“数据”在今天从未如此受到广泛关注。以前我们不在意填写手机号之类的信息，现在变得小心翼翼了，生怕自己的隐私被泄露。一个手机号码，可以关联到我们自己的很多人。数据。但在现实中，一方面，大众对数据的过度使用感到恼火，但另一方面，我们可能陷入“算法崇拜”，算法是基于数据的技术原理。比如我们清早起床，就会打开墨迹天气，看看今天的天气怎么样。该应用程序会提醒我们穿什么衣服？我们应该带伞吗？有限制吗？等等，这些行为已经成为一种生活习惯。从技术角度来看，上述行为其实是APP内核的算法导致的，属于轻度的“算法依赖”。对于大众来说，没有算法的概念，顶多是“APP依赖”或者“数字化”。对生活的依赖”，但如果过于依赖算法来为我们的生活和工作做决定，就可能陷入“算法崇拜”，从心理上可以理解为“技术迷信”的非理性行为，其后果是迷失01.防止大数据和算法陷入“算法崇拜”，需要从源头上了解算法的前世今生。算法与数据息息相关，算法源于一代大量数据的沉淀，可以归纳，同时让数据具有商业价值，产生了各种算法，比如墨迹天气APP，就是比较早的提供实时天气的手机应用其技术原理是通过对接公开开放的气象数据接口（技术上称为API接口）获取海量实时气象数据。数据只是各种与天气相关的参数，普通人根本无法理解。公众如何直观地理解它？于是产品经理设计了APP呈现的视觉效果和产品的实现逻辑，JAVA工程师开发了整个APP的系统后台进行数据导入，通过算法对关键原始天气数据进行逻辑计算工程师根据产品型号，最后呈现的就是我们看到的APP界面。让我们仔细看看这个案例。比如我们看到墨迹天气APP显示今天气温20度，下雨，算法工程师会综合分析气温、雨量等数据，然后提取符合这个温度的服装。日常出行数据，比如20度下雨时，会提醒你穿秋装带伞，20度不下雨时，会提醒你穿秋装，方便出行。更强大的算法还将进行深入计算。除了有利于出行游玩，还会推荐周边哪些地方适合游玩等信息。这就要求APP不仅要连接天气数据，还要连接生活、出行、旅游景点等数据。通过以上案例，我们可以看出，一个优质APP算法的复杂性，正是因为算法的复杂性，包括渠道的不同，各种数据的获取难度。因此，已经建立了某些技术壁垒。同时，技术其实都是通用的。关键是数据壁垒让竞争对手无法超越，从而造成“信任垄断”效应，逐渐在用户心目中建立起信任感，引发“算法崇拜”。我们将在下一节中对此进行详细说明。关于技术，我们一贯的观点是技术是人性的，技术最终是为人性服务的，大数据和算法也不例外。脱离人性的技术是没有应用价值和商业价值的。既然算法是从数据中推导出来的，那我们先来看看数据是什么？根据技术作家阿里前副总裁涂子培先生在《大数据》中对非技术语言的描述：数据分为两种，一种是小数据，即通过测量得出的数据，如温度、面积和大小，或一般统计数据，例如人口和土地面积等常规数据；另一种是大数据，源于记录的行为，即基于信息背景数据，有规律可循，有行为痕迹。过去，大数据是通过各种行为来记录的，而今天则是通过无处不在的传感器和微处理器产生的。海量数据，不管是小数据还是大数据，首先都是一个沉淀的过程。当我们需要数据的时候，我们会从各个数据仓库中提取数据，进行数据清洗。这个过程过滤掉不需要的数据，留下有价值的数据，最后进行数据分析和计算，通过算法实现分析和计算。目前我们主要通过算法推导出四种数据，即：行为数据：即我们生活和工作中的各种行为所产生的数据。如餐厅消费、乘坐地铁打车等；状态数据：某一事物或生物的固有状态数据。如台风参数、森林绿化指标、人体状况等；社交数据：我们通过微博、微信、抖音等社交媒体产生的登录、时间、评论、分享等行为数据；工业数据：生产、设计、制造过程系统中产生的数据是工业智能化的基础。算法基本上是基于以上四种数据进行各种分析、推演和模型输出，最终呈现出我们所看到的各种应用，包括人工智能、物联网的发展，也是基于算法的。比如搜索引擎的推荐算法，地图应用的导航算法，外卖APP的排名算法，音乐APP的偏好算法等等。正是大数据的庞大和算法的复杂导致了数据使算法显得神秘的障碍。自古以来，人们对于未知领域力量的认知，都会不自觉地生出一种莫名的信仰和崇拜，就如同神秘的空间一般。