吴 超

中国科学院计算机网络信息中心 北京 100190

计算技术和能力已经完全普适化，对数据的观察和整合、分析和解释，正在不断创造新的知识，推动着科学技术的进步和社会的发展。嵌入式和可穿戴设备正普及大众，各类便携传感器已可对用户敏感数据进行采集，如智能手机包含了 GPS、加速度计、距离及光线传感器、摄像头、陀螺仪、指纹传感器，甚至还包含心率监测器等数据采集和感知设备。无处不在的互联网和普及的云计算、存储设施，也使得传输和管理这些所采集数据变得越来越容易。对这些所采集数据可从两个方面进行利用：① 建立数据的统计模型以帮助公共和私人部门了解社会运行各方面的整体情况，如流行病的早期检测；② 从微观层面提供个性化服务，如对每个居民提供产品和服务推荐。

在深度网络出现之前，机器学习模型无需大量训练数据，就算有更多数据，模型也不能训练得更好（模型进入 saturation 状态）[1]；而对深度网络来说，因为其足够深，需要训练的参数足够多，所以它对数据是饥饿的——当数据越多的时候，能构建的网络就越深，其性能就越好，这是大数据的作用。如今，这种以大数据+深度神经网络为代表的人工智能技术，正在深远地影响着社会生活的各个方面。而数据作为一种原材料，通过数据分析建模的加工挖掘，能产生新的价值，已成为新的生产力来源和资产。

众多案例已展示了数据的应用价值[2,3]，然而一个技术要深刻地推进社会发展，它需要从具有应用价值发展为具有应用+经济的双重价值。……