數(shù)據(jù)在科學(xué)研究中的作用日益顯著
在人文社會科學(xué)領(lǐng)域，以“人文計(jì)算”、復(fù)雜網(wǎng)絡(luò)分析、規(guī)模數(shù)據(jù)分析為特征的研究方法逐漸被采納，人文社會科學(xué)的“科學(xué)性”顯著增強(qiáng)?？茖W(xué)家們正在用“數(shù)字眼”透視人類的歷史和未來。
“數(shù)字眼”逾越自然科學(xué)和人文科學(xué)的鴻溝
作為科學(xué)體系的兩大支柱，人文科學(xué)和自然科學(xué)自誕生開始就按照截然不同的范式幾乎平行地發(fā)展。人文科學(xué)主要以人類社會為研究對象，探索和揭示人類社會的本質(zhì)和發(fā)展規(guī)律；自然科學(xué)則以自然界為研究對象，解釋自然現(xiàn)象和揭示其客觀規(guī)律。二者就像兩個背對背的鏡子，形影相隨卻因研究手段的差異長期疏遠(yuǎn)，科研人員也因此分為兩大陣營。幾年來，大數(shù)據(jù)在認(rèn)識人類語言、歷史、名望、記憶和文化等方面發(fā)揮了透鏡的作用。在宏大的人文視角下，“數(shù)字眼”通過冰冷的數(shù)據(jù)將人類文化“鮮活”地呈現(xiàn)在世人面前。
在記錄文化的方式上，古今最大的差異就在于今天的大數(shù)據(jù)是以數(shù)字形式存在的。就像光學(xué)透鏡能轉(zhuǎn)換和操縱光線一樣，數(shù)字媒體也能轉(zhuǎn)換和操縱信息。只要擁有充足的數(shù)字記錄和一定程度的計(jì)算能力，人類文化的相關(guān)研究也會達(dá)到新的制高點(diǎn)，我們也就有可能在認(rèn)識世界以及理解我們在世界中的地位方面做出令人驚嘆的貢獻(xiàn)。
拉里?佩奇的“初戀”與數(shù)字眼
2004年，谷歌“組織全世界信息”的使命進(jìn)展的很順利，這也使得谷歌的創(chuàng)始人拉里·佩奇（Larry Page）有暇回顧他的“初戀”——數(shù)字圖書館。9年之后，谷歌完成了3000萬本圖書的數(shù)字化，相當(dāng)于人類歷史上出版圖書總數(shù)的1/4，某些圖書甚至可以追溯到幾個世紀(jì)前。因此，這些數(shù)據(jù)不僅“大”，而且“長”。這些數(shù)字化的圖書不局限于描繪當(dāng)代人文圖景，還反映了人類文明在相當(dāng)長的時(shí)期內(nèi)的變遷，其時(shí)間跨度比一個人的生命還長，甚至超過了一個國家的壽命。兩位年輕人利用他們的數(shù)字眼——n元詞組詞頻查看器（N-gram Viewer），在量化歷史變遷和未來發(fā)展方面進(jìn)行了探索。他們創(chuàng)建了一個數(shù)據(jù)投影集合，為書中出現(xiàn)的每個英語單詞和每條短語單獨(dú)建立一條記錄，在計(jì)算機(jī)科學(xué)中這些單詞和短語有一個優(yōu)雅的名字：n元詞組（n-gram）。每個單詞和每條短語所對應(yīng)的記錄都是一個長長的數(shù)字列表，列表中的數(shù)字表示該n元詞組在書中出現(xiàn)的次數(shù)，逐年排列，可以以量化的方式揭示人類的歷史和未來，這種數(shù)據(jù)投影的方式不僅非常有趣，而且在法律上也很安全（出版社不會因?yàn)槟闶褂昧四潮緯淖帜概判虬娑馗婺悖?/span>
下面就和大家一起分享通過“數(shù)字眼”洞察的歷史和未來：
如何獲得名望：職業(yè)選擇指南
有些人可能還很年輕，還沒決定好自己將來想要成為什么樣的人，從事什么樣的職業(yè)。而職業(yè)選擇的最大挑戰(zhàn)就是缺少能夠提供參考的可靠數(shù)據(jù)。在一定程度上數(shù)據(jù)可以幫助我們了解：如果我們選擇了某種職業(yè)，我們將來的生活會變成什么樣子？
