“大數據”時代已經降臨。人們紛紛預測，它對國家、社會、經濟、科學的發展和個人生活將產生巨大的價值，并將積極推進人類從“后工業時代”向“智慧經濟”時代的發展。與此同時，大數據時代中大數據的采集、存儲、傳輸、處理、應用等問題對各行各業的文化、組織、管理、方法、技術等等提出了嶄新的挑戰與變革。近日，由中國科協主辦、中國系統仿真學會承辦的“大數據時代對建模仿真的挑戰與思考”新觀點新學說沙龍在吉林召開。

來自中國工程院、中國科學院、國防大學、清華大學、國防科技大學、解放軍理工大學等單位的專家學者展開了觀點碰撞和學術研討。

中國工程院院士李伯虎研究員指出，“大數據”是繼云計算、物聯網之后IT領域又一次顛覆性的技術變革。它對作為科學研究第三種范式“計算科學”中重要組成部分的“仿真科學”帶來了新的機遇、挑戰與變革。“以大數據為基礎的第四范式是否成立？大數據方法對仿真建模帶來了什么挑戰？大數據方法對仿真建模帶來了什么機遇？”這些問題都需要以“大數據、大價值、大變革”的視角進行深入探討。

國防大學胡曉峰教授指出，大數據具有“規模性(Volume)、多樣性(Variety)、高速性(Velocity)、價值性(Value)”等特征，最根本的是大數據帶來了全新的思維和方式。首先是“從局部到全體”的思維，將大(所有)數據作為分析對象，對數據的處理完全不同于傳統數據庫，要變“池塘里抓魚”為“大海里捕魚”;其次是“從單純到繁雜”的思維，接受數據的繁雜和不精確，拋棄對有條理和純凈數據的偏愛，容忍凌亂數據;再次是“從因果到關聯”的思維，更強調相關性而非因果性，放棄對事情原委的追究，而代之以對相關性的接納;最后是“從簡單到深入”的思維，更強調深度和間接分析，將簡單分析方法發展為大數據的深度分析方法。胡曉峰認為，大數據時代正是信息社會從“量變”走向“質變”的表征，或者說，信息化社會在大數據時代才算真正到來，建模仿真也許在這個門檻上會發生根本性的變化，需要重構仿真科學的體系，增強仿真科學的活力。大數據為整體分析提供了條件，更接近人類認知的模型。同時，大數據也帶來了一些新思考，例如，大數據提供了一個解釋不明現象的新穎視角，為復雜系統建模仿真提供了一種繞開理論直接走向應用的新途徑。

本世紀以來，“大數據”摩爾定律表明：全球數據總量每兩年就可以翻一番。“數據為王”的大數據時代已經到來。中國電子科技集團首席科學家王積鵬研究員認為，不斷增強的數據存儲和處理能力，提供了從大數據中篩選信息、以洞察世界的新方法。網絡計算環境的變革，帶來了以大數據為核心的科學研究第四范式，為仿真技術發展提供了新的挑戰與機遇。大數據的作用首先在于產生價值，以滿足服務需求，而不是解釋為什么，或者發現知識。人們更多地依賴海量數據相關性分析作出理解和決策，通過數據關聯、多人和多群體關聯，形成群體智能，通過數據交互和挖掘，發現其價值。王積鵬研究員認為，大數據發展引發思維模式變革，是更多的利用全體數據，而不僅是隨機樣本;是注重混雜性數據，而不僅是精確性數據;是更好關注數據相關關系，而不僅是因果關系。大數據促進認知分析學發展，開辟了機器學習和智能科學研究的新途徑。大數據技術應用將徹底改變社會管控方式，徹底改變人們學習、生活、工作模式。從近代科學技術發展史看，信息技術發展呈現了一個非常獨特的現象，即：技術發展超前于相應科學理論的發展，以大數據為核心的第四范式發展也符合這種現象。它不僅對科學理論發展提出了巨大的挑戰，同時也推進了人類社會生存與運作模式的變革。

科學遇到大數據，帶來哪些挑戰？清華大學肖田元教授認為，大數據可分為兩大類：來自科學實驗與工程的大數據和來自互聯網的人類社會活動大數據。對于第一類的大數據的挑戰，仿真范式采取“以大化小”，在還原論的指導下，基于已知小世界的規律，建立與運行模型，以發現有組織的更大更復雜的系統的因果規律。現在，日本等許多國家已經實現科學數據密集型運用，包括生命與醫療、粒子物理、天氣預報、基因學、地震預報。而面對來自互聯網的社會活動大數據，新型應用將致力于為實際的決策提供信息，最終目的是幫助科學家、研究人員、決策者及社會大眾做出有充分信息依據的決定。用傳統IT技術和軟硬件工具無法在可容忍的時間內對其進行感知、獲取、管理、處理和服務的數據集合。這就對傳統科研范式提出了挑戰，需要考察大數據時代科學研究的未來，探索支持科學研究新范式。仿真范式難以解決無組織的大世界的問題，數據密集方法基于統計分析可從整體上研究大世界的相關性。大數據時代數據密集型科學范式是面向大世界，無需定義邊界，無需規定規模，只受限于數據，無需模型，不受還原論約束。作為一種整體論的解決方法，可不受時間、空間尺度影響，由數據發現涌現性、演化機制，適應開放復雜大系統的要求。基于數據及其關聯網絡形成的數據界，通過“機器學習”、數據挖掘，發現這些節點和鏈接的關聯，從而獲得整體的知識。通過“眾包研究模式”使大規模科學研究成為可能，如Google“流感趨勢”項目、地球引擎項目。肖田元教授認為，需要發展仿真范式，與數據密集型方法相融合，實現密集計算與密集數據的集成，以實現無組織的復雜的系統的因果規律的發現。