摘 要：大数据技术与科学及建立在其基础之上的大数据思维为传统认识论的真理问题探究带来了新的挑战与机遇。在大数据真理性认知展开的过程中，大数据思维不仅仅是一种技术层面上的思维创新，而且还表现为一种方法论层面上的变革，它为真理问题的研究提供了独特的研究进路：大数据整体性、动态性思维为真理的主观性、客观性融合提供了新的诠释视角；大数据相关性、非线性思维为真理的理性、非理性统一提供了新的方法论借鉴；大数据非确定性、多样性思维为真理的一元性、多元性贯通提供了新的问题求解出路，这种建立在大数据技术与科学基础之上的哲学抽象思辨充实了真理概念的研究内涵，拓宽了真理问题的研究路径，提升了真理理论的研究价值。
关键词：大数据思维；真理；认知；因果性；相关性
真理问题是西方哲学史中的核心论题之一，哲学家们所提出的各种不同类型的真理观都在一定程度上存在某种理论缺陷。随着大数据技术与科学的蓬勃发展，随之而产生的大数据思维为关于真理问题的哲学认识论抽象思辨提供了全新的动力。需要指出的是，大数据思维与传统的认识论思维不同，它是一种复杂性科学思维，关于其内涵存在着多种定义：例如国外学者维克托·迈尔-舍恩伯格（Viktor Mayer-Scho¨nberger） 认为：“所谓大数据思维，是指一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案”；［1］国内学者黄欣荣认为：“人们迅速地以数据的眼光来观察世界和理解、解释这个纷繁复杂的世界，就是所谓的大数据思维”。［2］在此，我们对大数据思维的真理问题研究并不是对某种真理理论本身正确与否的研究，也不是试图机械地借助于连续逻辑论证而得到结构形式“真”的理论，而是希望考察传统的真理问题在新的时代背景下思维层面上的方法论突破可能性，同时我们也希望对哲学-科学-技术深度融合与关联基础上真理问题研究的多层次内涵进行充分把握。
一、大数据思维的突破——真理的主观性与客观性融合
迄今为止，关于真理的主观性、客观性界定仍然存在争议。一般而言，真理的主观性并不等同于主观真理，真理的客观性也绝不是认知主体头脑中的认知内容与现实客观事物的绝对符合，事实上真理的产生与塑造是一个动态变化的、主客观相互作用与融合的过程。从认识论来看，大数据思维的真理性认知过程彰显了真理的主观性与客观性特征的深度融合；从方法论来看，大数据思维的真理性认知特征蕴含着数据化思维整体性、动态性特征的辩证统一。
大数据思维的真理认知客观性。真理的客观性是认知对象借助于认知主体被主动感知或先天经验而存在的，是独立于认知主体和认知过程之外的一种实在属性。当代科学哲学中的真理观主要包括两种，其中一种观点认为，真理的判断标准是依据科学理论的实用性以及研究主体间的商议而定，这种标准过于强调了认知主体判断的主观能动性，忽略了科学实验数据、逻辑推理论证的客观决定作用，然而真理不是一种科学实验的简单结果，而是一种认知过程的更迭与推演的动态产物，“真理一直以来被看作是思想或认知与其对象的一致性”。［3］43大数据思维的真理性认知展开是认知主体与认知对象构建相互关联的一个复杂过程：一方面，大数据思维的真理性认知客观性表现在大数据分析所依托的物理基础构造及其程序逻辑能够对对象“总体”的客观性进行全面把握。另一方面，大数据思维的真理认知客观性还体现在大数据分析的数据对象本身具有客观性的特质。就技术层面而言，大数据技术框架的设定本身就体现了对客观存在的数据价值的一种保护与锁定，例如：各种信息处理和分析框架以及计算机系统模型均为提前设计好的代码和自运作程序，一旦程序开启自我运作机制，运作程序的自我保护模式就能够保证运作过程不会被认知主体的主观性所干扰和打断，这就使得涉及到真理判断的基础数据库不会被混杂任何带有主观性的人为篡改，从而保证了客观数据价值的完整性。尽管数据价值与真理的价值性相关联，但真理建构形式的客观性不因价值性增减而变化，因为标准程序设定所输出的运算结果趋近于运算程序所处时空和语境域的语义、语形特征，进而能够为真理认知的相关各组成要素赋予有序和全面的逻辑规范、原则与结构，这进一步确保了真理建构的思维客观性。
