信息技术中规则的数据化漫谈
发布时间：2022-12-07 15:44:30 所属栏目：大数据 来源：
导读： 在当今风起云涌的信息化大潮中有很多技术热点：5G、人工智能、云计算、物联网、大数据、各种互联网+……而我今天想和大家探讨的却是一个“冷点”，一个可能在很多年后才会有人真正触及的问
|
在当今风起云涌的信息化大潮中有很多技术热点：5G、人工智能、云计算、物联网、大数据、各种互联网+……而我今天想和大家探讨的却是一个“冷点”，一个可能在很多年后才会有人真正触及的问题——“规则的数据化”。 我们现在所接触到的各种应用、APP、平台其技术实现都是程序软件。这些程序软件的组成都可以归结为两大部分——“规则”和“数据”。 规则负责整个软件的逻辑实现，而数据则是软件的处理对象。在一般程序设计中，规则和逻辑被写入固定的代码，而文字、语音、图像和各种数字信息是这些代码处理的对象，存储在文件或数据库中，可以“赋值”给程序中的变量供代码规则进行动态的存储、调用和修改。 淘宝、QQ、百度搜索以及其他被寄予厚望的未来信息技术热点，都毫无例外采取的这种开发模式。固化的规则和可变的数据。这样的架构几乎已经成为软件开发的固定模式。 规则和数据的关系示意 然而在有价值的前提下，打破固有思维和行为模式，从来都是创新的重要来源。规则是否也可以像数据一样存储、调用、修改？是否也可以像建立数据库一样建立规则库？是否也可以像发展“大数据”一样发展“大规则”呢？ 早在三十年前，在人工智能语言（如ADA）中，就采取了将规则和逻辑作为数据来运用的做法。规则本身可以作为被处理的动态对象来给变量“赋值”，使程序的处理逻辑一开始并不固定，而是根据需要选取特定的规则后才得以确立。这就是“规则的数据化”。这当然是因为人工智能比一般的信息处理更为复杂才致使其开发方式有如此大的不同。而规则能够数据化的前提是程序代码本身也是由“0101”的数据构成的。 不过在我看来，人工智能语言仅仅依靠规则的数据化是不够的。人工智能成功的关键在于解决逻辑性之外的随机性、学习性和情感性等问题。而只靠规则的数据化有可能连最基本的逻辑性问题都无法解决，更罔论其他。阿尔法GO的问世展现的深度学习，价值判断等技术突破才真正为人工智能带来了希望。 然而规则的数据化并非无用武之地。恰恰在我们认为不一定需要人工智能的信息处理方面，规则数据化却有可能带来根本性的突破。 首先，“规则既定，数据自由”的传统开发模式，使信息系统的通用性极差。 为交通管理所开发的系统很难用于房地产交易系统或者社区网络平台。因为各个系统的业务流程和处理逻辑千差万别，代码重用的可能性极低。如果要兼顾不同系统的需要就会在编程时作大量的逻辑妥协，造成不可想象的代码冗余和运算低效，这其实已经成为现代信息系统开发者的噩梦。即使如此，也无法从根本上适应不同系统的逻辑差异。尤其被称为“互联网+”的现代信息系统还需要以周为单位不断迭代更新。 其次，“规则既定，数据自由”的传统开发模式，使信息系统的自定义非常困难。这又体现在两个方面： 一是无法解决集中化和本地化的矛盾。一些信息系统的搭建从成本的角度考虑，由一个统一的系统管理全国甚至全世界的事务。然而各国、各省州、各市县或者各个不同的客户群体都有自己特殊的需求，这时候就不得不对系统进行修修补补，拼命适应各种不同的需要。可是受限于“规则既定”这个前提，每次对特定需求的开发都要对规则进行重构，对代码进行重新编译并进行大量测试以确保整个系统的逻辑正确。 （编辑：应用网_常德站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
浙公网安备 33038102330457号