01 數據是一組有意義的符號

數據無處不在，只是它們沒有實體。

過去，人們習慣把數字的組合稱為數據。但在今天，這樣的理解顯然不夠全面。那么是否可以把數字、字符、字母的集合稱為數據？也不準確。

在今天“大數據”的語境中，數據是可以被記錄和識別的一組有意義的符號，一般可通過原始的觀察或度量得到。數據是對客觀事物的邏輯歸納，可以用來表示一個事實、一種狀態、一個實體的特征，或一個觀察的結果，有些是用于描述某個對象的事實性數據，有些則是通過觀察、分析、歸納得到的總結性數據。

數據可以是連續的，比如無線電通信時在空氣中傳輸的電磁波，它們是模擬數據；數據也可以是離散的，比如在計算機中存儲的文檔和照片，它們是數字數據。

承載數據的形式有很多，不僅包括文字、數字、符號、圖像、語音、視頻，也可以是對某個事物的屬性、數量、位置、關系的抽象表示。大氣的溫濕度、汽車的行駛路線、學生的檔案記錄、商務的合同，這些都是數據。

我們平時用電子設備看新聞、拍照片、買東西、打游戲，本質上都是在和數據打交道。在計算機中，它們是一連串包含有0和1的二進制數的組合。

02 信息是用來消除不確定性的

現在我們來明確一下什么是數據，什么是信息。當人們在研究甲骨文時，上面記錄的符號僅僅是一些數據。要讀懂這些數據，就必須了解數據背后要表達的含義。一旦對數據做出解釋，我們就能得到甲骨文上的信息。

數據與信息既有聯系，又有區別。數據是信息的載體，信息則需要依托數據來表達。它們是形與質的關系，兩者密不可分。

信息由數據加工得來，它可以由數字和文字表達，也可以表現為其他具有意義的符號，其承載形式不重要，重要的是信息能讓我們了解一些事情、鑒別一些真偽、佐證一些觀點。也就是說，盡管數據存在的形式多種多樣，但我們真正想要獲得的是信息。

“信息”作為科學術語最早出現在哈特萊1928年撰寫的論文《信息傳輸》中，在該論文中他首次提出了將信息定量化處理的設想。1948年，信息論創始人、美國數學家香農發表了一篇有著深遠影響的論文—《關于通信的數學原理》，他明確指出了“信息是用來消除隨機不確定性的東西”。

在香農看來，一旦我們想要對信息進行量化和比較，我們就不要去關注這些信息到底承載了什么內容，而是要看這條信息出現后，是否改變了某些不確定性事件的概率。今天這一定義已經被看作是對“信息”的經典定義，在各種場合不斷被人引用。

無論是數字、字符或它們的組合，如果我們無法解讀，就不能稱其為信息。有一個重要的判斷標準是，看它是否承載了有用的內容。無論是石頭上刻的畫、紙上寫的字、墻上的涂鴉還是電腦中的文件，只要它們能表達確切的含義，就能認為是信息。

一串11位數字的號碼，如果它是隨機數字，則談不上是信息。如果我告訴你，這串數字是我的手機號，它就消除了不確定性，它便是一種信息。信息是把人們不清楚的給說清楚的那些內容，如果已經知道了，就不能算作新的信息。

舉例來說，今天任何一個小學生都知道地球是圓的，地球自轉產生了白天和黑夜。這在今天看來是一個基本常識，但我們的祖先并不知道。如果我們把發明文字作為人類文明的起點，那么大約經過5000多年，也就是直到15世紀，人們才開始接受地球是一個大圓球的觀點。

雖然“地球”對于今天的小學生來說不算是新的信息，但是對于古人來說，它不僅是信息，而且信息量巨大。

你或許已經發現了，信息會因場景而定，因每個人的主觀認識而定。同一條信息，對一些人是有用的，對另一些人或許就沒用了。

03 知識是對信息的總結和提煉

隨意給出3個數字：68、21、192。這3個數字僅僅是數據。現在給它們加上一些說明，比如：衣服的價格是68元，今天的氣溫是21攝氏度，小明爸爸的體重是192斤。這些數據有了明確表達的含義，它們就是信息。

不僅如此，我們還能基于這些信息給出一些判斷：衣服不是很貴，天氣有點涼爽，男人該去減肥了。做出這些判斷，需要依賴我們平時生活中積累的經驗和常識，即知識。

知識是對信息的提煉和概括，它是高度概括的信息。如果說信息可以解答一些簡單的問題，比如“誰”“在哪里”“做什么”，那么知識可以回答一些更具深刻認知的問題，比如“怎樣”“為何”。

日常生活中最基本的知識是常識。比如明火不能碰、熱油不能遇水、人有生老病死、月有陰晴圓缺，它們大部分來自生活，是大家認為都該懂得、不言自明的知識。今天很多約定俗成的常識，是由我們的祖輩口口相傳、代代相承而來。人并不是天生就有常識，知道火為何物、火可傷人、火可熟食。很多道理都是從生活實踐中總結而來的。

