釋放大數據的能量

?

釋放大數據的能量

3月，谷歌AlphaGo與韓國圍棋國手李世石的“人機世紀大戰”，刷爆全球輿論圈。

說到底，AlphaGo獲勝，在于擁有人類歷史高手海量的棋局和不斷試錯改進的自我學習能力。大數據+深度學習，造就了AlphaGo的勝利。

海量數據的匯聚，促成了大數據時代的到來，然而，問題普遍存在，那些希望通過海量數據總結和發現科學的規律，或者是刻畫用戶畫像的設想，遭遇了諸多挑戰。

隨著高校信息化的發展，積累了二十余年的各類數據，當我們面對龐大的校務數據，希望藉以了解學校師生教學和生活行為的發展趨勢時，數據隱私保護、數據質量、數據分析技術以及數據應用服務等的問題，均接踵而來。

在數據開放政策與機制相對缺失的當下，數據的供需矛盾也顯得尤其突出。數據只有開放，并按需匯聚起來，才能成為大數據，才能刻畫并總結出科學的規律，但如何開放大數據資源，在人們對數據“淘金”的期望越來越高的當下，將數據當做寶貝，秘而不宣，使得數據供與需之間，存在壁壘。

雖然大數據催生了科研的第四范式——數據密集型科學，但“大數據在計算機中，科研的人在科學中”，卻還是全球性的難題，要破解這樣的困局，需要從機制體制上進行整體規劃。高校數據中心或者即將到來的科學大數據庫建設中，需要解決數據管理及評價機制的問題。

首先，評價體系需要適應新的情況進行相應的變革。很多應用學科只將計算機技術單純作為一種載體，或者是簡單的處理工具，因而從事計算科學的研究人員，也常常被視為科研輔助人員，其科研成果并不能得到認定，認識上的局限性使得學科交叉越來越困難。

第二，數據的規范管理。目前關于數據的標準規范雖然形成于2010年前后，但其中關于數據歸屬、數據版權等焦點問題，并未有清晰的界定，這對于數據的生產者及數據的使用者，都構成了風險。

目前國際上非常關注的“數據出版”，可以是一個新模式的探索。數據出版首先明確了數據的知識產權，清晰界定數據的擁有權，但并不妨礙其使用權；第二，注明來源；第三，數據擁有一個標識，可以提供使用者隨時訪問到需要的數據。如此，既可以讓數據的開放共享更規范，也可以讓科研人員更愿意開放數據，供需的矛盾或能得以化解。

大數據帶來機遇，也帶來許多挑戰，需要我們條分縷析，因時應勢，破解束縛，才能釋放出大數據無窮的能量。

中國科學院計算機網絡信息中心科學數據中心主任

CODATA中國委員會秘書長黎建輝