大数据是什么意思
查看: 10692|
摘要: 　　大数据（Big Data） 　　大数据，官方定义是指那些数据量特别大、数据类别特别复杂的数据集，这种数据集无法用传统的数据库进行存储，管理和处理。大数据的主要特点为数据量大（Volume），数据类别复杂（Variety ...
　　大数据（Big Data）
　　大数据，官方定义是指那些数据量特别大、数据类别特别复杂的数据集，这种数据集无法用传统的数据库进行存储，管理和处理。大数据的主要特点为数据量大（Volume），数据类别复杂（Variety），数据处理速度快（Velocity）和数据真实性高（Veracity），合起来被称为4V。
　　大数据中的数据量非常巨大，达到了PB级别。而且这庞大的数据之中，不仅仅包括结构化数据（如数字、符号等数据），还包括非结构化数据（如文本、图像、声音、视频等数据）。这使得大数据的存储，管理和处理很难利用传统的关系型数据库去完成。在大数据之中，有价值的信息往往深藏其中。这就需要对大数据的处理速度要非常快，才能短时间之内就能从大量的复杂数据之中获取到有价值的信息。在大数据的大量复杂的数据之中，通常不仅仅包含真实的数据，一些虚假的数据也混杂其中。这就需要在大数据的处理中将虚假的数据剔除，利用真实的数据来分析得出真实的结果。
　　大数据分析（Big Data Analysis）
　　大数据，表面上看就是大量复杂的数据，这些数据本身的价值并不高，但是对这些大量复杂的数据进行分析处理后，却能从中提炼出很有价值的信息。对大数据的分析，主要分为五个方面：可视化分析（Analytic Visualization）、数据挖掘算法（Date Mining Algorithms）、预测性分析能力（Predictive Analytic Capabilities）、语义引擎（Semantic Engines）和数据质量管理（Data Quality Management）。
　　可视化分析是普通消费者常常可以见到的一种大数据分析结果的表现形式，比如说百度制作的“百度地图春节人口迁徙大数据”就是典型的案例之一。可视化分析将大量复杂的数据自动转化成直观形象的图表，使其能够更加容易的被普通消费者所接受和理解。
　　数据挖掘算法是大数据分析的理论核心，其本质是一组根据算法事先定义好的数学公式，将收集到的数据作为参数变量带入其中，从而能够从大量复杂的数据中提取到有价值的信息。著名的“啤酒和尿布”的故事就是数据挖掘算法的经典案例。沃尔玛通过对啤酒和尿布购买数据的分析，挖掘出以前未知的两者间的联系，并利用这种联系，提升了商品的销量。亚马逊的推荐引擎和谷歌的广告系统都大量使用了数据挖掘算法。
　　预测性分析能力是大数据分析最重要的应用领域。从大量复杂的数据中挖掘出规律，建立起科学的事件模型，通过将新的数据带入模型，就可以预测未来的事件走向。预测性分析能力常常被应用在金融分析和科学研究领域，用于股票预测或气象预测等。
　　语义引擎是机器学习的成果之一。过去，计算机对用户输入内容的理解仅仅停留在字符阶段，不能很好的理解输入内容的意思，因此常常不能准确的了解用户的需求。通过对大量复杂的数据进行分析，让计算机从中自我学习，可以使计算机能够尽量精确的了解用户输入内容的意思，从而把握住用户的需求，提供更好的用户体验。苹果的Siri和谷歌的Google Now都采用了语义引擎。
　　数据质量管理是大数据在企业领域的重要应用。为了保证大数据分析结果的准确性，需要将大数据中不真实的数据剔除掉，保留最准确的数据。这就需要建立有效的数据质量管理系统，分析收集到的大量复杂的数据，挑选出真实有效的数据。
　　分布式计算（Distributed Computing）
　　对于如何处理大数据，计算机科学界有两大方向：第一个方向是集中式计算，就是通过不断增加处理器的数量来增强单个计算机的计算能力，从而提高处理数据的速度。第二个方向是分布式计算，就是把一组计算机通过网络相互连接组成分散系统，然后将需要处理的大量数据分散成多个部分，交由分散系统内的计算机组同时计算，最后将这些计算结果合并得到最终的结果。尽管分散系统内的单个计算机的计算能力不强，但是由于每个计算机只计算一部分数据，而且是多台计算机同时计算，所以就分散系统而言，处理数据的速度会远高于单个计算机。
