心和关键技术。n2. 理解大数据需要上升到文化和认识论的高度n（1） 数据文化是一种先进文化n数据文化的本质是尊重客观世界的实事求是精神，数据就是事实。重视数据就是强调用事实说话、按理性思维的科学精神。中国人的传统习惯是定性思维而不是定量思维。目前许多城市在开展政府数据开放共享工作，但是发现多数老百姓对政府要开放的数据并不感兴趣。要让大数据走上健康的发展轨道，首先要大力弘扬数据文化。本文讲的数据文化不只是大数据用于文艺、出版等文化产业，而是指全民的数据意识。全社会应认识到：信息化的核心是数据，只有政府和大众都关注数据时，才能真正理解信息化的实质；数据是一种新的生产要素，大数据的利用可以改变资本和土地等传统要素在经济中的权重。n有人将“上帝与数据共舞”归纳为美国文化的特点之一，说的是美国人既有对神的诚意，又有通过数据求真的理性。美国从镀金时代到进步主义时期完成了数据文化的思维转变，南北战争之后人口普查的方法被应用到很多领域，形成了数据预测分析的思维方式。近百年来美国和西方各国的现代化与数据文化的传播渗透有密切关系，我国要实现现代化也必须强调数据文化。n提高数据意识的关键是要理解大数据的战略意义。数据是与物质、能源一样重要的战略资源，数据的采集和分析涉及每一个行业，是带有全局性和战略性的技术。从硬技术到软技术的转变是当今全球性的技术发展趋势，而从数据中发现价值的技术正是最有活力的软技术，数据技术与数据产业的落后将使我们像错过工业革命机会一样延误一个时代。n（2）理解大数据需要有正确的认识论n历史上科学研究是从逻辑演绎开始的，欧几里得几何的所有定理可从几条公理推导出来。从伽利略和牛顿开始，科学研究更加重视自然观察和实验观察，在观察基础上通过归纳方法提炼出科学理论，“科学始于观察”成为科学研究和认识论的主流。经验论和唯理论这两大流派都对科学的发展做出过重大贡献，但也暴露出明显的问题，甚至走入极端。理性主义走向极端就成为康德所批判的独断主义，经验主义走入极端就变成怀疑论和不可知论。n20世纪30年代，德国哲学家波普尔提出了被后人称为“证伪主义”的认识论观点，他认为科学理论不能用归纳法证实，只能被试验发现的反例“证伪”，因而他否定科学始于观察，提出“科学始于问题”的著名观点[3]。证伪主义有其局限性，如果严格遵守证伪法则，万有引力定律、原子论等重要理论都可能被早期的所谓反例扼杀。但“科学始于问题”的观点对当前大数据技术的发展有指导意义。n大数据的兴起引发了新的科学研究模式：“科学始于数据”。从认识论的角度看，大数据分析方法与“科学始于观察”的经验论较为接近，但我们要牢记历史的教训，避免滑入否定理论作用的经验主义泥坑。在强调“相关性”的时候不要怀疑“因果性”的存在；在宣称大数据的客观性、中立性的时候，不要忘了不管数据的规模如何，大数据总会受制于自身的局限性和人的偏见。不要相信这样的预言：“采用大数据挖掘，你不需要对数据提出任何问题，数据就会自动产生知识”。面对像大海一样的巨量数据，从事数据挖掘的科技人员最大的困惑是，我们想捞的“针”是什么？这海里究竟有没有“针”？也就是说，我们需要知道要解决的问题是什么。从这个意义上讲，“科学始于数据”与“科学始于问题”应有机地结合起来。n对“原因”的追求是科学发展的永恒动力。但是，原因是追求不完的，人类在有限的时间内不可能找到“终极真理”。在科学的探索途中，人们往往用“这是客观规律”解释世界，并不立即追问为什么有这样的客观规律。也就是说，传统科学并非只追寻因果性，也可以用客观规律作为结论。大数据研究的结果多半是一些新的知识或新的模型，这些知识和模型也可以用来预测未来，可以认为是一类局部性的客观规律。科学史上通过小数据模型发现一般性规律的例子不少，比如开普勒归纳的天体运动规律等；而大数据模型多半是发现一些特殊性的规律。物理学中的定律一般具有必然性，但大数据模型不一定具有必然性，也不一定具有可演绎性。大数据研究的对象往往是人的心理和社会，在知识阶梯上位于较高层，其自然边界是模糊的，但有更多的实践特征。