大数据思维的真理认知主观性。一般而言，主观性是指认识论上具有主观能动性的预判选择。很多时候，认知主体根据研究目标的实际需求来断定研究结果是否具有真理性特征，这种单一的、静态的真理对应关系很难解释复杂事物的多重属性，但在大数据技术应用过程中所体现的真理认知主观性特征不是一种认知主体的任意判断，而是认知主体的主观能动性在尊重客观事实基础上一种有“边界”的发挥。大数据技术应用过程中所体现的真理性认知主观性特征主要体现在以下几个方面：其一，大数据技术所采用的框架和系统在能动性上为真理认知提供了前提。其二，框架算法的选择体现了大数据真理性认知的主观能动性。所要强调的是，大数据思维认知过程所体现的主观性并不等同于真理观的主观主义。主观主义的真理观过于强调和极端化了真理的主观性特征，由此会造成真理认知过程的僵化性与狭隘性，而大数据思维的真理性认知过程则将认知的主观性置于一个系统的特征“集”中，从而使得大数据分析的结果能够更加符合真理性认知的既定目标。
在忠旺集团的车间，记者发现所使用的焊接设备是瑞典ESAB公司研制的SuperStirTM龙门式搅拌摩擦焊设备。记者发现，整个设备自动化程度很高，可以很大地节省工人的劳动强度和企业人力成本。近距离观察已经焊好的焊缝，可以看到整个焊缝平整光滑，成形完美。杨总告诉记者，焊缝周围的毛刺在后续稍加处理即可，这充分地显示了搅拌摩擦焊在铝合金焊接应用中的优势：焊接变形小，即使是焊接长焊缝，其变形程度也比熔焊小得多，同时它还具有无裂纹、气孔、夹渣等优点，这对于铝合金车体的焊接，都是不可或缺的。
大数据思维真理认知的主观性、客观性特征融合。从哲学层面上来看，主观性与客观性是相辅相成的一组哲学范畴，尽管二者在理论上是相互对立的，但在具体的认知实践中，二者缺一不可。从认识论上来看，大数据思维反对新实用主义关于真理本质是主体信念的极端真理观，它在真理问题的理解方面坚持主观性与客观性认识的平衡与统一。大数据技术平台的最终目标是服务于人类的社会实践，这一目标决定了大数据分析的过程必然同时兼具主观性与客观性的双重特征。一方面，大数据框架算法的构建在计算规则的基础上融入了编程者的主观性思维与认知，结合了认知主体对数据集呈现事物现象的主动探索能力，体现了真理问题研究的主观性特征；另一方面，大数据技术的挖掘与获取基础在于具有客观性且自身不断变化的数据集，由此而奠定的认知基础是真实的、实在的，并非是认知主体的一种主观臆想，而是认知主体的主观性与数据集的客观性相互作用所产生的一种综合结果，它能够呈现真理问题研究基础生成过程的客观性，真理内容的客观性。大数据思维所强调的是一种动态性与符合论相结合、主观性与工具客观性相结合的真理性认知思路，这一点恰恰为大数据思维的方法论优势应用起到了重要的支撑性作用。
二、大数据思维的超越——真理的理性与非理性统一
美沙拉嗪缓释片单剂量与多剂量给药在Beagle犬体内的药动学研究 ……………………………………… 向荣凤等（16）：2198
