生活是如何变成数据的？

-应用大数据研究人类的“原罪”

潘绥铭|中国人民大学社会学系

近年来，出现了对大数据的盲目崇拜，即不质疑不反思地跟风，无限推广自己。本文不涉及大数据及其在任何自然科学领域的应用，只讨论一个基本问题:大数据能否应用于人类的研究？

虽然中国学术界对这一问题存在一定的质疑，但不仅少见，而且在理论上也在可操作性层面进行了论证，并未切中要害。事实上，大数据最值得质疑的，既不是它的定义，也不是它的功能或意义，更不是方法论层面“一切都可以量化”的核心口号和基本理论。它表达了大数据的三层含义:一是没有量化就没有数据，更不可能有任何大数据；第二，物质世界当然可以量化，但如果仅限于此，那么所谓的大数据只是数量上的增加，其本质并没有改变。纯属炒作。比如天气预报一直在分析海量数据，却没有成为大数据，没有形成崇拜；第三，现在崇拜大数据的原因，只有一个关键点:它量化了人类的行为及其结果，号称包罗万象。

由此，大数据的本质发生了变化，从自然科学入侵到人文社会研究，从科学走向“科学主义”。这不仅仅是一个研究工具的问题，而是一个认识论的根本问题。批评这一点的人文社会科学，著作甚多。本文不会一一列举，只分析人类无限丰富的生活实践从“科学主义”向“数据主义”转化的过程中发生了什么。

▍现实生活被切割

大数据崇拜者极力鼓吹“4V”，却刻意回避一个根本性的问题:当初你收集的是可以用来分析的数据？

在社会学问卷调查中，这是可能的；但是在所谓的大数据中，这是绝对不可能的。因为大数据不是研究人员收集的人类行为及其结果，而是各种所谓的“客观记录”，也就是人类生活中“可利用信息”的极小一部分，比如网络活动留下的痕迹、监控记录等等。

然而，众所周知，在人类活动的所有信息中，可用的远远少于不可用的。后者是人类所有精神活动中最典型的信息。在可预见的未来，它不仅不可用，而且根本不可能被监控。这样，所谓的大数据所获取的信息是极其片面的；其次是无边无际；三是碎片化；第四是没有意义；它不能直接用于任何定量分析。

那么，如何将这些信息转化为可分析的数据呢？首先必须“界定”，即保留什么，抛弃什么；二是要“分门别类”，即什么属于什么；第三步是“定义”，即赋予某种信息特定的人的意义；最后一步是“赋值”，即将不同的定义转化为可计算的值。

以网络活动的痕迹为例，大数据生产者如何界定那些痕迹是有意还是无意、闲着还是盯着、主动寻找还是被引导？定义之后，是根据停留的时间长短还是活动的频率来创造“活跃”还是“不活跃”

这一类呢？为什么“活跃”被定义为“需求”？最后，“需求”的赋值是什么？从“无需求”到“强需求”，不同作业之间的数量关系是怎样的？

显然，在这个三部曲的过程中，完全是研究者自己在主观地、人为地、强行地“整理”着“可获得的信息”，把人类生活的痕迹完全变成自己世界观和价值观所能接受的“数据”。这充其量叫做必然处理；最坏的情况是，这是赤裸裸的伪造。

也就是说，所谓大数据并没有超出“小数据”原本的局限性:切割生命，粉碎生命；我们必须把作为一个整体生活的“人民”当作一堆零零碎碎的东西。在现实生活中，人类肯定不是，也不可能以这种方式认知和行动。因此，大数据实际上并不是在帮助人类思考，而是在试图取代和控制人类的生活经验，这对人工智能来说是一个不好的预兆。

▍的社会状况被忽视了

有人发现大数据记录了个体个体的行为，找不到不同行为者之间的关系；那么问题来了:在这个现实世界中，真的存在与他人无关的个人行为吗？不是所有的个人行为都是在一定的人际关系中产生的，会带来一定的结果吗？

社会不是个人的简单集合，而是通过各种关系把人有机地组织起来。同时，人在特定的社会环境下会做出各种各样的行为，所以不能独断独行空。因此，人类活动留下的一切痕迹必然包含着无限丰富的社会内容。如果我们抛弃了它，无论是什么样的数据，它都不仅仅是一瞥，更是一个盲人。

特别是每个人都是在特定的社会中一点一点成长为“这种情况下的这个人”，然后做出“这种行为”。这是每个人的社会历史建构过程，其中最重要的是我们所有的社会背景、生活状态和成长经历。

但这一切往往只存在于我们自己的经验和记忆中；往往难以描述，也往往无法记录。从“客观监控”的角度来看，就是“风过无痕”。那么，即使没有隐私，即使监控能被重围，所谓的大数据信息源从何而来？因此，对于理解人类生活来说，大数据其实是空中的一座城堡。

如上所述，这样的批评还是很中肯的:“不了解社会和背景的数据，会制造更多的噪音，错过真正有价值的东西。大数据解决不了大问题。”