大数据研究者更重视知行合一，相信实践论。大数据认识论有许多与传统认识论不同的特点，我们不能因其特点不同就否定大数据方法的科学性。大数据研究挑战了传统认识论对因果性的偏爱，用数据规律补充了单一的因果规律，实现了唯理论和经验论的数据化统一，一种全新的大数据认识论正在形成。n 3. 正确认识大数据的价值和效益n（1）大数据的价值主要体现为它的驱动效应n人们总是期望从大数据中挖掘出意想不到的“大价值”。实际上大数据的价值主要体现在它的驱动效应，即带动有关的科研和产业发展，提高各行各业通过数据分析解决困难问题和增值的能力。大数据对经济的贡献并不完全反映在大数据公司的直接收入上，应考虑对其他行业效率和质量提高的贡献。大数据是典型的通用技术，理解通用技术要采用“蜜蜂模型”：蜜蜂的效益主要不是自己酿的蜂蜜，而是蜜蜂传粉对农业的贡献。n电子计算机的创始人之一冯·诺依曼曾指出：“在每一门科学中，当通过研究那些与终极目标相比颇为朴实的问题，发展出一些可以不断加以推广的方法时，这门学科就得到了巨大的进展。”我们不必天天期盼奇迹出现，多做一些“颇为朴实”的事情，实际的进步就在扎扎实实的努力之中。媒体喜欢宣传一些令人惊奇的大数据成功案例，对这些案例我们应保持清醒的头脑。据Intel中国研究院首席工程师吴甘沙在一次报告中透露，所谓“啤酒加尿布”的数据挖掘经典案例，其实是Teradata公司一位经理编出来的“故事”，历史上并没有发生过[4]。即使有这个案例，也不说明大数据分析本身有什么神奇，大数据中看起来毫不相关的两件事同时或相继出现的现象比比皆是，关键是人的分析推理找出为什么两件事物同时或相继出现，找对了理由才是新知识或新发现的规律，相关性本身并没有多大价值。n有一个家喻户晓的寓言可以从一个角度说明大数据的价值：一位老农民临终前告诉他的3个儿子，他在他家的地中埋藏了一罐金子，但没有讲埋在哪里。n他的儿子们把他家所有的地都深挖了一遍，没有挖到金子，但由于深挖了土地，从此庄稼收成特别好。数据收集、分析的能力提高了，即使没有发现什么普适的规律或令人完全想不到的新知识，大数据的价值也已逐步体现。n（2）大数据的力量来自“大成智慧”n每一种数据来源都有一定的局限性和片面性，只有融合、集成各方面的原始数据，才能反映事物的全貌。事物的本质和规律隐藏在各种原始数据的相互关联之中。不同的数据可能描述同一实体，但角度不同。对同一个问题，不同的数据能提供互补信息，可对问题有更深入的理解。因此在大数据分析中，汇集尽量多种来源的数据是关键。n数据科学是数学（统计、代数、拓扑等）、计算机科学、基础科学和各种应用科学融合的科学，类似钱学森先生提出的“大成智慧学”[5]。钱老指出：“必集大成，才能得智慧”。大数据能不能出智慧，关键在于对多种数据源的集成和融合。IEEE计算机学会最近发布了2014年的计算机技术发展趋势预测报告，重点强调“无缝智慧（seamless intelligence）”。发展大数据的目标就是要获得协同融合的“无缝智慧”。单靠一种数据源，即使数据规模很大，也可能出现“瞎子摸象”一样的片面性。数据的开放共享不是锦上添花的工作，而是决定大数据成败的必要前提。n大数据研究和应用要改变过去各部门和各学科相互分割、独立发展的传统思路，重点不是支持单项技术和单个方法的发展，而是强调不同部门、不同学科的协作。数据科学不是垂直的“烟囱”，而是像环境、能源科学一样的横向集成科学。n（3）大数据远景灿烂，但近期不能期望太高n交流电问世时主要用作照明，根本想象不到今天无处不在的应用。大数据技术也一样，将来一定会产生许多现在想不到的应用。我们不必担心大数据的未来，但近期要非常务实地工作。人们往往对近期的发展估计过高，而对长期的发展估计不足。Gartner公司预测，大数据技术要在5~10年后才会成为较普遍采用的主流技术，对发展大数据技术要有足够的耐心。n大数据与其他信息技术一样，在一段时间内遵循指数发展规律。