本文譯至 Google AI 實驗室博士 Vyacheslav Polonski 發表的文章《Next Decade in Artificial Intelligence》。Vyacheslav 博士先後就讀於於牛津大學、哈佛大學，主要研究方向為

大量前所未有的數字化痕跡使得許多人相信我們正在進入一場新的數據革命。許多人認為，這些新的數據來源和工具將使我們能夠以變革的方式改進研究過程。然而，真正重要的是，要認清來源於計算理論中的原理及挑戰，尤其是關於數據本身的解釋和分析。在未來，可用的數據越多，需要的理論支撐就越多，我們也就更需要理解和解釋數據所代表的真實含義。

有很大一部分數據科學家的夢想是，有大量的數據集讓他們能準確分析並真正理解和預測人的行為，或者是通過 “數據革命”，為現實社會提供關於政治，經濟和眾多領域提供的實時的、隨時更新的、永不過時的建議或結論。

經過了這幾年的發展，人們對大數據所帶來的或好或壞的成果都已經耳濡目染，但對數據科學家而言，必須提早思考，使用真正科學的方法帶領整個社會走入人工智能的下一個紀元。

我們到了理論的終點了嗎？

“ 理論的終結 ”是克里斯安德森在連線雜誌的一篇文章中提出的一個想法，他在文章中宣稱，數字痕跡和其他前所未有的形式，和大規模的數據源已經將從根本上改變現實社會的科學和工業研究。安德森說：“ 透過數據，我們可以說：'相關就足夠了'。我們可以將所有數據投入到世界上有史以來最大的計算集群中，並讓統計算法找到一般科學無法實現的模式。“換句話說，一旦我們擁有每個人每分每秒的行為數據，那麼對科學家而言就不再存在“過時的”理論模型，數據科學家們會越來越成功。

更重要的是，利用新的數據源和新的算法，數據科學家現在可以獲得以前基本上不敢假想的新答案，打破了用20世紀方法分析21世紀問題的傳統模式。

我們是否仍在用20世紀的方法分析21世紀的問題？

在社會科學中，確實有很多希望，在線社會研究的當前進展將使我們能夠在複雜的社交網絡的關係環境中找到原子解釋。這有助於闡明有趣的現象，如社會影響力的動態，信息的傳播和文化規範的出現。正如微軟研究員Duncan Watts所說，“ 我們終於找到了望遠鏡 ” —— 這是一個美麗的比喻，預示著數據驅動研究的新時代已經到來。

然而，這種說法至少有三個問題。首先，數據科學家們自然是他們尋求研究的社交世界的一部分。隨著時間的推移，人類可能會對其數據發生的情況產生不同感知，因此，可能會以電子永遠不可能的方式對研究人員作出直接或間接反應。因此，這意味著社會科學家在塑造他們所居住的社會系統，無論他們是否接收。望遠鏡的比喻僅與自然科學相關，並且在很大程度上不適合研究人類行為。

其次，最有價值的數據集是專有的並且難以獲取得到。公開數據集的嚴格限制又意味著研究人員研究特定社會現象的能力受到數據訪問和分發不對稱的阻礙。鑑於過去API變更和限制的例子，很明顯，這會在學術界和企業界之間引入一種獨特的權力關係，這種關係取決於誰可以訪問數據以及訪問數據的數量。在未來，隨著數據分析師越來越依賴這些數據源，預計這種情況只會變得更糟。此外，鑑於代表研究參與者經常缺乏同意，道德和隱私影響 可能會在這種權力關係中發揮越來越重要的作用。

可用的數據越多，需要的理論就越多

第三，也是最重要的是，即使我們假設可以追蹤現有人口的所有數據，社會科學家仍然需要理論來理解和處理這種非結構化數據。理論上，動機假設是工具，以幫助我們通過事前觀測來判斷事後結果。正如Golder和Macy指出的那樣，大數據研究“

在此基礎上，數據科學家經常遇到的問題是，研究得失可觀察的東西而不是需要研究的領域。當研究人員試圖從數據中提出因果關係時忽略混淆因素的可能性時，這就造成了問題。即使是大樣本也無法克服這種限制。事實上，可用的數據越多，需要的理論就越多，我們就越需要清楚的明白我們的研究領域在哪裡。

無論未來如何，我們都有充足的理由對未來十年的數據科學以及人工智能對社會的潛在影響持樂觀態度。然而，同樣重要的是要認識到與這一切相關的理論，方法和實踐挑戰。我們尚未達到理論的終點，隨著世界的變化，我們將會在為工業研究和社會科學的科學方法發展注入新的復興力量。

閱讀更多 BIFox 的文章

關鍵字: 政治 克里斯·安德森 社會科學