大數據時代，如何避免陷入“算法崇拜”？
"數據"在今天從來沒有如此被廣泛關注，以往我們毫不在意地填寫手機號碼等信息，如今卻變得謹慎起來，原因是怕自己的隱私泄露，一個手機號碼可以關聯到自己諸多的數據。但現實當中，一方面大眾對數據被過度使用而煩惱，但另一方面我們可能陷入了"算法崇拜"之中，而算法就是以數據為基礎的技術原理。
比如我們一早起來會打開墨跡天氣，看看今天的天氣怎么樣，APP會提醒穿什么衣服?要不要帶傘?出門的時候，會打開百度或者高德地圖，看看上班路上堵不堵?今天是否限行?等等，這些行為已經成為了一種生活的習慣。
從技術的角度來講，上述行為實際是APP內核的算法導致的，是一種輕度的"算法依賴"，對大眾而言，并沒有算法的概念，頂多是"APP依賴"或者"數字化生活的依賴"，但如果過度地依賴算法為我們的生活、工作做決策時，你可能就陷入了"算法崇拜"，從心理上可以理解為"技術迷信"的非理性行為，而后果則是被算法左右你的內心而迷失方向。
01、大數據與算法
要防止陷入"算法崇拜"，還需從源頭上了解算法的前世今生，而算法是和數據緊密聯系，算法源于大量數據的產生和沉淀，為了讓數據具備可追溯和可歸納，同時讓數據具備商業化價值，各種各樣的算法產生了。
舉個例子，墨跡天氣APP是較早的提供天氣實時服務的手機應用，它的技術原理是通過對接公共開放的天氣數據接口(技術上叫API接口)，獲得海量的、實時的天氣數據，獲得的原始數據只是各種有關天氣的參數，普通人根本看不懂，怎么讓大眾都能直觀的看明白呢?
于是產品經理設計出APP呈現出來的視覺效果和產品的實現邏輯，而JAVA工程師開發出整個APP的系統后臺供數據導入，關鍵的原始天氣數據則由算法工程師根據產品模型進行邏輯演算，最終呈現出來就是我們看到的APP界面。
再深入理解一下這個案例，比如我們看到墨跡天氣APP今天顯示溫度是20度，下雨，于是算法工程師會把類似溫度、下雨量等數據綜合分析，然后再提取與這個溫度適配的穿衣出行的常規數據，比如天氣是下雨的20度，會提醒你穿秋衣并且帶傘，而不下雨的20度，則會提醒你穿秋衣和利于出行游玩。
更厲害的算法還會進行深度計算，除了利于出行游玩，還會推薦周邊哪些地方適合游玩等信息，這就需要APP除了對接天氣數據，還需要對接生活、出行和旅游景點等數據。
通過上述案例，我們看到一款優質APP算法的復雜性，也正是因為算法的復雜程度，包括獲取各種數據的渠道和難度不一，結果是建立了一定的技術壁壘，同時，技術其實都是通用的，關鍵是數據壁壘讓競爭對手無法超越，從而產生了"信任壟斷"效應，由此逐步在用戶心目中建立了信任感而引發"算法崇拜"，這點我們在下節詳述。
對于技術，我們一貫的觀點是技術的就是人文的，技術終歸是為人性服務，大數據和算法也不例外，脫離了人性的技術，也就無所謂應用和商業價值。
既然算法是源于數據，我們先看一下數據到底是什么?根據科技作家，原阿里副總裁涂子沛老師在《大數據》中非技術語言的描述：
數據分為兩種，一種是小數據，就是像氣溫、面積、大小等源于測量的數據，或者一般性統計，如人口多少、土地面積多少這些常規的數據;另一種就是大數據，源于記錄的行為，也就是基于有信息背景的數據，有規律可循、有行為痕跡可循。過往的大數據通過各種行為的記錄，今天則是產生于無處不在的傳感器和微處理器。
海量的數據無論是小數據還是大數據，首先是一個沉淀的過程，當我們需要數據時，會從一個個數據倉庫中提取數據進行數據清洗，這個過程把不需要的數據過濾掉，留下對自己有價值的數據，最后進行數據分析和演算，而分析和演算就是通過算法來實現。
目前，我們通過算法主要演繹四種數據，分別是：
- 行為數據：也就是我們生活和工作的各種行為產生的數據。如餐廳消費、坐地鐵打車等;
- 狀態數據：即某個事物或生物的固有狀態數據。如臺風參數、森林綠化指標、人體狀態等;
- 社交數據：我們通過微博、微信、抖音等社交媒體產生的登陸、時間、評論、分享等行為數據;
- 工業數據：生產、設計和制造過程中產生的數據，這是工業智能化的基礎。
而算法就是基本基于以上四種數據進行各種分析、演繹和模型輸出，最終呈現出我們看到的各種應用，包括人工智能和物聯網的發展，也是基于算法來實現。比如搜索引擎的推薦算法、地圖應用的導航算法、外賣APP的排名算法、音樂APP的偏好算法等等。
正是大數據的龐大和算法的復雜，導致的數據壁壘使得算法呈現神秘感，而從古開始，人們對未知領域力量的感知會油然而生一種莫名的信仰和崇拜，就如對神秘的太空一般。
