【科學史沙龍】透過大數據看見數學

■如果沒下雨但起風，要不要出門去玩？發折價券能讓多少客人回流？為什麼臉書好像都知道我最近想要做什麼？近年來耳熟能詳的「大數據」，其實就是要解決我們日常生活中會碰到的各種問題，差別只在大數據背後，靠的完全是數學運算的力量。

講者｜ 國立中央大學資訊工程學系 楊鎮華教授
撰文｜高英哲

數學跟電影《露西》最後的結局一樣，「無所不在」。今年年初轟動武林，驚動萬教的 AlphaGo ，就是這個概念最新的體現，透過四種技術向人類學習智慧：雲端運算、大數據、人工智慧、以及機器學習。

雲端運算就是分散式的平行運算，藉由雲端上分散於各處的 CPU 跟 GPU 綜合運算，打敗單兵作戰的單機電腦或個人。大數據分析則是藉由熟讀十幾萬個棋譜棋局，再經過自我對弈，無限複製學習經驗。人工智慧則是透過深度神經網路 (DNN) 跟蒙地卡羅樹搜索 (MCTS) 等演算法，在有如恆河沙數般的所有可能性裡，策略性地找出最佳解。這些就是 AlphaGo 這台機器，得以產生類似人類學習能力的技術。

大數據的技術，涵蓋了統計學、資料科學、資料工程，這三大領域的學問，試圖透過分析資料，獲得預測結果，並且從中選出較佳的決策進行推薦。這並不是新鮮事，大數據之所以火紅，在於它採用了新方法來處理這些過程。比方說同樣是資料分析，大數據還會根據使用者的行為，分析資料與行為之間的關聯性，並嘗試建立出一個模型。歐巴馬兩次勝選就是應用大數據的成功案例，他的競選團隊利用大數據，找到能夠吸引選民的訴求，另外還能增進募款跟廣告的效率。

演算法是大數據分析的核心，也就是機器如何透過學習，獲得類似人類智慧的過程。舉凡透過是非題的決策樹進行分類，藉由迴歸預測數值，用分群的概念做行銷規劃，都是透過演算法，試圖得到更準確的結果。其實這件事我們在日常生活中都在做，只不過在大數據的輔助下，可以把演算法的力量發揮得更加淋漓盡致。

當大數據的技術益發成熟，人類智慧與人工智慧的差異愈趨縮小，那麼人與機器在思考上，還會有什麼不同？機器必須遵循邏輯，而人類可以容許矛盾的存在，這大概是大數據的發展再怎麼日新月異，也無法改變的本質吧！