无意中看到文章《讲座回顾|任晓明：大数据视域中的逻辑与哲学》，感觉很有新鲜感，从逻辑与哲学的角度来看大数据，可惜没有找到任老师的发言稿，只有南京大学哲学系一篇新闻稿，里面很多内容挺有新意，只是个人对逻辑学了解不多，很多不懂，很多需要补充：
01
大数据的基本概念和特征以及穆勒五法的现代解读
穆勒五法：求同法、求异法、并用法、共变法、剩余法
了解了这五个方法，发现大数据处理与分析确实与这五法在思路上有共通之处。
02
数据处理中的贝叶斯定理和贝叶斯方法
文中提到：
任老师首先以“幸福密码的发现”为案例，介绍在数据处理中使用的归纳逻辑基本方法。继而以“赌徒谬误”为案例，进一步介绍了数据处理中的合取原则和独立概念。以这些基本数据处理方法为基础，任老师重点介绍了在数据处理中广泛应用的贝叶斯定理和贝叶斯方法。
数据处理中的合取原则和独立概念，以及数据处理中如何应用贝叶斯定理和方法，之前到时没有有意识地去关注，这个到时有必要了解一下。
03
数据处理中使用的归纳逻辑基本方法
贝叶斯的定理、公式，在大数据分析中确实有应用，但是，不知道任教授是如何应用的，没有看到发言稿，无法进一步了解，甚是遗憾。
文中提供了部分信息：
“联邦党人文集作者公案”和“天蝎号核潜艇搜救”两个案例证明，作为一种“在认知信息较少的情况下利用经验做出更合理的决策”的新的统计学方法的贝叶斯方法，体现出巨大的实用价值。
这个值得进一步了解。
04
贝叶斯概率观体现了机器学习的思想
文中提到：
贝叶斯规则体现了一种概率观，它利用过往信息来逐渐逼近事件发生概率，从而提供了一种启发式的统计学思考方式。具有贝叶斯思维的人，并不试图刻画事件本身，而是从观察者信息补全的角度出发，先从以往经验中总结一个大致结果，再基于这个结果判断下次出现这类事件的概率，每次的结果会不断修正之前的判断，如此往复。这个过程反应的是我们知识状态的情况，而并非试图描述客观世界中事件发生的概率。
把事件发生过程当做一个黑盒子，重点把握输入与输出的关系，在人工智能很多场合，应用的很普遍。文中描述的贝叶斯思维与这个有相似之处。
网友评论