▍学科建设被抹去

大数据崇拜者大概不知道也不敢承认，人类生活中还有一种现象叫“学科建设”。也就是说，人们对自己行为的解释可能与监视器的解释大相径庭，甚至相反。最常见的是，所有的人际误解都源于此。

那么，无论有多少人类行为被大数据监控，它是如何区分学科建设的组成部分的呢？首先以网购大数据为例。即使你收集了所有的网上痕迹，而且都是数字可见的，你怎么知道人们真的这么想？这种“客观判定”很接近矿物学，但人是有主观意愿的。你是怎么监控的？连物理都有“测不准原理”，更别说人的主观意志了。其次，你知道人类会“呈现自己”吗？说得好听点，就是演戏。如果连测谎仪的结果都不被法律接受，你怎么能屏蔽掉被监控对象的表现呢？第三，不找被监控对象验证一下吗？在司法审判中，即使是证据确凿的罪犯，法官也必须听取他的陈述才能做出正确的判断。但是大数据的崇拜者完全忽略了主体意志的存在。这不是自欺欺人吗？第四，你听说过弗洛伊德吗？你知道“动机”之外还有“无意识”吗？

即使通过询问对方的意愿获得了一些数据，仍然存在这样一个问题:对方是否有足够的能力表达自己的意愿？我们不应该忘记弗洛伊德，不应该忽视无意识行为的广泛存在，也不应该否认人类行为的所有痕迹，无论多么庞大，都不能实际包含和表达人类生命的意义。所以，如果演员自己都不知道是怎么回事，怎么验证呢？根据什么来判断真伪和程度？

综上所述，一切试图用自然科学或数字化来理解人类及其社会的尝试，不一定都是失败的，但也不能否认人类“主体建构”的重要性，其结果必然是切割现实生活。

所以，大数据获得的所有“发现”，其实都只是一些人在描述别人的生活。其他人不知道他们已经被描述了，他们没有办法纠正这种描述。因此，大数据实际上只是一群技术专家构建的新认知霸权，其崇拜者只是渴望利用这种霸权。

▍生命的意义被取消了

至少两千年的人文社会研究史告诉我们，人类的一切行为不仅包含着生命的意义，而且是为了追求生命的意义而行动的。这就是人和物的根本区别。

然而，所有所谓的大数据的“可记录痕迹”如果没有得到对方的主要投诉，就无法包含行为意义的信息。比如，在所有的网络活动中，演员不会表达他们寻求做什么，也不能表达他们带来了什么价值和意义。

以购物网站上记录的数据为例，确实可以容纳千万人在购物时不自觉留下的几乎无穷无尽的痕迹；但这能反映出这些人的购物偏好吗？这些人不在实体店买东西了吗？难道他们没有表现出片刻的偏爱吗？他们每次网上购物都会自我满足吗？

那么，你怎么确定他们会在不同的渠道、不同的情况下做出同样的选择呢？如果你不能证明这一点，那么你的“大数据”只能是“大垃圾”。

交通监控录像、病历、通讯记录等。都足以自称“大数据”。然而，所有这些数据只记录了人们生活中分散的方面。所以，这样的“大数据”再大，也解决不了以下常识性问题:第一，一个人在生活某一方面的表现，与他/她的整个人格和生活，不是有着密切的关系吗？农民工太贵，20元吃午饭；有钱人买几千万的车都不眨眼。这只是所谓的“消费选择”吗？其次，人类生活的方方面面不都是相互影响的吗？农民工吃午饭20元，但能接住200元的礼金；有钱人买几千万的车却拒绝做任何慈善，难道只是所谓的“购买习惯”吗？第三，难道没有人的生活受到社会、文化、历史因素的制约吗？农民工之所以想吃20元盒装饭，不仅仅是因为工资低，还因为他们的抚养系数、失业可能性、职业风险都远高于富人。这也是“可支配资本”吗？

这样，数据越大，误差越大。

▍结语:原罪就是原罪

本文所讨论的一切，其实都来源于长期以来对人文社会研究中“定量研究”的批判。大数据崇拜只是这种思潮的最新体现，只是披上了更光鲜的外衣。

在基督教教义中，原罪不仅是天生的，而且是终身背负的，不能通过自己的救赎来消除。

不幸的是，定量研究也是如此。无论它的技术手段多么发达，无论它的数据多么庞大，一旦应用到人文社会的研究中，它的缺陷和弊病是根本无法避免的，充其量只是程度上的降低。归根结底，“大数据崇拜”实际上是“科学主义”在人类历史面前被击败后的末日哀悼。如果科学无法阻止希特勒的统治，无法预测此后人类的一切发展，那么就不是“艺术拙劣”的问题，而是用错了地方，越过了国界，跑到了一个什么都做不了的领域。

当然，这并不意味着定量研究和大数据一定不能用，而是表达了三层含义:一是不能质疑，不能替代各种非定量的人文社会研究；其次，只有深刻反思这些先天缺陷，充分论证量化研究，才能在人文社会研究中保留一席之地；第三，两个研究就像两条轨道，缺一不可，但平行延伸，永不交叉。

热门文章精选