02.崇拜与权威就像在近代欧洲历史上，科学与宗教的发展有着激烈的交锋，数据算法也在挑战着传统认知。过去，人们想要了解天气的变化趋势，往往是凭经验凭天判断。过去，看病遵循传统的看、听、问的方式，而今天，这些传统体验正在受到数据算法的挑战。我们通过手机算法看天气，甚至通过搜索引擎寻找一些常见疾病的解决方案。此外，音乐CD等传统听歌方式正在成为一小部分音乐极客的爱好，大众喜欢网易云音乐、QQ音乐等智能推荐，车载导航在国内没有市场。过去。百度地图、高德地图可以解决一切导航问题。这就是科技和数据算法的发展给我们带来的便利。我们乐于享受这样的免费服务，但如果完全依赖算法，也会导致意想不到的后果。比如前几年就有新闻称，某司机跟着手机导航，找不到方向。此外，部分企业在管理过程中过于追随数据结果，忽视了人性化管理。名字，也会输入网上的备选名字来查分。为什么是这样？因为我们认为数据算法的权威性高于人的判断。崇拜的产生是基于对权威的认可。什么是权威？我们经常听到“权威解释”、“某领域权威专家”、“拥有某项权威技术”等说法。百科全书对权威有五种解释：一是指权势和威望；二是指权势。二是让人信服的威风。一种自愿的服从和力量。从本文的分析来看，所谓“算法崇拜”可以理解为：基于数据的算法具有让人相信的力量，从而产生权威感，让人自愿服从，排斥其他因素从而影响判断。例如，当我们开车时，我们更相信导航应用程序，而不是相信司机和其他人的体验。点外卖的时候，相信饿了么的推荐排名会比同事的推荐等高。对数据算法的权威感和推崇来自于我们分析的以下三个因素：认知混乱。在某个领域存在认知上的困难和困惑，但恰恰是数据算法解决了这个问题带来的信任。例如，我无法判断一个陌生城市的天气和路线，但天气或地图应用程序可以帮助我解决这些问题。数据处理难度。人类可以判断数据处理的难度，无法自行解决，但数据算法可以轻松解决由此产生的信任。例如，AlphaGo可以用超强的算法击败人类冠军，但它自己做不到这一点。人性与生俱来的惰性。科技的发展让人变懒已经成为公认的事实。当数据算法可以解决事情的时候，我们往往不去人为干预，就像我们以前自己打扫房间一样，但是基于智能算法的扫地机出现后，通过房间数据的计算，可以对指定区域进行智能打扫，从而取代人工清洁。这是一种进步还是一种倒退？对于数据算法的崇拜，我们始终认为不是算法而是人为造成的，我们也不否认算法的发展，适度的崇拜而不是迷信和过度的信任，可能是我们最好的选择。03.理性与回归无论数据算法多么智能，面对技术发展，我们仍然需要回归理性。如果我们沉迷于某种权威，我们可能会失去对问题的多元视角。比如在做市场决策时，虽然数据算法提供了很多参考，但是算法并不能考虑到消费者的心。我们还需要补充大量潜在用户的真实感受。地图APP非常强大，我们还需要平衡你的感官和当地人的实际路况。要避免陷入过度的“算法崇拜”，最重要的是要避免过度崇拜。过度崇拜是迷信。迷信的结果，不仅是多元视角的丧失，更是自我和理性判断的丧失。因此，基于以上讨论，我们提供以下参考，避免过度迷恋数据算法：多视角很重要。相信数据算法，但不要依赖单一的数据结果。一些科学家在论证一个结论时，往往会使用大量的第三方数据作为佐证。这是多方视角。对于同一领域的同一个结果，往往会有不同的看法。数据算法会导致不同的结果，这就需要我们用多个角度来相互比较，才能得出正确的结论。必要的人为干预。对于数据算法得出的结论，或者参与数据算法本身，可以根据情况进行必要的人为干预，加强算法的整体性。例如，公司委托第三方开发金融投资系统。一般的投资逻辑还需要考虑公司的投资理念和风控个性，做出适合公司的投资体系。对事物保持好奇。这是底层的思维逻辑，决定了上层的认知和判断。不轻信但事事批判，也有助于避免陷入个人偏袒。结语：以上三部分就是我们对“算法崇拜”的分析。我们不否认算法的伟大，也不排斥对算法的适度崇拜，但我们提倡理性的理解和使用。哲学家周国平先生说：好奇心是人类理性的开端，最基本的要素。如何避免陷入“算法崇拜”，除了了解数据和算法本身，保持我们的好奇心或许可以从思维的底层构建我们的理性思维世界。
