李彦宏“自黑”大数据
大数据最关键的不是技术，是对数据的认知和跨领域的经验
http://yangyang.baijia.baidu.com/article/17872
摘要 : 李 彦宏“自黑”大数据 百度向熊孩子众筹创意 杨姐费脑子分析了一下，发现，嘿嘿，百度现在八成是面临了一个如何利用大数据的困惑。 嗯，确切说，不止一个，这个困难呢，分为两部分： 第一部分：百度的大数据中有一部分是没有用的数据。（我猜可能还真不少）连Robin都在黄山的百度联盟大会上说了——那些收集上来的很多数据，例如一个 人的跑步数据，对治病啥的没有任何帮助……他是指宏观上的统计分析这种病的治疗。那么这些数据，其实就是无用的。（在这一点上，Robin是个诚实的大佬 啊，他没有为了吹嘘百度的大数据，就说大数据什么都好……） 第二部分：百度手上的大数据实在太多太杂，现在不知道如何落地形成有用的产品。但是百度又想让大数据“为人民服务”，所以搞了个看起来最“无厘头”的活 动，居然去问计几岁的小朋友们……
【听杨姐说】
应百度邀请，昨天六一儿童节带小孩去798逛了逛“小鬼当家”party。看到了百度在搞的“慧眼识花”。
这旁边摆了个二维码——是百度手机语音助手的二维码。而会场上空又悬挂着很多孩子和百度工程师的对话。
杨姐费脑子分析了一下，发现，嘿嘿，百度现在八成是面临了一个如何利用大数据的困惑。
嗯，确切说，不止一个，这个困难呢，分为两部分：
第一部分：百度的大数据中有一部分是没有用的数据。（我猜可能还真不少）连Robin都在黄山的百度联 盟大会上说了——那些收集上来的很多数据，例如一个人的跑步数据，对治病啥的没有任何帮助……他是指宏观上的统计分析这种病的治疗。那么这些数据，其实就 是无用的。（在这一点上，Robin是个诚实的大佬啊，他没有为了吹嘘百度的大数据，就说大数据什么都好……）
第二部分：百度手上的大数据实在太多太杂，现在不知道如何落地形成有用的产品。但是百度又想让大数据“为人民服务”，所以搞了个看起来最“无厘头”的活动，居然去问计几岁的小朋友们……
好吧，这点上，我也服了。
然后呢？百度就想法设法地去开发这些数据——让我们来看看这个活动怎么设计的，这可不是简单地问问“你 幸福吗？”“你将来想干啥？”。百度通过一个“小鬼当家”游戏，通过让小朋友“摇一摇”，跳出两个图片，一个是常见的东东，一个是高科技东东，比如铅笔” 和“机器人”，“鞋子”和“打印机”，“衣服”和“火箭”，让孩子给这两个东东插上联想的翅膀，天马行空的畅想未来科技。
一些熊孩子给出了这样的回答：
“衣服上安装火箭，穿上衣服火箭就能带我飞到天上，当我想下来时，按一下扣子减速，按两下更慢，三下就停住了!”
“未来石头也能链接互联网，在任何时候都能搜索到信息!”
“放学了我用手机打电话给自行车，它就自动开过来了，像悟空的筋斗云一样～”
……
太多了，我就挑了一些给大家展示——为了给那些木有wifi的朋友们省点流量……
不过您别说，3万个小朋友提的这些“幻想”中，俺还真觉得有很多能给百度带来很大启发啊：例如让人类能 和小鸟对话那个——不就是兽语识别吗？这个最符合百度大数据的技术特征：翻译动物的语言……将来可以人兽对话，然后说不定我们不仅能够知道很多大自然的奥 秘，还能知道很多人类之间的秘密……
想象力！或许这正是现在我们成人或缺的，我们不像孩子们那样有足够的想象力和不受技术约束的胡思乱想 ——我们的想象力都被扼杀在“摇篮”中了：草，必须是绿的；云，必须是白的；写大象，必须是两个蒲扇般的耳朵；写熊猫，肯定在吃竹子……开会，必须胜利闭 幕；演出，一定是圆满结束……艾玛，再说下去就是中国的教育体制……那个那个了……以后有时间再表几万字哈。
回来回来。
对了，听说这个“慧眼识花”就是小朋友提出来的对大数据的需求——“这是什么花？”
据说现在百度的花卉的库是最大最全的……所以现在才先推这个。不过，问花的话，光是语音可不行，还得拍张照片去考考百度。
这么玩太没意思啦。
来点够料的——介系绳末花啊？嘿嘿嘿，看百度会不会说“鸡蛋花”哈？
呃，木耳都能识别出来?
