Λ-Reading Book Club
毫无疑问，大数据是这个时代的“主旋律”，尤其在疫情期间更被抬上神案，好似是解决一切问题的魔法。最近看到纽约大学教授盖瑞·马库斯的一个观点，从科学方法角度提醒政府、社会以及科学研究者对别对大数据迷恋。
我的意思并非是我们不应该相信大数据，或收集大数据，而是不应该把它当成魔法。虽然几乎所有的领域都受益于精心收集的大型数据集，但太多人甚至是科学家，都过分依赖大数据。从物理学到神经科学，近日，关于了解科学的讨论看起来有一半涉及大数据以及相关工具，比如“维数约简”、“神经网络”、“机器学习算法”和“信息可视化”等。
但是，科学从根本上依然围绕宇宙规律的探索，而大数据并不擅长的一件事就是发现定律。它善于检测相关性，数据集越可靠，发现其相关性的可能性就越高，即使是涉及多个变量的复杂数据。但相关性从来都不是一种因果关系，以后也不会是。世界上所有的大数据都不会告诉你，吸烟是否会导致肺癌，你必须做实验，了解致癌物、致癌基因和DNA复制等专业词汇的固有含义。仅将世界各个城市的烟民和非烟民的海量数据库制成表格，记录他们何时、何地抽烟，寿命以及死因的细节，这些数据无论包含多少兆字节，都不足以涵盖生物机制的多重复杂性。
神经科学某些分支的专家已经持如下态度——“建好大数据，结果自然就明了了。”他们认为一旦拥有足够的数据，神经科学问题就能迎刃而解。然而，这种想法并不正确。如果我们的猜想有理有据，那么可以用大数据测试一下，但它绝不该是我们的第一选择。
只有我们知道自己在寻找什么的时候，才应该向大数据寻求帮助。
Λ-Insight
洪灾·容灾赈灾机制
+ 疫情还没有消停，中国南方再遭洪灾。其背后受损、受苦、受难最严重的是农业、农村和农民。城市尚有供应链和排水系统，而农村基本上是靠天吃饭。受疫情影响好不容易抢时间复耕的土地，这次大面积面临绝收。98 年已经经历过一次洪灾，这么多年过去了，为什么就没有建立起一套对农村的容灾和赈灾机制？以及保险机制？没有制度和系统化的容灾赈灾机制，农民的受损和受援的评估和补偿就没有财政理由，只能靠临时突击式的政治命令。除此，最近许多活生生的案例让你由不得对那些所谓的“历史记录”、“历史数据”、“历史最高值”等“历史”的决策参考价值怀疑，是人类太过于高估自己的理性？对理性的边界尚未可知？还是自然的发展变化太快？→
Λ-Science & Tech
+ Startup Universal 全球创业生态系统的维基百科 En→
+ 光和影。您值得看看。 En→
+ Radio Garden 一个荷兰的非盈利服务提供全世界各地10,000多个数字电台。 En→
Λ-Other
Birdman (鸟人电影原声配音：鼓) →
感谢打赏的朋友，打赏时候记得备注邮箱。
如果您觉得「Λ-Reading」有价值，请自愿打赏，或分享给你的朋友或社交网络。退订请点击下面Unsubscribe，如有疑问和建议，回复本邮件或： my@boxs.eu.org