传统本体论层面上的理性是指在现象世界背后所隐藏的理性实体，它从根本上制约着世界的存在与发展。就认识论而言，理性是指认知主体在认知过程中运用概念、推理等思维形式所展开的思维活动，理性需要客观推理，［4］216这种思维特征具有逻辑地分析世界进而形成判断、推理等深入研究事物本质的能力。大数据思维强调相关性甚于因果性，强调非确定性甚于因果性使许多人产生了一种误解，以为大数据思维在其精神实质上与后现代主义思想一样所高举的是“非理性主义”的大旗，因而许多人认为大数据思维在其真理观上所秉持的也是一种同后现代主义“反基础、反本质、无政府主义”相类似的相对主义态度。事实上，大数据思维的真理观所继承和发扬的是一种具有“后现代性”特征的真理认知路径，它力图把关于真理的分析与诠释，真理的说明与理解加以统合。这里所讲的真理的“后现代性”特征是与后现代主义的相对主义、非理性主义倾向完全不同的，而大数据思维的真理观绝非是要走向后现代主义的真理相对主义泥潭，而是要摒弃掉后现代主义真理观非理性主义态度的狭隘性，重新树立真理理解的理性精神，特别是将真理的理性建构与真理的“理性主义”绝对性划清界限，这一点正是大数据思维真理观的进步表现。
（一）大数据思维真理认知的理性特征
“A到VP”格式并不是其中各成分的简单相加，随着网络新媒体语言中“A到VP”格式普遍、频繁的使用，“A到VP”已渐渐成了类固定结构。它在句法、语义、语用上均显示了一定的特征。
前面所述的理论方法、经验方法和历史洪水法等山洪灾害预警指标确定方法，都有一定的适用条件，对资料有不同程度的需求。根据资料可用程度，对这些方法进行划分。对于资料较丰富的地区，主要有实测雨量统计法、水位/流量倒推法、暴雨临界曲线法以及综合分析法等；对于资料较少或无资料地区，主要有内插法、比拟法、灾害与降雨频率分析法等。
（二）大数据思维真理认知的非理性特征
叔本华认为，“意志是第一性的，最原始的，认识只是后来附加的”，［5］401即叔本华认为经由意志产生的认识必然是非理性的，非理性认识是一种具有必然性的存在。一般而言，真理的非理性特征是指不能用我们的逻辑思维概念所统摄的认知主体在认识过程中所形成的认识能力，包括情感、信念、非逻辑和意志等，它们是不确定的、不可预判的，我们应当承认非理性潜藏于理性背后。［4］92从上述观点来看，大数据思维在其真理性认知过程中所展现的非理性特征有以下三个方面：第一，大数据思维真理认知的非线性模式。大数据非线性思维的显著特征是非规律性，由于在复杂性科学与技术背景下被认知对象的运动规律反复无常且不断波动，使得被认知对象之间的关系比以往更加令人难以把握，有可能是一因多果或者一果多因关系，这就导致了这种多变语境下真理问题的研究是没有理性规则可遵循的，同时也突显了真理性认知过程中的不可控性、非规律性和非理性特征。第二，在大数据分析方法中，运算编程模型、框架的设计者有着非理性的感性思维，这为大数据思维的真理性认知过程展开赋予了先天的非理性色彩。第三，大数据分析方法所采用的逻辑算法、模式扩展了理性思维的可延伸空间，其所凸显的相关性思维特征为大数据认知过程中的真理问题理解提供了更加丰富的内涵。由此，动态的、开放的大数据技术平台对价值数据的考察势必由原来静态的、孤立的考察变成了对与这个数据相关的其他数据的全面考察。由此可见，大数据思维并不像人们所误解的那样是一种相对主义的、非确定性的、没有原则和规范的模糊性方法论选择，在其表面“非相关”方法论口号与旗帜背后隐含的仍然是对于真理认知目标的坚定理性追求。
真理是一元的还是多元的哲学问题颇具争议，在现代西方哲学中，逻辑实证主义认为真理不是唯一真理，真理被判定为“逻辑真理”“事实真理”两种。培根（Francis Bacon）认为，真理分为以经验为主的科学哲学真理和以神启为依据的信仰真理；詹姆士（William James）也认为真理是多元的，他认为存在常识的、科学的、哲学的三种判定标准的真理。建立在大数据技术与科学基础上的大数据思维必然会涉及到真理的一元性与多元性问题，而真理是一元还是多元的，关键在于对真理“元性”本身的理解，大数据思维的非确定性、模糊性和多样性特征为真理问题的一元性与多元性贯通提供了可资借鉴的思路。