　　过去，分布式计算理论比较复杂，技术实现比较困难，因此在处理大数据方面，集中式计算一直是主流解决方案。IBM的大型机就是集中式计算的典型硬件，很多银行和政府机构都用它处理大数据。不过，对于当时的互联网公司来说，IBM的大型机的价格过于昂贵。因此，互联网公司的把研究方向放在了可以使用在廉价计算机上的分布式计算上。
　　服务器集群（Server Cluster）
　　服务器集群是一种提升服务器整体计算能力的解决方案。它是由互相连接在一起的服务器群所组成的一个并行式或分布式系统。服务器集群中的服务器运行同一个计算任务。因此，从外部看，这群服务器表现为一台虚拟的服务器，对外提供统一的服务。
　　尽管单台服务器的运算能力有限，但是将成百上千的服务器组成服务器集群后，整个系统就具备了强大的运算能力，可以支持大数据分析的运算负荷。Google，Amazon，阿里巴巴的计算中心里的服务器集群都达到了5000台服务器的规模。
　　大数据的技术基础：MapReduce、Google File System和BigTable
　　2003年到2004年间，Google发表了MapReduce、GFS（Google File System）和BigTable三篇技术论文，提出了一套全新的分布式计算理论。
　　MapReduce是分布式计算框架，GFS（Google File System）是分布式文件系统，BigTable是基于Google File System的数据存储系统，这三大组件组成了Google的分布式计算模型。
　　Google的分布式计算模型相比于传统的分布式计算模型有三大优势：首先，它简化了传统的分布式计算理论，降低了技术实现的难度，可以进行实际的应用。其次，它可以应用在廉价的计算设备上，只需增加计算设备的数量就可以提升整体的计算能力，应用成本十分低廉。最后，它被Google应用在Google的计算中心，取得了很好的效果，有了实际应用的证明。
　　后来，各家互联网公司开始利用Google的分布式计算模型搭建自己的分布式计算系统，Google的这三篇论文也就成为了大数据时代的技术核心。
　　主流的三大分布式计算系统：Hadoop，Spark和Storm
　　由于Google没有开源Google分布式计算模型的技术实现，所以其他互联网公司只能根据Google三篇技术论文中的相关原理，搭建自己的分布式计算系统。
　　Yahoo的工程师Doug Cutting和Mike Cafarella在2005年合作开发了分布式计算系统Hadoop。后来，Hadoop被贡献给了Apache基金会，成为了Apache基金会的开源项目。Doug Cutting也成为Apache基金会的主席，主持Hadoop的开发工作。
　　Hadoop采用MapReduce分布式计算框架，并根据GFS开发了HDFS分布式文件系统，根据BigTable开发了HBase数据存储系统。尽管和Google内部使用的分布式计算系统原理相同，但是Hadoop在运算速度上依然达不到Google论文中的标准。
　　不过，Hadoop的开源特性使其成为分布式计算系统的事实上的国际标准。Yahoo，Facebook，Amazon以及国内的百度，阿里巴巴等众多互联网公司都以Hadoop为基础搭建自己的分布式计算系统。
　　Spark也是Apache基金会的开源项目，它由加州大学伯克利分校的实验室开发，是另外一种重要的分布式计算系统。它在Hadoop的基础上进行了一些架构上的改良。Spark与Hadoop最大的不同点在于，Hadoop使用硬盘来存储数据，而Spark使用内存来存储数据，因此Spark可以提供超过Hadoop100倍的运算速度。但是，由于内存断电后会丢失数据，Spark不能用于处理需要长期保存的数据。
　　Storm是Twitter主推的分布式计算系统，它由BackType团队开发，是Apache基金会的孵化项目。它在Hadoop的基础上提供了实时运算的特性，可以实时的处理大数据流。不同于Hadoop和Spark，Storm不进行数据的收集和存储工作，它直接通过网络实时的接受数据并且实时的处理数据，然后直接通过网络实时的传回结果。