指数发展的特点是，从一段历史时期衡量（至少30年），前期发展比较慢，经过相当长时间（可能需要20年以上）的积累，会出现一个拐点，过了拐点以后，就会出现爆炸式的增长。但任何技术都不会永远保持“指数性”增长，一般而言，高技术发展遵循Gartner公司描述的技术成熟度曲线（hype cycle），最后可能进入良性发展的稳定状态或者走向消亡。n需要采用大数据技术来解决的问题往往都是十分复杂的问题，比如社会计算、生命科学、脑科学等，这些问题绝不是几代人的努力就可以解决的。宇宙经过百亿年的演化，才出现生物和人类，其复杂和巧妙堪称绝伦，不要指望在我们这一代人手中就能彻底揭开其奥妙。展望数百万年甚至更长远的未来，大数据技术只是科学技术发展长河中的一朵浪花，对10~20年大数据研究可能取得的科学成就不能抱有不切实际的幻想。n4 .从复杂性的角度看大数据研究和应用面临的挑战n大数据技术和人类探索复杂性的努力有密切关系。20世纪70年代，新三论（耗散结构论、协同论、突变论）的兴起对几百年来贯穿科学技术研究的还原论发起了挑战。1984年盖尔曼等3位诺贝尔奖得主成立以研究复杂性为主的圣菲研究所，提出超越还原论的口号，在科技界掀起了一场复杂性科学运动。虽然雷声很大，但30年来并未取得预期的效果，其原因之一可能是当时还没有出现解决复杂性的技术。n集成电路、计算机与通信技术的发展大大增强了人类研究和处理复杂问题的能力。大数据技术将复杂性科学的新思想发扬光大，可能使复杂性科学得以落地。复杂性科学是大数据技术的科学基础，大数据方法可以看作复杂性科学的技术实现。大数据方法为还原论与整体论的辩证统一提供了技术实现途径。大数据研究要从复杂性研究中吸取营养，从事数据科学研究的学者不但要了解20世纪的“新三论”，可能还要学习与超循环、混沌、分形和元胞自动机等理论有关的知识，扩大自己的视野，加深对大数据机理的理解。n大数据技术还不成熟，面对海量、异构、动态变化的数据，传统的数据处理和分析技术难以应对，现有的数据处理系统实现大数据应用的效率较低，成本和能耗较大，而且难以扩展。这些挑战大多来自数据本身的复杂性、计算的复杂性和信息系统的复杂性。n（1）数据复杂性引起的挑战n图文检索、主题发现、语义分析、情感分析等数据分析工作十分困难，其原因是大数据涉及复杂的类型、复杂的结构和复杂的模式，数据本身具有很高的复杂性。目前，人们对大数据背后的物理意义缺乏理解，对数据之间的关联规律认识不足，对大数据的复杂性和计算复杂性的内在联系也缺乏深刻理解，领域知识的缺乏制约了人们对大数据模型的发现和高效计算方法的设计。形式化或定量化地描述大数据复杂性的本质特征及度量指标，需要深入研究数据复杂性的内在机理。人脑的复杂性主要体现在千万亿级的树突和轴突的链接，大数据的复杂性主要也体现在数据之间的相互关联。理解数据之间关联的奥秘可能是揭示微观到宏观“涌现”规律的突破口。大数据复杂性规律的研究有助于理解大数据复杂模式的本质特征和生成机理，从而简化大数据的表征，获取更好的知识抽象。为此，需要建立多模态关联关系下的数据分布理论和模型，理清数据复杂度和计算复杂度之间的内在联系，奠定大数据计算的理论基础。n（2） 计算复杂性引起的挑战n大数据计算不能像处理小样本数据集那样做全局数据的统计分析和迭代计算，在分析大数据时，需要重新审视和研究它的可计算性、计算复杂性和求解算法。大数据样本量巨大，内在关联密切而复杂，价值密度分布极不均衡，这些特征对建立大数据计算范式提出了挑战。对于PB级的数据，即使只有线性复杂性的计算也难以实现，而且，由于数据分布的稀疏性，可能做了许多无效计算。n传统的计算复杂度是指某个问题求解时需要的时间空间与问题规模的函数关系，所谓具有多项式复杂性的算法是指当问题的规模增大时，计算时间和空间的增长速度在可容忍的范围内。传统科学计算关注的重点是，针对给定规模的问题，如何“算得快”。