現如今，對于人工智能來說，要解決的核心問題是讓計算機具有常識。很多常識背后有著復雜的知識體系，機器必須真正“理解”知識，而不是“記憶”它們。

舉例來說，計算機或許能通過數據樣本學習，知道人類有頭、手、腳等身體部位，但它很難理解既然這些部位都長在人體上，為何只有頭上有眼睛，手和腳上卻沒有？又比如，計算機學會并知道了“人有2只眼睛”，但它無法判斷這個世界上是否存在“有1只眼睛的人”和“有3只眼睛的人”。

如今的人工智能只能從數據中學習到數據之間的聯系，它還不能很好地處理有關常識的問題，這方面人們還有很長的研究之路要走。

以上討論的“知識”，指的都是人腦中的知識。它和計算機要處理的“知識”是不同的。從本質上講，計算機只是模仿人類的知識，它們并沒有真正掌握這些“知識”。計算機只是通過一些特定方法把人類知識表達出來。而這個特定方法是基于圖技術。

圖是一種表示知識的工具，是描述知識的狀態、關系、路徑距離等相關要素的最自然的數學表達。它擅長存儲和處理復雜的網狀關系，所以在知識圖譜、社交網絡、用戶關系分析等領域有著廣泛的應用。

近年來，基于圖技術的知識圖譜是十分熱門的研究領域。比如大眾熟知的維基百科就是一個知識圖譜應用。知識圖譜可以用來描述各種實體以及它們之間的關系。它是一個龐大的圖形網絡知識庫。在這個網絡中，每個節點是一個實體，比如人名、地名、事件、活動，任意兩個節點之間的邊表示它們之間存在關系，如圖3-1所示。

▲圖3-1 基于圖形結構的知識圖譜示意圖

知識圖譜的基本組成是“實體–關系–實體”的三元組，它不僅能把與關鍵詞有關的知識系統化地展示給用戶，也可以基于知識進行推演。比方說，從〈東方明珠，坐落在，浦東〉和〈浦東，屬于，上海〉這兩個組合，就能推測得到〈東方明珠，位于，上海〉。

知識圖譜還會不斷更新迭代，用戶搜索的次數越多，范圍越廣，這個知識庫就能獲取越多的信息和內容。

知識并不是與生俱來的，獲取知識通常有兩種途徑。

途徑一是親身體驗。比如，剛出生的嬰兒什么都不懂，將一杯熱水放到他面前，他會想要去拿杯子，結果喝水被燙到了。第二次他再看到杯子，有了上次被燙的經驗，他會觀察杯口是否冒煙，摸摸杯子的溫度，再決定是否拿杯子喝水。在這個過程中，嬰兒通過自己的親身體驗，逐漸掌握了有關“熱水”的知識。

南宋理學家、思想家朱熹曾說：“所謂致知在格物者，言欲致吾之知，在即物而窮其理也。”他要表達的意思是，獲得知識的途徑在于認識世間萬物，并徹底研究它們的原理。就是說，要親身體驗這個世界來獲得寶貴的知識。每個人有不同的人生和經歷，這些會成為我們獨有的知識。

親身體驗得來的知識是最真實的，所以它通常比較準確。不過，這樣獲取知識的時間周期長，效率也比較低。

途徑二是通過別人教授。比如通過父母、老師、書本、網絡學習得來，但老師教的、書上印的可能出錯，這樣得來的知識未必準確。不過，它仍然是獲取知識最主要的形式，畢竟我們沒有那么多時間和精力，凡事都親身經歷一遍。站在前人和巨人的肩膀上，不斷學習新的知識，是人類科技進步的根本原因。

有趣的是，在互聯網時代，任何人都能隨時隨地找到自己想要的信息，但我們的知識總量并不會立刻增加。學習是一種過程，需要時間積累，欲速則不達。

比如很多人都聽過“區塊鏈”，但大部分人并不清楚它是什么。有人認為它是錢，也有人認為它是一種身份認證技術。但這些理解都不準確。很多人只是從網上找到了關于區塊鏈的信息，并沒有真正得到關于它的知識。從某種意義上講，互聯網雖然提高了人們找到碎片信息的效率，但降低了人們掌握完整知識的能力。

當然，互聯網對整個社會來說仍然利大于弊，它讓全世界的知識能夠快速傳遞和共享。每個人都可以在網絡上自由地發表觀點，這些內容也被其他人搜索、閱讀、討論。一個小學生能從互聯網上學到知識，并在課堂上指出老師的錯誤，在家里糾正父母的觀念。這讓過去作為權威的老師和父母受到了挑戰，這在以前是不可想象的。

最后，讓我們做個簡答的總結——數據、信息、知識三者密不可分。

• 數據是一組有意義的符號，它是信息的載體，是知識的來源；
• 信息賦予了數據含義，信息消除了不確定性；
• 知識從實踐、經驗中得到，它由數據記錄，從信息中提煉。

關于作者：徐晟，某商業銀行IT技術主管，畢業于上海交通大學，從事IT技術領域工作十余年，對科技發展、人工智能有自己獨到的見解，專注于智能運維（AIOps）、數據可視化、容量管理等方面工作。