中國工程院院士 李德毅

    以下是演講實錄：

    各位來賓、各位同仁、我們工程院在大數據時代面對著挑戰，今天我就講講這個問題！我們的數據要有一定的結構，我們來看看在大數據時代軟件工程遇到了什么挑戰？軟件工程師來說，數據是按照數據結構來寫的，大數據時代有沒有可能程序繞著數據轉呢？科學應該怎么做，在這個大數據時代軟件科學應該怎么做，數據挖掘應該怎么做？數據挖掘是軟件的代名詞，大數據通常來自三個方向，總體來說是自然界大數據，很大很大，我們那么多衛星圍著地球轉，每天下來的數據很多。第二生命大數據。最重要的是人們尤其關心的是社交大數據。今天一個報告在3分鐘之內就可能被全世界的人們所知道。PB時代是對科學的挑戰，更是對包括數據挖掘在內的任職科學的挑戰，也是對軟件工程的挑戰。

    我們看奧巴馬就職的社交場所，這么多面孔，每一個面孔下都有一個故事，這個故事正在發生著，如果我們可以走便天下的話，我們可以找到奧巴馬的人際關系，一個人在社會上生存有很多方方面面，這些方面我們是技術無法做到的，人臉是數據安全的很重要的識別器，怎么識別呢？人們想了很多辦法，就人臉我們就想到了攝像頭，北京市80萬個攝像頭，我們每天都在攝像頭的監督下開車、購物。身份認證、年齡識別、情感計算、親緣發現、性別識別、地區和民族識別。如果我有一家全家福，你能通過這個發現誰是女婿，誰是兒媳婦嗎？人臉之間的相似形，人臉的易變性，圖像本身的質量，特征提取中需要提取的特征屬性和數量，我們能用傳統的結構化數據表征嗎？誰是他？這是社交網絡中基本的問題，計算機在發展過程中我們是怎樣對付這樣的數據的？我起了一個題目叫做山不轉，水在轉。早間圖形給我們提出了很好的計算模型，當時我們把計算機分了三檔，第一是CPU加上操作系統，這是計算機的命根子，還有一個是內存和外存，全球的虛擬化，在操作系統里很重要，當時我們叫做輸入輸出，這就構成了我們計算時代，構成了我們IT時代。這個龍頭是CPU和操作系統，這些計算的虛擬化我們要關心具體的計算。所以就是早期計算的虛擬化，導致現在的云計算。把內外存儲叫做存儲，在交互單元里有技術存儲、呼叫的迭代關系，因此我們現在的交換機、服務器等等都叫計算機。

    計算對軟件付出了很大的努力，尤其是高性能計算機。我們認為計算在前20年中起到了主導作用，它的標志速度就是摩爾速度。跟這個時代相對應的是結構化數據，軟件加程序加數據加存檔，這個數據應該是結構化數據才能被運行起來。我們想到偉大的科學家，埃德加佛蘭克，提出關系模型，以關系代數為核心運算，用二維表形式表示實體和實體間的聯系。只要談到數據庫沒有不談關系數據庫的。關系數據庫有嚴格的頂層設計，為構建良式關系！幾個關系結合成一個關系，對這樣的關系進行運算，只要在關系數據中總可以通過SQL語言滿足條件的結果唯一挖掘出來。關系代數是關系數據庫的形式化理論和約束。先有頂層設計和數據結構，后填入清洗后的數據。數據圍繞結構轉，數據圍繞程序轉。用戶無需關心數據的獲取、存儲、分析以及提取過程，更無需關心數據結構的內部組織形式。我曾經是國際上數據庫小組的成員。如果有一個TD級的管理，甚至要50個小時為時間點，結構化數據面臨著挑戰，挑戰一，過于刻苦，無法表示原生態的大數據怎么辦！挑戰二，隨著數據的增大，關系代數運轉的性能急劇下降！