　　Hadoop，Spark和Storm是目前最重要的三大分布式计算系统，Hadoop常用于离线的复杂的大数据处理，Spark常用于离线的快速的大数据处理，而Storm常用于在线的实时的大数据处理。
上一篇：下一篇：
Powered by &
这里是—这里可以学习 —这里是。
栏目导航：什么是大数据？大数据时代是什么意思？
近年来，“大数据”一词成为了网络上的热词，随着“大数据时代”的到来，大数据在各个行业的应用逐渐变得广泛起来，如2014年的两会，我们听得最多的也是大数据分析，那么，什么是大数据呢，大数据时代又是什么意思呢，一起来看看吧。大数据的定义。大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的特点。数据量大、数据种类多、
要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，我们需要搜索、处理、分析、归纳、总结其深层次的规律。
发现资讯的价值
中研研究院
掌握产业最新情报
中研网是中国领先的综合经济门户，聚焦产业、科技、创新等研究领域，致力于为中高端人士提供最具权威性的产业资讯。每天对全球产业经济新闻进行及时追踪报道，并对热点行业专题探讨及深入评析。以独到的专业视角，全力打造中国权威的经济研究、决策支持平台！
广告、内容合作请点这里：
热点图文分析
【版权及免责声明】凡注明"转载来源"的作品，均转载自其它媒体，转载目的在于传递更多的信息，并不代表本网赞同其观点和对其真实性负责。中研网倡导尊重与保护知识产权，如发现本站文章存在内容、版权或其它问题，
烦请联系：、8，我们将及时沟通与处理。
行业研究院
企业成功的关键就在于，是否能够在需求尚未形成之时就牢
企业成功的关键就在于，是否能够在需求尚未形成之时就牢
企业成功的关键就在于，是否能够在需求尚未形成之时就牢什么是大数据和大数据平台？
什么是大数据和大数据平台？
百度一下：嘉媒&：
开放、兼容、共享
各位博友！博主（QQ：）开通——
国学、国术与国粹：
&&&嘉媒(PowerMedia)智力营销:&
对于“大数据”（Big&Data），研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。从数据的类别上看，“大数据”指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。
一提到大数据，人们通常用3个V来定义它，即Volume（数量）、Variety（种类）和速度（Velocity）。随着业界对大数据理解的深入，第四个V也浮出水面。Veracity（真实性）正在成为大数据的基本特征之一。
大数据并不是一场市场炒作。
对于许多跨多个垂直行业的组织而言，大数据是真实存在的，而且它正在改变数据中心的架构。随着数据量、数据处理速度和数据类型的复杂度以远超标准前端和后台数据处理能力的速度增长，大数据在不断增长，这迫使企业的IT团队考虑采用新的方式处理业务需求。
Hadoop平台对于操作非常大型的数据集而言可以说是一个强大的工具。
Hadoop是Apache软件基金会的一个顶级项目，用Java语言编写。Hadoop的设计灵感来自于谷歌在其Google&File&System（GFS）和MapReduce编程模式上的工作。Hadoop实际上是其创始人DougCutting的儿子给自己的毛绒玩具大象起的名字。
流数据分析也是一种重要的大数据技术。
IBM&InfoSphereStreams是目前业界独有的流数据处理技术。在IBM&InfoSphere&Streams中，数据将会流过有能力操控数据流（每秒钟可能包含数百万个事件）的运算符，然后对这些数据执行动态分析。这项分析可触发大量事件，使企业利用即时的智能实时采取行动，最终改善业务成果。
IBM的大数据战略以其在2012年5月发布智慧分析洞察“3A5步”动态路线图作为基础。
IBM提出的“大数据平台”架构具备四大核心能力：包括Hadoop系统、流计算（Stream
Computing）、数据仓库（Data&Warehouse）和信息整合与治理（Information&Integration&and&Governance）。其中的代表产品有IBM&InfoSphere&BigInsights、IBM&InfoSphere&Streams、InfoSphere&Warehouse、IBM&PureData系统等。