大数据思维真理认知的理性、非理性统一。真理问题属于传统认识论的重要课题，在当代认知哲学中真理问题也占据了重要地位。在近代理性主义哲学兴起之前，西方古典哲学一直强调的是包括理性和非理性思维特征的真理的多维度内涵理解。理性主义思维发展到极端的表现就是逻辑实证主义关于真理性认识的命题逻辑判断，其主要缺陷表现在真理观上，即过于强调逻辑性和特征性的真理“划界”标准，由此将许多社会、历史和文化的真理标准内涵排除在了真理标准以外。大数据思维既反对逻辑主义的狭隘理性主义真理观，同时也反对后现代主义走向相对主义和非理性主义的“去中心化”真理观，而是力图实现真理问题理解的理性、非理性特征统一。例如，大数据思维重塑了整体论思想的理论价值，超越了还原论的僵化理性主义思想窠臼，而还原论恰恰是理性主义赖以立足的重要基石；大数据思维也强调了定量分析的必要性，但它并不排斥关于认识对象的定性化理解的把握，定量研究和定性研究并不存在根本性的冲突。［6］由此可见，大数据思维所坚持的是一种确定性与非确定性相结合、整体性与可还原性相结合、定量与定性分析互相补充的真理性认知，正是这一点为大数据思维的真理观构建起了理性与非理性思维特征充分统一的崭新局面。
大数据分析是在计算机技术辅助的基础上展开的，因而保留了计算系统逻辑构造本身鲜明的理性特征，其背后蕴含的是计算系统设计者与开发者的理性主义真理认知原则。同时，大数据思维还将认知的非理性特征融入其中，以便多方位掘取、分析具有模糊性的、非线性的、多样性特征的庞大数据集。除此之外，大数据思维还对非确定性等诸多非理性特征进行综合考察，在理性思维的基础上融入认知主体的意向性、情感、信念等非理性因素，进而为真理的理性、非理性特征统一拓宽了研究思路。
三、大数据思维的变革——真理的一元性、多元性贯通
对于更好的实施朋辈导师制度来说，对导师的激励机制尤为重要。可以通过选择合适的场合颁发导师聘用证书以增强其荣誉感;择机向朋辈导师所在班级老师、辅导员和同学群体中公布导师聘用信息;定期举办朋辈导师工作论坛进行经验交流;利用自媒体、传统媒体等渠道适度宣传朋辈导师的业绩和形象，以及适时评估和奖励导师的工作表现等，为顺利开展激励机制起到辅助作用。［4］
（一）大数据思维真理认知的一元性
真理的多元性是指认知主体围绕着真理认识的本质内涵和核心从不同的途径去探索认知对象。在传统的西方哲学认识论中，尼采的多元真理观认为，同一个认识对象有多种认识结论同时并存，且都是真理，这样便在某种程度上取消了真理和谬误的对立。对于胡塞尔（E.G.A.Husserl）来说，他一生都在寻求真理的标准和基础，他认为哲学的真理是唯一的，但他忽略了知识的对立面和近似面。事实上，真理性认知绝不仅是人类头脑中对于现实构造的主观想象，而是一个不断发掘深入的科学认知过程，特别是在大数据分析的过程中，动态性、多元性数据域语境下的真理认知过程更具有灵活性、多样性。
大数据思维真理观的理性特征表现在：一方面，大数据思维较好地处理了真理性认知过程中个体差异性、非理性与整体规律性、合理性之间的关系问题。大数据思维注重于整体性而非部分性，这种整体性的思维借助于海量的实在性数据而最大限度地排除了问题研究者自身的非理性因素介入，同时也克服了研究对象多层次特性表征而带来的个体性“混乱”缺陷，进而能够更好地把握建立在个体对象基础上的事物整体规律性本质，进而达成真理认知的目标。换而言之，大数据思维的这种重“整体性”的真理认知策略在本质上最大限度地坚持和发挥了主体的理性原则，体现了对于事物本质的理性探索精神。另一方面，大数据思维有效地应对了真理性认知过程中事物存在的非精确性、混杂性与人的理性逻辑能力发挥的关系问题。在大数据思维看来，传统认知对象具有主观的可选择性特征，这就使其在范围上受到了很大的局限，许多非规范的、非结构性的事物——数据被排除在了真理性认知的范围之外。得益于技术处理工具的进步，大数据分析对于事物特性的把握具有了更高的理性控制能力，因而在面对复杂性事物现象及其特性时，也能够在规模与范围上得到较大的拓展。从这个意义上来看，大数据思维对于事物混杂性的“容忍”恰恰反映了其真理认知层次和水平的极大提升。这样，从真理的确定性认知到真理的非确定性认知，充分展现了大数据思维在真理观问题上的深化与突破。
