信息技术中“规则的数据化”漫谈

信息技术中“规则的数据化”漫谈

在当今风起云涌的信息化大潮中有很多技术热点：5G、人工智能、云计算、物联网、大数据、各种互联网+……而我今天想和大家探讨的却是一个“冷点”，一个可能在很多年后才会有人真正触及的问题——“规则的数据化”。

我们现在所接触到的各种应用、APP、平台其技术实现都是程序软件。这些程序软件的组成都可以归结为两大部分——“规则”和“数据”。

规则负责整个软件的逻辑实现，而数据则是软件的处理对象。在一般程序设计中，规则和逻辑被写入固定的代码，而文字、语音、图像和各种数字信息是这些代码处理的对象，存储在文件或数据库中，可以“赋值”给程序中的变量供代码规则进行动态的存储、调用和修改。

淘宝、QQ、百度搜索以及其他被寄予厚望的未来信息技术热点，都毫无例外采取的这种开发模式。固化的规则和可变的数据。这样的架构几乎已经成为软件开发的固定模式。

规则和数据的关系示意

然而在有价值的前提下，打破固有思维和行为模式，从来都是创新的重要来源。规则是否也可以像数据一样存储、调用、修改？是否也可以像建立数据库一样建立规则库？是否也可以像发展“大数据”一样发展“大规则”呢？

早在三十年前，在人工智能语言（如ADA）中，就采取了将规则和逻辑作为数据来运用的做法。规则本身可以作为被处理的动态对象来给变量“赋值”，使程序的处理逻辑一开始并不固定，而是根据需要选取特定的规则后才得以确立。这就是“规则的数据化”。这当然是因为人工智能比一般的信息处理更为复杂才致使其开发方式有如此大的不同。而规则能够数据化的前提是程序代码本身也是由“0101”的数据构成的。

不过在我看来，人工智能语言仅仅依靠规则的数据化是不够的。人工智能成功的关键在于解决逻辑性之外的随机性、学习性和情感性等问题。而只靠规则的数据化有可能连最基本的逻辑性问题都无法解决，更罔论其他。阿尔法GO的问世展现的深度学习，价值判断等技术突破才真正为人工智能带来了希望。

然而规则的数据化并非无用武之地。恰恰在我们认为不一定需要人工智能的信息处理方面，规则数据化却有可能带来根本性的突破。

首先，“规则既定，数据自由”的传统开发模式，使信息系统的通用性极差。

为交通管理所开发的系统很难用于房地产交易系统或者社区网络平台。因为各个系统的业务流程和处理逻辑千差万别，代码重用的可能性极低。如果要兼顾不同系统的需要就会在编程时作大量的逻辑妥协，造成不可想象的代码冗余和运算低效，这其实已经成为现代信息系统开发者的噩梦。即使如此，也无法从根本上适应不同系统的逻辑差异。尤其被称为“互联网+”的现代信息系统还需要以周为单位不断迭代更新。

某呼叫中心软件逻辑架构

某船舶机舱检测系统逻辑架构

其次，“规则既定，数据自由”的传统开发模式，使信息系统的自定义非常困难。这又体现在两个方面：

一是无法解决集中化和本地化的矛盾。一些信息系统的搭建从成本的角度考虑，由一个统一的系统管理全国甚至全世界的事务。然而各国、各省州、各市县或者各个不同的客户群体都有自己特殊的需求，这时候就不得不对系统进行修修补补，拼命适应各种不同的需要。可是受限于“规则既定”这个前提，每次对特定需求的开发都要对规则进行重构，对代码进行重新编译并进行大量测试以确保整个系统的逻辑正确。

二是无法解决用户自定义规则的问题。譬如现在很火的各类电商平台，上面集中了各行各业大大小小的电商。每个电商都希望按照自己的方式来推广自己的产品，可是电商平台提供的门面和展示逻辑却是统一的。电商们能做的DIY主要是文字、图片以及各种商品的参数、价格等。

卖摄影器材的、卖车的想建立一个爱好者俱乐部，定期组织出游来维系客户关系；卖衣服的希望提供在线试穿功能，让用户有更好的购物体验；又或者提供在线阅读的想提供部分章节的试读，甚至搞点猜结局、猜人物命运之类的活动；这些在统一的电商平台下都很难实现。就像下面这样：

雷同的电商平台界面和功能

再比如网络游戏中，游戏世界都有确定的规则大数据搜索规则，玩家无法进行规则创造——例如建立一个自己的帮派，自己定帮规，有哪些等级，每一级有什么权力，对违反帮规的作何种惩罚等；又或者建立一个国家后这个国家有哪些部门，有怎样的行政区划，各级官员的责权利和制衡关系可以如何设置等等；这些在现有的系统下实现都非常困难，而且代价极大。

导致这种结果的根本原因还是在于系统采取的是“规则既定，数据自由”的传统开发模式，规则本身缺乏可定制性。

如果能够将规则与程序解耦，将规则从代码中解放出来，实现规则的数据化，将规则存储在规则库，可灵活地修改、调用并赋值参与程序的逻辑实现，使开发人员专注于系统的架构和对规则的调度与效率管理，才能大大提升系统的通用性和适应性，增强系统的服务能力和吸引力。使未来的信息系统开发难度和成本呈几何级数下降，并真正变成用户DIY的乐园。

大数据技术的本质是通过分析大量数据的统计特征来获取逻辑联系。是在模糊态中寻找确定态。而规则本身就是基于逻辑的，因此海量的规则只要有规范化的表述语言，可以比较容易的抽取其中的逻辑特征，那么一样可以通过数学建模分析总结出有意义有价值的逻辑联系。而且这种从微观确定态中寻找宏观确定态的“大规则”可能比“大数据”有更高的商业价值和社会前景。如果再借助人工智能技术的加持，其前景或不可限量。当然，这一切的基础是要实现规则的数据化。只有规则成为了可以存储调用和分析的数据，“大规则”技术的实现才具备可能。

规则的数据化也并不是没有负面影响，比如网络安全的问题会显得更加突出。以前入侵系统后只能修改和破坏数据（其实也能修改代码只是难度很大），现在一旦入侵系统成功却可以修改和破坏规则，这对网络安全提出了更高的挑战。但是技术的发展不可能因噎废食，只能一方面加大安全防护的力度和手段一方面推动开发模式的升级。

当规则成为数据以后，程序设计的重点将变为建立系统的逻辑主干，对规则进行管理和调度、处理规则间的逻辑矛盾、提升规则的执行效率等等。这需要一套完整的开发标准和相应的编程语言，需要彻底改变信息系统的架构方式，更需要改变开发者的思维模式，对此有太多的工作可以做。本文只是提出了一个构想。而这些构想一但变为现实，又将为人类开启一个全新的技术里程。

（编辑：武汉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!