大数据是指无法在现有时刻概念结构顶用传统的数字技能东西进行感知、收集、办理、处理和服务的海量数据603138）调集，具有容量大、发生速度快、类型繁复、信息价值大、冗余信息多四个特征。舍恩伯格（Viktor Mayer-Sch?觟nberger）在《大数据年代：日子、作业与思想的大革新》一书中指出，“大数据年代的到来必将革新咱们未来的日子、作业和思想形式”。一起，舍恩伯格还提出了经过剖析发掘大数据探寻事物中的相关联系然后猜测事物规则的研讨办法。相关联系概念的提出，构建了以海量数据核算、寻觅相关性、供认含糊性等为特征的新的认知办法和思想形式。

　　现在，大数据技能已影响到社会日子的方方面面，相同也为科学常识的出产活动带来了革新性影响。根据大数据技能的科学常识出产方式，将科学研讨方针的规模拓宽至各种终端设备实时收集的海量数据，再使用核算机进行会集办理和核算剖析，然后发掘事物内部的相关联系，形成了所谓的数据密集型科学研讨，这也是赫伊（Tony Hey）等人提出的科学研讨的“第四范式”。在此布景下，大数据处理系统已逐渐成为新一代科研基础设施，常识出产方式也逐渐从假说驱动转向数据驱动，并已在高能物理、环境监测、地理勘探、生物医学等范畴的研讨中取得了广泛使用。总的来看，大数据年代的科学常识出产现已呈现出以下几个方面的严重改变。

　　榜首，逐渐构建根据大数据的科研服务渠道。依赖于电子、通讯、核算机等技能的飞速发展，尤其是各种监控、监测、感知、数据收集终端以及超级核算机的广泛使用，一种根据对大数据进行收集、存储、传输、核算、剖析、整合的新式科研服务渠道正被逐渐构建起来。现在，传统的针对少数特定数据进行准确核算然后寻求事物之间因果联系的办法，已无法处理呈指数级速度出现的大规模数据集。比方，深海勘探器、医疗记录仪、世界空间站、航天卫星、大型强子对撞机等设备，为今世科学研讨供给了全新的资料和研讨方针的一起，所发生的海量数据（如欧洲粒子中心的大型强子对撞机每天发生的数据已达若干个千万亿字节）也已无法再用传统的核算办法进行核算剖析。对此，许多国家都已着手构建根据大数据的新式科研服务渠道。

　　第二，提出科学常识出产新的逻辑通道。从逻辑实证主义开端，对数据进行精准核算，然后寻求事物之间的因果性，便是科学家所遵循的研讨办法。但是，大数据技能环境下，海量数据集已超出了咱们的了解甚至幻想才能，而这些数据中有适当大一部分是重复甚至是无用的。对海量数据进行核算剖析，发掘事物之间的相关联系，然后对未来进行科学猜测和剖析，得出新的定论，已成为一个新的科学发现的逻辑通道。在这种核算形式中，科学家不再需求深化剖析每一个数据与其他数据之间的联系，也没有必要探求个别甚至部分数据背面的科学现实，而是从微观上调查、核算、剖析海量数据中蕴藏的相关联系，然后探寻相关联系背面的内涵规则。虽然这些规则有些并不是必定的，但核算学含义的定论仍具有适当的科学价值。并且，这种“是什么”的现象背面也隐藏着“为什么”的问题，引导着咱们进一步去探求。从这个含义上讲，大数据其实并没有否定科学发现中的因果性逻辑，而是对因果性逻辑的弥补甚至逾越。

　　第三，刻画科学一起体新式协作形式。大数据技能布景下，科研数据得以深度同享，大学、研讨机构、高新技能企业之间彼此依赖的程度进一步增强。科学家能够在必定程度上同享直至协同处理海量科研数据，甚至社会公众也参加到新常识的出产中来。大数据技能正不断构建科学一起体的新式协作形式。一方面，数据同享使得科学一起体更为凝集；另一方面，科学一起体间的彼此依存度不断进步，协作形式也不断拓宽。现在，各个范畴的科学家都应能够取得、运用本范畴甚至其他范畴的各种非结构化数据。大数据转化为科研方针，及时追寻、获取、同享和使用各种数据的才能，已成为影响科学家常识出产才能的重要因素，这也内涵地要求不同范畴的科学家之间树立起高效的协同协作机制。比方，对海洋的观测就需求核算机范畴、海洋范畴、气候范畴等科学家通力协作，一起处理接连的模型规划、自动化的数据管理操控和校准、进行数据剖析核算和可视化等进程的协作。科学一起体的协作不只避免了重复性作业，并且极大地进步了科学研讨的功率和科研成果的社会显现度。

　　第四，强化全球规模内常识出产的协同。在网络化、全球化的科学常识出产布景下，单一科研机构很难再具有大数据常识出产的悉数资源，这就要求在常识产权维护答应的前提下，不同国家的科学一起体之间要树立起必要的协作和同享联系。在必定规模内同享各种大型仪器设备、海量数据、技能程式，不只能够节约大型贵重设备的购买费用，并且能够下降数据获取和处理的时刻本钱，然后进步全球规模内学术资源的有用装备。比方，作为世界“虚拟地理台”一部分的微软全球望远镜，能够获取一般望远镜无法比拟的海量数据，并且已可无缝链接到地理学家们惯常选用的定量研讨办法上。数据转化为科研方针，大数据的收集、获取、剖析和核算，也就成为全球性科学一起体的一起工作。未来，全球规模内科学常识的协同出产，将成为科学研讨的新常态。

　　历史上的科学研讨阅历了根据调查、假说和验证的经历科学，到根据理论剖析、归纳和总结的理论科学，再到根据树立模型、核算和剖析的核算科学三个阶段。现在，大数据技能正将今世科学研讨面向经过数据收集、核算、剖析来寻求相关性规则的所谓大数据科学时期。从假说驱动转向数据驱动，从发现因果性转为寻求相关性，拓荒了科学常识出产新的逻辑通道。面临数据的爆破式增加，大数据核算形式也是处理海量数据和有限数据处理才能之间对立的一个有用途径。虽然这种形式是否能够作为科学常识出产的新范式仍是一个值得深化探讨的问题，但咱们能够看到，根据大数据的常识出产的使用日益广泛与深化，大数据的收集、核算、剖析才能也已成为科研机构常识出产才能的重要方面。一起，数据成为科学研讨的直接方针也使得科学研讨中科学理论与技能手段之间的鸿沟日益含糊，科学才能和技能才能不断转化，一起推进着大数据常识出产才能的快速提高。

　　面临大数据技能带来的科学常识出产新形式，咱们应加强关于一些大数据方案的支撑力度，树立一批较为先进、齐备的大数据技能服务渠道，加大关于打开大数据项目研讨的科研院所和高新技能企业的支撑力度，鼓舞科学一起体活跃打开世界交流协作，以提高科学界的常识出产才能，然后在新一轮的科技竞赛中抢占制高点。加强国家层面的方针规划，建造完善的大数据技能渠道，促进科学界与产业界的通力协作，促进科技成果的快速转化，不只是提高科技立异才能的必经之路，也是建造立异式国家的重要方针和内容。