（二）大数据思维真理认知的多元性
真理的一元性主要是从真理的内容来源进行阐释的，其意在表达真理问题研究的过程中，只存在一种理论研究的结果与研究过程中的主客体的状态、语境、本质相一致。在特定的大数据语境知识域内，真理具有唯一的一元性。显然，这里所讲的大数据认知的真理一元性并非是绝对的、僵化的，而是在相对的、动态的意义上来说的。大数据思维在其认知过程中关于真理问题的一元性特征表现在两个方面：其一，在大数据分析过程中，数据算法选择的真理理解一元性特征。在此阶段中，认知主体根据目标需求选择最具有优势的算法规则软件，例如常选用的RapidMiner软件，它主要在java程序编写后借助算法，按照目标需求设定，完成对数据转换、加载、预处理的数据输出和模型结果输入的过程，抽去真理问题研究结果的差异性，获取具有一元性、共同性、普适性的真理问题研究结果。其二，在大数据分析过程中，关于数据运算数据选取步骤的真理理解一元性特征。例如：在通过Rapid-Miner Server完成大型数据计算后，借助SVR算法对传感网络节点数据进行预测分析，在后台收集数据之后建造预测模型，通过预测模型对相关关系数据进行预测，最后再通过RapidMiner Radoop与Hadoop相联结，借助于自身的算子执行计算，获取特定需要的价值数据并锁定当下的数据集语境，这使得建立在此计算分析基础上由此而获得的真理认识不仅具有一元性而且还同时具有特定时空域和语境域的鲜明特征，由此真理认识的具体语境一元性特征就突显了出来。
关于大数据思维真理认知的多元性特征，我们可从以下三个方面来看：其一，多样化的数据集为大数据思维真理性认知的多元性特征奠定了基础。大数据分析本身所依托的数据集丰富多样，比如杂乱无章的文本、不同类型的数据表格、颜色各异的图画、来自不同社交软件的音频视频等，这些内容从数据分析源头增加了数据特征数量，从而使得建立在大数据分析基础上的真理性认知能够更加丰富和全面。其二，大数据的内存级分析架构为大数据思维关于真理问题理解的多元性特征塑造提供了动力。例如：在MongoDB分析架构中，文档结构的储存多样，多个键和其相关的关联值有序排放，在后续的数据分类中借助sharding分片能够对数据进行不同范围的分片划定，并将数据分布至多个分片，这一点彰显了大数据分析背后的认知主体对数据多样性的保护，由此便高度还原了数据的真实性和实在性，从而为大数据分析过程中的认知主体增加了认知域数量，扩展了真理问题内涵的覆盖面。其三，大数据分析过程中多元语义模型的构建与识别技术为关于真理内涵的多层次性理解拓宽了空间。在大数据分析过程中，尽管海量的数据能够给认知主体提供丰富的可操作信息源，但由于信息构造过程中语法、语义的差异性，要想获取更有价值的信息进而达成真理性认知的目标就必须通过大数据技术建构语义模型，将认知对象的各种相关关系特征借助于数据表征规则模拟出抽象的符号集后，再经过框架、算法的输出，将概念及与概念有相关关系的数据资源通过映射规则转化为语义模型。