IBM针对大数据环境的数据安全解决方案则包括IBM&InfoSphere&Guardium&for&Hadoop、IBM&InfoSphere&Optim&Data&Privacy，以及IBM&Tivoli&Key&Lifecycle&Manager。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。“大数据”时代，什么是数据分析做不了的？ | 科学人 | 果壳网 科技有意思
“大数据”时代，什么是数据分析做不了的？
本文作者:来园的桃子
（文/DAVID BROOKS）不久之前我曾与一位大型银行的首席执行官一同用餐。他正在考虑是否要退出意大利市场，因为经济形势不景气，而且未来很可能出现一场欧元危机。
这位CEO手下的经济学家描绘出一片惨淡的景象，并且计算出经济低迷对公司意味着什么。但是最终，他还是在自己价值观念的指引下做出了决定。
这家银行在意大利已经有了几十年的历史。他不希望意大利人觉得他的银行只能同甘不能共苦。他不希望银行的员工认为他们在时局艰难之际会弃甲而逃。他决定留在意大利，不管未来有什么危机都要坚持下去，即便付出短期代价也在所不惜。
做决策之时他并没有忘记那些数据，但最终他采用了另一种不同的思维方式。当然，他是正确的。商业建立在信任之上。信任是一种披着情感外衣的互惠主义。在困境中做出正确决策的人和机构能够赢得自尊和他人的尊敬，这种感情上的东西是非常宝贵的，即便它不能为数据所捕捉和反映。
这个故事反映出了数据分析的长处和局限。目前这一历史时期最大的创新就在于，我们的生活现在由收集数据的计算机调控着。在这个时代，头脑无法理解的复杂情况，数据可以帮我们解读其中的含义。数据可以弥补我们对直觉的过分自信，数据可以减轻欲望对知觉的扭曲程度。
但有，些事情是“大数据”不擅长的，下面我会一一道来：
数据不懂社交。大脑在数学方面很差劲（不信请迅速心算一下437的平方根是多少），但是大脑懂得社会认知。人们擅长反射彼此的情绪状态，擅长侦测出不合作的行为，擅长用情绪为事物赋予价值。
计算机数据分析擅长的是测量社会交往的“量”而非“质”。网络科学家可以测量出你在76%的时间里与6名同事的社交互动情况，但是他们不可能捕捉到你心底对于那些一年才见2次的儿时玩伴的感情，更不必说但丁对于仅有两面之缘的贝阿特丽斯的感情了。因此，在社交关系的决策中，不要愚蠢到放弃头脑中那台充满魔力的机器，而去相信你办工作上的那台机器。
数据不懂背景。人类的决策不是离散的事件，而是镶嵌在时间序列和背景之中的。经过数百万年的演化，人脑已经变得善于处理这样的现实。人们擅长讲述交织了多重原因和多重背景的故事。数据分析则不懂得如何叙事，也不懂得思维的浮现过程。即便是一部普普通通的小说，数据分析也无法解释其中的思路。
数据会制造出更大的“干草垛”。这一观点是由纳西姆o塔勒布（Nassim Taleb，著名商业思想家，著有《黑天鹅：如何应对不可知的未来》等书作）提出的。随着我们掌握的数据越来越多，可以发现的统计上显著的相关关系也就越来越多。这些相关关系中，有很多都是没有实际意义的，在真正解决问题时很可能将人引入歧途。这种欺骗性会随着数据的增多而指数级地增长。在这个庞大的“干草垛”里，我们要找的那根针被越埋越深。大数据时代的特征之一就是，“重大”发现的数量被数据扩张带来的噪音所淹没。
大数据无法解决大问题。如果你只想分析哪些邮件可以带来最多的竞选资金赞助，你可以做一个随机控制实验。但假设目标是刺激衰退期的经济形势，你就不可能找到一个平行世界中的社会来当对照组。最佳的经济刺激手段到底是什么？人们对此争论不休，尽管数据像海浪一般涌来，就我所知，这场辩论中尚未有哪位主要“辩手”因为参考了数据分析而改变立场的。
数据偏爱潮流，忽视杰作。当大量个体对某种文化产品迅速产生兴趣时，数据分析可以敏锐地侦测到这种趋势。但是，一些重要的（也是有收益的）产品在一开始就被数据摈弃了，仅仅因为它们的特异之处不为人所熟知。