而在大数据应用中，尤其是流式计算中，往往对数据处理和分析的时间、空间有明确限制，比如网络服务如果回应时间超过几秒甚至几毫秒，就会丢失许多用户。大数据应用本质上是在给定的时间、空间限制下，如何“算得多”。从“算得快”到“算得多”，考虑计算复杂性的思维逻辑有很大的转变。所谓“算得多”并不是计算的数据量越大越好，需要探索从足够多的数据，到刚刚好的数据，再到有价值的数据的按需约简方法。n基于大数据求解困难问题的一条思路是放弃通用解，针对特殊的限制条件求具体问题的解。人类的认知问题一般都是NP难问题，但只要数据充分多，在限制条件下可以找到十分满意的解，近几年自动驾驶汽车取得重大进展就是很好的案例。为了降低计算量，需要研究基于自举和采样的局部计算和近似方法，提出不依赖于全量数据的新型算法理论，研究适应大数据的非确定性算法等理论。n（3）系统复杂性引起的挑战n大数据对计算机系统的运行效率和能耗提出了苛刻要求，大数据处理系统的效能评价与优化问题具有挑战性，不但要求理清大数据的计算复杂性与系统效率、能耗间的关系，还要综合度量系统的吞吐率、并行处理能力、作业计算精度、作业单位能耗等多种效能因素。针对大数据的价值稀疏性和访问弱局部性的特点，需要研究大数据的分布式存储和处理架构。n大数据应用涉及几乎所有的领域，大数据的优势是能在长尾应用中发现稀疏而珍贵的价值，但一种优化的计算机系统结构很难适应各种不同的需求，碎片化的应用大大增加了信息系统的复杂性，像昆虫种类一样多（500多万种）的大数据和物联网应用如何形成手机一样的巨大市场，这就是所谓“昆虫纲悖论”[6]。为了化解计算机系统的复杂性，需要研究异构计算系统和可塑计算技术。n大数据应用中，计算机系统的负载发生了本质性变化，计算机系统结构需要革命性的重构。信息系统需要从数据围着处理器转改变为处理能力围着数据转，关注的重点不是数据加工，而是数据的搬运；系统结构设计的出发点要从重视单任务的完成时间转变到提高系统吞吐率和并行处理能力，并发执行的规模要提高到10亿级以上。构建以数据为中心的计算系统的基本思路是从根本上消除不必要的数据流动，必要的数据搬运也应由“大象搬木头”转变为“蚂蚁搬大米”。n 5 .发展大数据应避免的误区n（1） 不要一味追求“数据规模大”n大数据主要难点不是数据量大，而是数据类型多样、要求及时回应和原始数据真假难辨。现有数据库软件解决不了非结构化数据，要重视数据融合、数据格式的标准化和数据的互操作。采集的数据往往质量不高是大数据的特点之一，但尽可能提高原始数据的质量仍然值得重视。脑科学研究的最大问题就是采集的数据可信度差，基于可信度很差的数据难以分析出有价值的结果。n一味追求数据规模大不仅会造成浪费，而且效果未必很好。多个来源的小数据的集成融合可能挖掘出单一来源大数据得不到的大价值。应多在数据的融合技术上下功夫，重视数据的开放与共享。所谓数据规模大与应用领域有密切关系，有些领域几个PB的数据未必算大，有些领域可能几十TB已经是很大的规模。n发展大数据不能无止境地追求“更大、更多、更快”，要走低成本、低能耗、惠及大众、公正法治的良性发展道路，要像现在治理环境污染一样，及早关注大数据可能带来的“污染”和侵犯隐私等各种弊端。n（2） 不要“技术驱动”，要“应用为先”n新的信息技术层出不穷，信息领域不断冒出新概念、新名词，估计继“大数据”以后，“认知计算”、“可穿戴设备”、“机器人”等新技术又会进入炒作高峰。我们习惯于跟随国外的热潮，往往不自觉地跟着技术潮流走，最容易走上“技术驱动”的道路。实际上发展信息技术的目的是为人服务，检验一切技术的唯一标准是应用。我国发展大数据产业一定要坚持“应用为先”的发展战略，坚持应用牵引的技术路线。技术有限，应用无限。各地发展云计算和大数据，一定要通过政策和各种措施调动应用部门和创新企业的积极性，通过跨界的组合创新开拓新的应用，从应用中找出路。n（3） 不能抛弃“小数据”方法n流行的“大数据”定义是：无法通过目前主流软件工具在合理时间内采集、存储、处理的数据