大数据思维真理认知的一元性、多元性贯通。真理“一元性”与“多元性”的性质相通之处就在于真理问题研究的语境不同，若抛去大数据技术与科学的复杂背景，单纯对真理“一元”与“多元”问题本身进行讨论，就会在某种程度上得到真理“元”性问题的消解。具体来看，大数据思维在其认知过程中关于真理一元性与多元性的贯通，既与其所持有的本体论层面上的世界观有关，也与其所坚持的方法论层面的目标导向思维特征不可分割。在本体论层面上，由于大数据思维把客观、实在意义上的世界与在其基础上所构造的信息知识“镜像世界”置于一个系统关联的层面上来加以看待和考察，这就使其能够在模糊性思维展开的过程中更加偏重“相关性”而非“因果性”，相关比因果更重要。［7］35相应地其中包含的真理问题理解也具有了“相关-多元性”发展空间，而一旦进入到具体、微观问题求解时，大数据思维也可以无障碍地容纳关于真理认知的“因果-一元性”解决路径，在上述两方面之间大数据思维内部并不存在逻辑矛盾和冲突。在方法论层面上，大数据思维着重于复杂性问题的求解，其方法论优势更多地体现在现有信息知识基础上对于信息知识“未知地带”的探索，这使其预测性特征被强烈地突显出来。由此，大数据思维就必须在“部分-总体”“精确-模糊”之间建立起有效的平衡，这种平衡关系恰恰为大数据思维关于真理认知的“一元性-多元性”贯通提供了最有力的诠释与说明。
四、结语
从历时性上来看，大数据思维真理认知的确定性反映的是认知对象运动变化的历史特征，而大数据思维的预测性特征则展现了认知对象未来发展的潜在可能，只有预测性和确定性相结合，才能更好地展开真理认知；从当代哲学的整体演进特征来看，随着人工智能、互联网等信息科学技术的不断发展，大数据技术飞速发展和推陈出新，哲学的方法论思维也在逐渐更替。在新的时代哲学发展语境中，技术与哲学基本问题的研究相互关联、有机互动，彼此关系更加紧密。建立在大数据思维基础上的真理问题研究也以多角度、多路径拓宽了传统真理问题的研究视域，进而也为哲学层面上的真理性认识提供了一种新的技术平台上的实践辩护。这种实践辩护使得真理问题研究在抽象思维的层面上更好地联结了实在、事实语境，并且将真理的抽象性与具体性、逻辑性与效用性等特征在方法论层面上实现了高度融合，从而对人类思维的整体发展起到了重要的启发性、指导性作用。
参考文献
［1］维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革［M］.盛杨燕，周涛，译.杭州：浙江人民出版社，2013.
［2］黄欣荣.大数据时代的思维变革［J］.重庆理工大学学报（社会科学），2014，28（5）：13-18.
［3］George Joseph Stokes.The Objectivity of Truth［M］.London：williams and Norgale，1884.
［4］Julian Baggini.The Edge of Reason：A Rational Skeptic in an Irrational World ［M］.New Haven：Yale University Press，2016.
［5］叔本华.作为意志与表象的世界［M］.石冲白，译.北京：商务印书馆，1995.
［6］李先涛.大数据时代定量与定性研究方法的对立与统合［J］.齐鲁师范学院学报，2016，31（1）：106-110.
［7］冯启思.数据统治世界［M］.曲玉彬，译.北京：中国人民大学出版社，2013.
中图分类号：B023
文献标志码：A
文章编号：1673-1808（2019）02-0022-05
［收稿日期］2018-11-15
［作者简介］
刘伟伟（1982-），男，山西吕梁人，山西大学哲学社会学学院，副教授，博士，研究方向：科学哲学；
何伟华（1992-），女，山西太原人，山西大学哲学社会学学院，硕士，研究方向：科学哲学。
（编辑 张 瑛）
标签：真理论文; 数据论文; 认知论文; 思维论文; 理性论文; 哲学论文; 宗教论文; 哲学理论论文; 辩证唯物主义论文; 认识论论文; 反映论论文; 《晋中学院学报》2019年第2期论文; 山西大学哲学社会学学院论文;