研究者將目光聚集在焦點(diǎn)小組上——由1800年到1920年之間年出生的名人組成，按照他們的職業(yè)分成演員、作家、政治家、科學(xué)家、藝術(shù)家和數(shù)學(xué)家6類人。這幅圖將使你的職業(yè)選擇變得容易多。
如果想年少成名，那你可以選擇做一名演員。演員一般會在接近30歲或30歲出頭時(shí)成名并擁有一輩子的時(shí)間享受自己的名氣。不過，我們研究的這些演員還不能利用電視等大眾媒體推動其職業(yè)發(fā)展，其獲得的名望也沒有其他某些職業(yè)的名人高。
如果你想將對名望的滿足延遲一小段時(shí)間，選擇做一位作家會比較合適。作家一般在接近40歲時(shí)成名，但是撰寫傳世佳作的頂級作家最終獲得的名望要比演員高得多。這一點(diǎn)在采用的圖書館數(shù)據(jù)上格外明顯，因?yàn)樽骷蚁矚g寫其他作家的事情。
與你的預(yù)期相反，如果你非常想推遲成名的時(shí)間，那你最應(yīng)該選擇做政治家。政治家一般都在40歲之后、50歲之后甚至60歲之后才達(dá)到他們名望的巔峰。這時(shí)候，最出名的政治家一般會被選為美國總統(tǒng)（25個人中占了11人），或者成為其他國家的領(lǐng)導(dǎo)人（另外9人），他們的名望會迅速超過前兩組人。因此，如果你現(xiàn)在50多歲，而且尚未成為家喻戶曉的人物，那么政治正在向你招手。
接下來，我們來觀察一下科學(xué)家。最著名的科學(xué)家最終獲得的名望和演員相差不大。但是，他們獲得名望所需要的時(shí)間要更長，一般是在60多歲時(shí)，而不是演員一般所要成名的20多歲。較低的名望，較長的等待。很明顯和研究大爆炸理論相比，出演連續(xù)劇《生活大爆炸》是一個更好的選擇。
更壞的選擇是繪制大爆炸理論或者繪制其他任何東西。在我們的列表中,藝術(shù)家遭遇了不公正的待遇。他們和科學(xué)家等待的時(shí)間一樣長，獲得的名望卻只有其一半。
不過，如果你想出名，最壞的選擇是像“數(shù)字眼”的開發(fā)者一樣：從事數(shù)學(xué)研究。
你或許不這么認(rèn)為。畢竟，據(jù)說數(shù)學(xué)家們最出色的工作大多是在他們年輕時(shí)完成，在那之后，他們就可以翹起二郎腿休息了。例如，數(shù)學(xué)王子高斯19歲時(shí)就發(fā)明了模算術(shù)，證明二次互反律，推導(dǎo)了素?cái)?shù)定律——這是所有數(shù)學(xué)問題中最深刻、最根本的問題之一；還發(fā)現(xiàn)了將整數(shù)分解成三角數(shù)的深奧結(jié)論。然而這并不是他19歲那年做的所有事情，其實(shí)這些事情只花費(fèi)了3個多月的時(shí)間。這是多么偉大的成就。
盡管如此，公眾根本不關(guān)注像高斯這樣的數(shù)學(xué)家年輕時(shí)做了什么。研究者所在的焦點(diǎn)小組里的數(shù)學(xué)家們成名時(shí)，大多數(shù)已經(jīng)去世了。數(shù)學(xué)不會讓人成名。證明完畢。
美國人何時(shí)認(rèn)同自己是“美國人”
