“大数据”还不等于“大智慧”

　　差之毫厘谬之千里

　　任何一个负责任的医生都会严谨地告诉你，即使两个病人的症状非常相似，采取的治疗手段也不会相同，仍需要严格按照个体的差异性来决定，年龄、体重、其他的健康问题和特殊因素等等，都会影响最终的治疗效果。

　　就拿医疗过程中使用的智能分析平台IBM Watson来说。当我向一个朋友说起最近有的医生开始采用Watson辅助诊断和制定疗程时，他立刻炸毛了。他坚决表示自己的健康问题和治疗手段不需要一台机器来决定。他的担心完全在理，但是在Watson的例子中，这台机器并没有直接给医生提供可以盲从的答案，只是根据已有的迹象、患者信息、病症再结合当前对此病症的科学研究结果，给出治疗的参考方案而已。

　　正如我之前描述的数据专家的情况一样，医生们同样也很忙碌，他们不可能一边给患者看病一边还要熟知自己领域的所有最新进展。相关的研究实在太多了(当然这是一件好事)。所以他们需要Watson的辅助。Watson能够快速地过滤目前的研究，但是仍然需要医生根据实际情况来决定最终的治疗方向。我更愿意把这个过程称为科学中的艺术。知识给我们带来了无限的可能性，但最终的决定权仍在于医生而不是机器。

　　企业同样也会面临类似不确定性，这时候就需要人的介入，运用他们的知识，借助数据的力量，为不确定性做出决策。

　　未来我们能走多远?

　　很多时候机器可以给出人们需要耗费数年时间才能得出的答案和远见。贝克指出，比如大数据已经在帮助我们更深刻地了解疾病，尤其是癌症，有很多方面都是人类研究人员从未涉及过的。“没有大数据给我们提供足够的数据信息，我们永远都不会找到最佳治疗方案(至少最近几年毫无希望)。”

　　而且她还相信机器的学习能力在不远的将来一定会达到一个足够成熟的阶段。届时机器或许可以替我们做更多的决策，因为人类的大脑能力毕竟有限，无法一下子处理所有的可用信息。

　　我不能说她的预想是错误的，然而就目前看来，采集和处理数据的能力远远超过了对这些数据的理解能力。贝克也谈到，预测分析一直在前进发展，有时候数据可以直接给出答案，但在更多的情况下，这仍然是一个复杂的人机交互过程。即使技术在不断向前发展，这两者之间如何才能完美的合作仍是一个难题。

　　除非我们能从中找到一个折中的办法或者机器的技术能有大幅度的提升，否则我们仍将面临一个智慧的鸿沟，需要时间和技术的进步来慢慢填补。