数据掩盖了价值观念。我最近读到一本有着精彩标题的学术专著——《‘原始数据’只是一种修辞》。书中的要点之一就是，数据从来都不可能是“原始”的，数据总是依照某人的倾向和价值观念而被构建出来的。数据分析的结果看似客观公正，但其实价值选择贯穿了从构建到解读的全过程。
这篇文章并不是要批评大数据不是一种伟大的工具。只是，和任何一种工具一样，大数据有拿手强项，也有不擅长的领域。正如耶鲁大学的爱德华o图弗特教授（Edward Tufte）所说：“这个世界的有趣之处，远胜任何一门学科。”
编译自：《纽约时报》，What Data Cannot Do文章图片：（小图）computing.co.uk；rwconnect.esomar.org
你可能感兴趣
叫我心算根号437是什么心态
极度同意。数据就在那里，关键是分析的人想怎么看，想证明什么。数据只会告诉你"你这么想是没有数据支持的"，不能告诉你"你想要的是什么"来自
显示所有评论
全部评论(113)
对于最怕遗漏数据的人来说，大数据=大压力
叫我心算根号437是什么心态
极度同意。数据就在那里，关键是分析的人想怎么看，想证明什么。数据只会告诉你"你这么想是没有数据支持的"，不能告诉你"你想要的是什么"来自
我不会看文章的！
嗯。。我也觉得，老是系统分析分析 ，，什么东西都来调查分析啥的，。真麻烦。。
这些更多的是因为这些没有变成数据吧？人作为群体，应该是具有可预测性的。
引用 的话：如果你只以带来最多的竞你可以做一个随机控制实验。目标是刺激衰退期的经济形势，你就不可能找到一个平行世界中的社会来当对照组。最佳的经济刺激手段？人们对此争论不休，尽管来，就我所这些更多的是因为这些没有变成数据吧？人测性的。
好文章。科学与哲学并重
把数据分析和情感对立起来，无力吐槽。从广义上来看，大脑也是通过各种感官触觉收集外部数据，然后分析处理的。只是大脑的数据是分子水平的，而我们现在收集的数据是“人”水平的。虽然不是一个层次的东西，但是两者都是用——“数据分析”。
目前的数据确实有很多东西是分析不了的但这不是数据的错 只是当前的科技让我们只能统计到“不完整的数据”所以用数据来作分析 那你必须首先明白 目前的客观条件下数据的短板在哪里假如有一天 我们能够做出足够牛B的系统 把社会 心理 情感因素也做出量化那个时候的这种“更完整的数据”当然比现在这种“不完整的数据”更具参考价值
引用 的话：把数据分析和情感对立起来，无力吐槽。从广义上来看，大脑也是通过各种感官触觉收集外部数据，然后分析处理的。只是大脑的数据是分子水平的，而我们现在收集的数据是“人”水平的。虽然不是一个层次的东西，但是两者都是用——“数据分析”。终于有个明白人了
引用 的话：目前的数据确实有很多东西是分析不了的但这不是数据的错 只是当前的科技让我们只能统计到“不完整的数据”所以用数据来作分析 那你必须首先明白 目前的客观条件下数据的短板在哪里假如有一天 我们能够做出足够牛B的系统 把社会 心理 情感因素也做出量化那个时候的这种“更完整的数据”当然比现在这种“不完整的数据”更具参考价值赞同。是我们获取、分析数据的能力不够强大，而不是数据分析本身存在什么无法克服的缺陷。若能获取更丰富的数据、建立更好的模型，应该是可以把社交、背景、价值观、杰作之类的东西合理的反映出来的。
引用 的话：赞同。是我们获取、分析数据的能力不够强大，而不是数据分析本身存在什么无法克服的缺陷。若能获取更丰富的数据、建立更好的模型，应该是可以把社交、背景、价值观、杰作之类的东西合理的反映出来的。同赞。数据分析还是要靠模型，模型建的不好所以得不到有用的数据。
如何对待数据也还是人的问题。另外计算机算437的平方根的方法也是人给出的，要么查表，要么猜测逼近，要么空间效率低，要么时间效率低，明白算法可以很快知道结果是介于20 21之间，至于精度继续猜下去就好了，怎么能由此说明大脑在数学上很差
居然说“即便是一部普普通通的小说，数据分析也无法解释其中的思路。”？？我相信目前的自然语言分析技术已经可以实现这一点了。。。人工智能的下一步计划就是实现人类头脑情感的数学模型！莱特兄弟并不是因为刻意的去模仿鸟类而制造出飞机，相反，他们时深入的研究飞行的本质——空气动力学，而鸟类只不过是这一机制的某个实现实例；同样，人工智能也不需要刻意的去模仿人类的思维模式，相反，我们要努力探寻一切思维活动的本质，并认识到，人类的思维也只是这一本质的某一实现实例而已。。。而世间一切事物的本质皆应该由一种信息载体描述出来，以便我们加以分析研究——而我相信，正如毕达哥拉斯所信仰的，世界的本质是数学。。。。终有一天，大脑的情感模型会被建立，我们将创造出具有自我意识和情感的虚拟数据网络！