如今，美國人常把居住在南方各州的人，為“南方人”，把居住在北方各州的人稱為“北方人”，把居住在新英格蘭地區(qū)的人稱為“新英格人”。然而，人們卻把這些人統(tǒng)稱為“美國人”。為什么人們說到“美利堅(jiān)合眾國（The United States)”一詞時(shí)會使用單數(shù)形式（is）呢？這不僅僅是一個語法問題，更是一種國家認(rèn)同。在美國建立之初，建國文件《邦聯(lián)合永久聯(lián)合條例》（Article of Confederation and Perpetual Union）所規(guī)定的政府是弱中央政府，并且其中提到的新實(shí)體也不是一個國家，而是各個州的友好聯(lián)盟，當(dāng)時(shí)各州的人們并不認(rèn)為自己是美國人，而是稱自己為某個州的公民。正因如此，那時(shí)的人民在提到美國時(shí)會使用復(fù)數(shù)形式。那1787年美國《憲法》中“我們合眾國人民”（We the People）是何時(shí)轉(zhuǎn)變成1942年《效忠誓詞》中的“一個國家”（one nation）的？
如果我們?nèi)枤v史學(xué)家，他們很可能會將我們引到詹姆斯?麥克弗森: (James McPherson )在其紀(jì)念美國南北戰(zhàn)爭歷史的著作《為自由而戰(zhàn)的吶喊》（Battle Cry of Freedom）中那個眾所周知的答案：南北戰(zhàn)勝消滅了國家分裂和奴隸制度；1861年之后，“美國”一詞從復(fù)數(shù)名詞走向了單數(shù)名詞。
然后，我們是否應(yīng)該相信上面的結(jié)論？
根據(jù)“數(shù)字眼”的觀察，我們前面所說的戰(zhàn)爭和語言的故事是錯誤的。首先，“美國”一詞從復(fù)數(shù)到單數(shù)的演變是一個漫長的過程，經(jīng)歷了19世紀(jì)第二個10年到20世紀(jì)80年代這150多年的時(shí)間。更重要的是，該演變過程中，兩個短語并沒有發(fā)生突然的過渡。實(shí)際上，戰(zhàn)爭年代之前或之后兩個短語的出現(xiàn)頻次并沒有多大的差別。復(fù)數(shù)形式到單數(shù)形式的演變在南北戰(zhàn)爭后稍有加速，卻始于南方聯(lián)軍總司令李將軍投降后5年后。直到戰(zhàn)勝結(jié)束15年后的1880年，“美國”一詞作為單數(shù)名詞開始在美國各州普及開來。甚至到今天，“美國”一詞的復(fù)數(shù)形式仍然在美國個別州有所出現(xiàn)。
一圖勝千言
1911年，美國著名報(bào)人阿瑟.布里斯班（Arthur Brisbane）對一些市場營銷人員說過—句著名的話：一幅圖“相當(dāng)于1 000個詞”，或許相當(dāng)于“1萬個詞”，又或許相當(dāng)于“100 萬個詞”？幾十年來，這句話傳遍了美國。布里斯班可能很惱火，因?yàn)檫@句話現(xiàn)在被認(rèn)為是一句日本諺語。畢竟，聽眾是市場營銷人員。
布里斯班實(shí)際上說了什么呢？機(jī)器人不可能記錄下這句話首次出現(xiàn)的地方。這里有一句曰本諺語：
和人類說過的所有話相比，
谷歌掃描的書籍
不過是三行俳句而已。
不過，這個機(jī)器人可以幫助我們查看：布里斯班的標(biāo)志性經(jīng)濟(jì)學(xué)理念是如何形成的。
事實(shí)表明，1 000個詞，1萬個詞和100萬個詞，這些變種都是布里斯班的著名評論之后很快出現(xiàn)的。在接下來的20年中，這三種形式相互競爭。期初，“1萬個詞”取得了領(lǐng)先。然后，到了經(jīng)濟(jì)大蕭條的20世紀(jì)30年代，人們或許覺得“1萬個詞”和“100萬個詞”的要價(jià)太高了吧？無論什么原因，那些年過后，“一幅圖”相當(dāng)于“1 000個詞“的表達(dá)漸漸成為主導(dǎo)，并將另外兩個競爭者遠(yuǎn)遠(yuǎn)甩在了后面。