嘿嘿嘿，好吧，坏水被识破了。
不过这些回答是不是有点像Siri——回答得都很雷人？而且是中国版的，还有“功力”、“骗纸”这些词呢！
对哈，人们每天在网络上的流行语，百度搜索的爬虫正好都能收集到，而且还有百度贴吧，用户不停滴往里输入流行词，还有百度输入法……
不过涅，语音识别其实比图片识别要高一个层次，这里多啰嗦两句哈——这个功能，俺原本以为是图片对比技术。但实际上没那么简单，要包涵三大技术，并用到深度学习（今天给大家科普一下）。
首先，拍花之后，百度需要将立体的图片转化为平面图片——但这一步的识别准确率只有50%-60%，识别度没有那么高。
其次，百度就要进行“智能问答”可以用语音、图片和文字，调用后台“知识库”。例如问您这个花是几月拍 的啊？这个就是一个“多轮对话”的过程——就跟俺采访的时候追问一样。因为此前百度的花卉库在积累这些花的资料时就建了“知识库”，就包涵了这个花的产 地、花龄……等等其他特征。百度“追问”的问题，就是在库中通过别的参数来继续判定这张图片上的花是啥名字。
经过智能问答之后，识别率能提高到85%以上。
咳咳，注意，第三个技术，百度还要将语音转化为文字，接着让机器读懂这些文字的意思，再在百度云里搜索、计算相关的答案，这是语音识别技术和智能语义理解。
话说回来，李彦宏同学在黄山上有一段著名的绕口令也挺雷人的:
“现在互联网领域留给其他企业的机会越来越少。我想做的是不会告诉你的，我不想做的腾讯和阿里也不会想做。不想做的事情，但是又代表未来趋势的事情非常少。我想做的事情得等我做出来我再告诉你。”……
是不是很令人无语？
不过涅，杨姐偷偷地告诉大家，李彦宏倒是坦白了一件事情是“大趋势”：BAT没有做的企业级软件，另一个方向是大数据领域。
但是，李彦宏也承认，因为互联网公司没有跨行业的知识，从而缺乏对数据有用和有效性的认知和挖掘能 力——大数据最关键的不是技术，是对数据的认知和跨领域的经验。未来大数据领域首先需要依靠慢数据的积累，比如通过日常穿戴的眼镜。慢数据的搜集方式就是 从平时正在做的事情中搜集数据。
好吧，“拍花识花”其实仅仅是百度挖掘大数据的一个小应用。
未来手机上要是装个嗅觉传感器，是不是百度也能“闻香识女人”？立刻报出这位女士用的是啥牌子的香水？那未来是不是警犬就要失业了？
要是再装上个什么X光透视，是不是通过手机就能做体检？装上个某某金属探针，是不是就能识别身边的金属？或者宝石……？
那么这个产品将来是不是有可能发展为“十万个这是啥？”——至少我拍个人民币能告诉我是不是假币吧？
如果您觉得俺做的不好，请您随时告诉杨姐email：xiaobaibucai521@qq.com。如果您觉得小白不菜有趣，请您转发亲朋好友，下狠手，千万别留情。
【小白不菜】微信号：xiaobaibucai521
独家独到毒舌——杨姐告诉你应该知道、有权知道、必须知道的事。我们每个人在自己陌生的领域都是小白，但我们不是菜鸟，我们每天都学习，每天聪明一点点。
我们的口号：一定要幸福！
杨姐，经济观察报资深记者杨阳，从1999年开始做记者，2004年进入经济观察报负责互联网、TMT 等领域的报道，关注产品、商业模式和公关模式。3Q大战时独家报道马化腾采访，独家采访李彦宏、丁磊、张朝阳……小白不菜是杨姐业余时间创办，仅代表个人 观点，与所供职单位的立场没有关系。
“小白不菜”是中国微信自媒体第一联盟“WeMedia”成员，覆盖人群超过1000万。