引用 的话：叫我心算根号437是什么心态=。=不自觉地心算了一次，话说这数挺容易的……
引用 的话：居然说“即便是一部普普通通的小说，数据分析也无法解释其中的思路。”？？我相信目前的自然语言分析技术已经可以实现这一点了。。。人工智能的下一步计划就是实现人类头脑情感的数学模型！莱特兄弟并不是因为刻意的去模仿鸟类而制造出飞机，相反，他们时深入的研究飞行的本质——空气动力学，而鸟类只不过是这一机制的某个实现实例；同样，人工智能也不需要刻意的去模仿人类的思维模式，相反，我们要努力探寻一切思维活动的本质，并认识到，人类的思维也只是这一本质的某一实现实例而已。。。而世间一切事物的本质皆应该由一种信息载体描述出来，以便我们加以分析研究——而我相信，正如毕达哥拉斯所信仰的，世界的本质是数学。。。。终有一天，大脑的情感模型会被建立，我们将创造出具有自我意识和情感的虚拟数据网络！好像很可怕的样子~~~
引用 的话：极度同意。数据就在那里，关键是分析的人想怎么看，想证明什么。数据只会告诉你"你这么想是没有数据支持的"，不能告诉你"你想要的是什么"来自同样一个东西、一个现象，信佛的看到会联想到佛，信基督的看到会联想到上帝。
貌似当当网上有一本书，名字就叫《大数据时代》
这不是黑镜第二季第一集么。
这就是“数据库是得不出结论”的么。。
引用 的话：目前的数据确实有很多东西是分析不了的但这不是数据的错 只是当前的科技让我们只能统计到“不完整的数据”所以用数据来作分析 那你必须首先明白 目前的客观条件下数据的短板在哪里假如有一天 我们能够做出足够牛B的系统 把社会 心理 情感因素也做出量化那个时候的这种“更完整的数据”当然比现在这种“不完整的数据”更具参考价值连情感都能被量化，这个世界将变得多么可怕。来自
不认同，数据分析的数据必须足够多，足够全面才能得出结论。文中所举的数据分析做不了的例子，原因都是因为数据不全。数据大不等于数据全面。
这文章要是少点描述多点数据就好了。
叫“智慧地球”情何以堪。。。
引用 的话：如何对待数据也还是人的问题。另外计算机算437的平方根的方法也是人给出的，要么查表，要么猜测逼近，要么空间效率低，要么时间效率低，明白算法可以很快知道结果是介于20 21之间，至于精度继续猜下去就好了，怎么能由此说明大脑在数学上很差原文意思可能指大脑「按照既定算法执行线性运算」的能力差
引用 的话：好像很可怕的样子~~~引用 的话：连情感都能被量化，这个世界将变得多么可怕。来自有什么好可怕的？我实在是不明白你们有什么好恐惧的。。。。大脑本来就是进化所产生的复杂生物机器—— 一个复杂的信息分析处理网络系统。。。因此，只要有足够精确合理的模型，将大脑量化并建立数学模型分析预测其行为时完全可能的。。。。为什么不能量化呢？你们以为量化以后就是一个个的数字吗？错了！那是离散化模型，是一种粗略的模型。。。真正完美的模型是连续的，可能会用偏微分方程来描述，甚至可能是不存在数学表达式的（但是依然可以用算法来描述）。。。。为什么你们会高兴或者感到幸福？不过是神经递质多巴胺的作用罢了。。。缺乏这些神经递质，轻则患上抑郁症，重则全身肌肉颤抖，帕金森。。。。而所谓的感情，不过就是一系列的生物化学以及物理反应所组成的有序逻辑连续统。。。。这就是真相了，而你们感到害怕是因为畏惧真相吗？畏惧接受自己就是一台复杂的生物机器的真相吗？畏惧认识到自己的本质吗？。。。P.S.有人想在量子力学那神秘的不确定性与纠缠效应中寻找最后的避风港。。。但是，不幸的是，已经有模型指出大脑内部温度过高，不利于长时间维持电子的量子纠缠态，更不可能形成所谓的泊松爱因斯坦凝聚态——后者被认为是唯一可以用来以科学解释灵魂以及精神的候选者。。。
引用 的话：=。=不自觉地心算了一次，话说这数挺容易的…真的容易，你是多久心算出来的？
显示所有评论
(C)2017果壳网&&&&京ICP证100430号&&&&京网文[-239号&&&&新出发京零字东150005号&&&&
违法和不良信息举报邮箱：&&&&举报电话：