从《三体》的降维打击，到数字化转型的数据升维

这样一个看似简单的顺序变化，实际上就是从IT到DT的变化。“新的生产方式和生产资料的变化带来了效率的迭代，机器的角色从严格执行人类的指令写程序，转变成可以基于目标进行反复学习，将输入和输出过程中不确定的过程表达成一个软件模型或智能应用程序，这将大规模提高软件的生产效率，对于信息产业而言，这本身也是一次颠覆性的变革。“雷涛表示。

也就是说，未来信息产业背后的主角将由人变成算法，流程不再由人来直接制定，不再是一步步的“白盒”操作，而是一个个长程推演不失真数学表达过程。雷涛向至顶网记者强调，“但是，这个‘不可解释性’只是暂时的。事实上，90%的算法都是可解释的，只是在深度学习模型中，很多东西没有物理意义而已。它本身是一个实验科学，随着技术的发展，我认为这些模型都可以被解释。”

雷涛拿单反相机做了个比喻：单反的原理基于的是光学理论，而其本身就是一个实验科学。举例来说，由于“50mm狗头”相机镜头的局部瑕疵不适于在逆光下进行拍摄，日本与德国工程师靠实验的方式在其中加入了凹凸镜片，根据反馈最好的结构最终做出了13个镜片的“牛头”。这个实验过程跟深度学习的模型训练过程是类似的，即通过调参找出最优的模型结构。同时，在实验结论的基础上，光学理论也得到了进一步发展，因为科学家们可以根据结论再去研究其中的因果联系。

“放到行业场景中，比如金融机构中的一个资产管理产品，下面会嵌套信托，信托下面会嵌套大量的公司债券，而公司债券会涉及大量法人、自然人、机构持有者，会产生正回购、逆回购等诸多不同的行为……因此，在合约产品人之间存在着极其复杂的关系，这些关系之间没有层级、没有规律，如果全凭人力进行理解再梳理，用关系型数据库平面的去理解高维的经济活动，就会变得非常局限，而通过复杂网络等表示学习，构建金融产品本体的知识图谱，这将为新的商业世界的构建创造诸多可能性。”雷涛强调。

回过头来，我们再从维度的角度来思考“黑盒子”这件事——作为一个三维生命体，我们又何必去理解一个“高维机器”的工作原理呢？所以，与其怯懦不前，不如像蚂蚁一样，尝试性地迈出每一步，用“升维思考、降维打击”的方式，让自己成为时代“漩涡”中的赢家。

对此，雷涛进一步总结道：“技术的变革带来的是知识生产方式的改变。蒸汽机封装的是动力，电力封装的是能源，过去专家通过经验封装了知识，而在如今的数字化转型浪潮中，知识源自于数据，AI则是知识再生产的一次规模性变革。对于企业来说，可以借助最新的技术实现弯道超车，对于信息产业来说，也要清醒意识到被颠覆的风险。”“当所有人都在享受变革带来的益处时，而你还在纠结其理论的可解释性和技术的可行性，势必会落后于人。”。

（编辑：核心网）

【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!