02、崇拜和權威
就如近代歐洲歷史上，科學的發展與宗教產生了激烈的對立，數據算法也在挑戰傳統的認知，過去人們要了解天氣的變化趨勢，往往憑借經驗看天做判斷，過去看病也是遵循傳統的望聞問切，但今天，這些傳統的經驗正在遭受數據算法的挑戰。
我們看天氣通過手機的算法推送，甚至一些常見的病狀都通過搜索引擎搜索解決辦法，另外，像音樂CD這樣的傳統聽歌方式正成為小部分音樂極客的愛好，大眾則享受網易云音樂、QQ音樂等的智能推薦，過去的車載導航已經沒有市場，百度地圖和高德地圖可以解決一切導航問題。
這是科技發展，數據算法給我們帶來的便捷，我們樂于享受這樣免費的服務，但如果完全依賴于算法，也會導致你意想不到的后果。
比如前幾年有新聞稱某位司機遵循手機導航而找不到方向，另外，有的公司在管理過程中過于遵循數據結果而忽視人性化管理導致的團隊離職，甚至連為剛出生的孩子取名，也會到網上輸入備選的姓名查詢一下分數多少。
為什么會這樣?因為我們相信數據算法的權威性高于人為的判斷。而崇拜的產生就是基于對權威性的認可。
什么是權威性?我們經常聽到類似于"權威解讀"、"某某領域權威專家"、"擁有某某權威技術"的說法。
百科對權威有五個解釋：
一指權力和威勢;二是使人信從的力量和威望;三是統治和威懾;四是在某個范圍里最有地位的人或事物;五是對權力的一種自愿的服從和權力。
那么從本文分析的角度看，所謂"算法崇拜"可以解釋為：基于數據算法擁有讓人信從的力量，從而產生權威感，讓人自愿地信服而排斥其它影響判斷的因素。比如我們在開車時，相信導航APP的程度會高于相信司機和旁人的經驗。在點外賣時，相信餓了么的推薦排名會甚于同事的建議等等。
對數據算法產生權威感和崇拜，我們分析來自于以下三個因素：
- 認知迷惘。對某個領域存在認知的困難和迷惘，而恰恰數據算法解決了這個問題導致的信任。比如我無法判斷天氣和某個陌生城市的路線，但某個天氣或地圖APP幫我解決了這些問題。
- 數據處理難度。能人為判斷數據的處理難度而自身無法解決，但數據算法輕易地解決掉導致的信任。比如AlphaGo能憑借超強算法打敗人類冠軍，而自己無法做到這點。
- 人性固有的惰性。技術的發展讓人變懶已經成為一種公認的事實，當數據算法能解決的事情，我們往往不會人為地去干擾，就如以前我們會自己打掃房間，但基于智能算法的掃地機問世后，通過對房間數據的計算可以智能地清掃指定的區域，從而取代了人工打掃，這是一種進步還是倒退?
對于數據算法的崇拜，我們始終認為并不是算法而是人為導致，我們并不否認算法的發展，適度崇拜而非迷信和過度信任，也許是我們的最佳選擇。
03、理性與回歸
無論數據算法如何的智能，面對技術的發展，我們還需回歸到理性中來，執著于某個權威，我們可能會失去看問題的多元視角。
比如做市場決策，盡管數據算法提供了諸多可供參考的依據，但消費者的內心是算法無法顧及的，我們還需要輔之以大量的潛在用戶的真實感受，地圖APP很強大，我們也要兼顧自己的感官和向當地人了解實際的路況。
避免陷入過度的"算法崇拜"，最重要的是避免過度，過度崇拜就是迷信，迷信的結果不僅僅是失去多元視角，更可怕的是迷失自我，失去應有的理性判斷。
所以，基于上文的討論，我們提供以下的參考以避免過度地沉迷于數據算法：
- 多方視角很重要。相信數據算法，但不要依賴于單一的數據結果，有的科學家論證一個結論時，往往會用大量的第三方數據作為輔證，這就是多方視角，對于特定領域的同一結果，往往會有不同的數據算法，會導致結果不一，這就需要我們采用多方視角相互比對才能得出正確的結論。
- 必要的人為干擾。對于數據算法得出的結論，或者本身參與數據算法，可以根據情況進行必要的人為干擾，以加強算法的全局性。比如公司委托第三方開發一個財務投資系統，通用的投資邏輯還需要考慮公司的投資理念和風控性格才能做出適合公司的投資系統。
- 保持對事物的好奇心。這是底層思維邏輯，決定上層的認知和判斷，對凡事并不輕信而是帶著批判思維，也有助于避免陷入個人的偏聽偏信之中。
結語：
以上三個部分是我們對"算法崇拜"的幾點分析，我們不否認算法的偉大，也不排斥適度地崇拜算法，但我們提倡理性地認識和使用，哲學家周國平先生說：好奇心是人的理性開端，最基本的元素。如何避免陷入"算法崇拜"，除了了解數據和算法本身，保持我們的好奇心也許能從思維底層搭建我們的理性思維世界。
