中國(guó)工程院院士 李德毅

    以下是演講實(shí)錄：

    各位來(lái)賓、各位同仁、我們工程院在大數(shù)據(jù)時(shí)代面對(duì)著挑戰(zhàn)，今天我就講講這個(gè)問(wèn)題！我們的數(shù)據(jù)要有一定的結(jié)構(gòu)，我們來(lái)看看在大數(shù)據(jù)時(shí)代軟件工程遇到了什么挑戰(zhàn)？軟件工程師來(lái)說(shuō)，數(shù)據(jù)是按照數(shù)據(jù)結(jié)構(gòu)來(lái)寫(xiě)的，大數(shù)據(jù)時(shí)代有沒(méi)有可能程序繞著數(shù)據(jù)轉(zhuǎn)呢？科學(xué)應(yīng)該怎么做，在這個(gè)大數(shù)據(jù)時(shí)代軟件科學(xué)應(yīng)該怎么做，數(shù)據(jù)挖掘應(yīng)該怎么做？數(shù)據(jù)挖掘是軟件的代名詞，大數(shù)據(jù)通常來(lái)自三個(gè)方向，總體來(lái)說(shuō)是自然界大數(shù)據(jù)，很大很大，我們那么多衛(wèi)星圍著地球轉(zhuǎn)，每天下來(lái)的數(shù)據(jù)很多。第二生命大數(shù)據(jù)。最重要的是人們尤其關(guān)心的是社交大數(shù)據(jù)。今天一個(gè)報(bào)告在3分鐘之內(nèi)就可能被全世界的人們所知道。PB時(shí)代是對(duì)科學(xué)的挑戰(zhàn)，更是對(duì)包括數(shù)據(jù)挖掘在內(nèi)的任職科學(xué)的挑戰(zhàn)，也是對(duì)軟件工程的挑戰(zhàn)。

    我們看奧巴馬就職的社交場(chǎng)所，這么多面孔，每一個(gè)面孔下都有一個(gè)故事，這個(gè)故事正在發(fā)生著，如果我們可以走便天下的話，我們可以找到奧巴馬的人際關(guān)系，一個(gè)人在社會(huì)上生存有很多方方面面，這些方面我們是技術(shù)無(wú)法做到的，人臉是數(shù)據(jù)安全的很重要的識(shí)別器，怎么識(shí)別呢？人們想了很多辦法，就人臉我們就想到了攝像頭，北京市80萬(wàn)個(gè)攝像頭，我們每天都在攝像頭的監(jiān)督下開(kāi)車、購(gòu)物。身份認(rèn)證、年齡識(shí)別、情感計(jì)算、親緣發(fā)現(xiàn)、性別識(shí)別、地區(qū)和民族識(shí)別。如果我有一家全家福，你能通過(guò)這個(gè)發(fā)現(xiàn)誰(shuí)是女婿，誰(shuí)是兒媳婦嗎？人臉之間的相似形，人臉的易變性，圖像本身的質(zhì)量，特征提取中需要提取的特征屬性和數(shù)量，我們能用傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)表征嗎？誰(shuí)是他？這是社交網(wǎng)絡(luò)中基本的問(wèn)題，計(jì)算機(jī)在發(fā)展過(guò)程中我們是怎樣對(duì)付這樣的數(shù)據(jù)的？我起了一個(gè)題目叫做山不轉(zhuǎn)，水在轉(zhuǎn)。早間圖形給我們提出了很好的計(jì)算模型，當(dāng)時(shí)我們把計(jì)算機(jī)分了三檔，第一是CPU加上操作系統(tǒng)，這是計(jì)算機(jī)的命根子，還有一個(gè)是內(nèi)存和外存，全球的虛擬化，在操作系統(tǒng)里很重要，當(dāng)時(shí)我們叫做輸入輸出，這就構(gòu)成了我們計(jì)算時(shí)代，構(gòu)成了我們IT時(shí)代。這個(gè)龍頭是CPU和操作系統(tǒng)，這些計(jì)算的虛擬化我們要關(guān)心具體的計(jì)算。所以就是早期計(jì)算的虛擬化，導(dǎo)致現(xiàn)在的云計(jì)算。把內(nèi)外存儲(chǔ)叫做存儲(chǔ)，在交互單元里有技術(shù)存儲(chǔ)、呼叫的迭代關(guān)系，因此我們現(xiàn)在的交換機(jī)、服務(wù)器等等都叫計(jì)算機(jī)。

    計(jì)算對(duì)軟件付出了很大的努力，尤其是高性能計(jì)算機(jī)。我們認(rèn)為計(jì)算在前20年中起到了主導(dǎo)作用，它的標(biāo)志速度就是摩爾速度。跟這個(gè)時(shí)代相對(duì)應(yīng)的是結(jié)構(gòu)化數(shù)據(jù)，軟件加程序加數(shù)據(jù)加存檔，這個(gè)數(shù)據(jù)應(yīng)該是結(jié)構(gòu)化數(shù)據(jù)才能被運(yùn)行起來(lái)。我們想到偉大的科學(xué)家，埃德加佛蘭克，提出關(guān)系模型，以關(guān)系代數(shù)為核心運(yùn)算，用二維表形式表示實(shí)體和實(shí)體間的聯(lián)系。只要談到數(shù)據(jù)庫(kù)沒(méi)有不談關(guān)系數(shù)據(jù)庫(kù)的。關(guān)系數(shù)據(jù)庫(kù)有嚴(yán)格的頂層設(shè)計(jì)，為構(gòu)建良式關(guān)系！幾個(gè)關(guān)系結(jié)合成一個(gè)關(guān)系，對(duì)這樣的關(guān)系進(jìn)行運(yùn)算，只要在關(guān)系數(shù)據(jù)中總可以通過(guò)SQL語(yǔ)言滿足條件的結(jié)果唯一挖掘出來(lái)。關(guān)系代數(shù)是關(guān)系數(shù)據(jù)庫(kù)的形式化理論和約束。先有頂層設(shè)計(jì)和數(shù)據(jù)結(jié)構(gòu)，后填入清洗后的數(shù)據(jù)。數(shù)據(jù)圍繞結(jié)構(gòu)轉(zhuǎn)，數(shù)據(jù)圍繞程序轉(zhuǎn)。用戶無(wú)需關(guān)心數(shù)據(jù)的獲取、存儲(chǔ)、分析以及提取過(guò)程，更無(wú)需關(guān)心數(shù)據(jù)結(jié)構(gòu)的內(nèi)部組織形式。我曾經(jīng)是國(guó)際上數(shù)據(jù)庫(kù)小組的成員。如果有一個(gè)TD級(jí)的管理，甚至要50個(gè)小時(shí)為時(shí)間點(diǎn)，結(jié)構(gòu)化數(shù)據(jù)面臨著挑戰(zhàn)，挑戰(zhàn)一，過(guò)于刻苦，無(wú)法表示原生態(tài)的大數(shù)據(jù)怎么辦！挑戰(zhàn)二，隨著數(shù)據(jù)的增大，關(guān)系代數(shù)運(yùn)轉(zhuǎn)的性能急劇下降！