科学数据依然稀缺，共享不是“拷U盘”

在科学共同体多元化的当下，跨界交流无处不在，青年力量起到越来越重要的作用。图为科技创新青年峰会现场

　　当下，科学数据已成为科学研究的关键成果和重要的战略性资源，科研也步入了数据密集型的“第四范式时代”。面对喷薄而出的数据需求和数据量，如何存储、管理、共享这些科学数据，成了全球科学家关注的热点。

在昨天举行的2021浦江创新论坛之新型技术论坛—“数生万物”科学数据创新大会上，来自不同领域的科学家发出了一个共同的声音：数据是一种发展治理模式，应尽快探索建立全球科学数据共享网络与机制，以适应这个前所未有的大数据时代。

　　41%的可持续发展目标处于“有方法、无数据”的状态

1998年图灵奖得主吉姆·格雷将科学研究的范式分为四类，除了传统的实验范式、理论范式、仿真范式之外，新的信息技术已促使新范式的诞生，即数据密集型科学发现，即“第四范式”。

近年来，科学技术发展呈现出了明显的大科学、定量化研究特点。国家科技基础条件平台中心副主任王瑞丹在论坛上表示，科技创新越来越依赖于大量系统、高可信度的科学数据以及对科学数据的综合分析和挖掘，科学研究已快速推进到一个前所未有的大数据时代。

科学数据有多重要？“没有数据，很多事都难以解决。”中国科学院院士、中国科学院空天信息创新研究院研究员郭华东提到，2015年，联合国曾提出变革世界的17个可持续发展目标，其中有41%处于“有方法、无数据”的状态，也就是说，“没有数据，即使有方法，这些目标仍将难以实现”。

身处“地球村”，人类命运已联结成一个共同体，应对流行病、气候变化、能源危机，无不需要全球大数据的支撑。郭华东介绍，于2018年元旦正式立项的“地球大数据科学工程”，目前已开放8PB（百万G）数据，“通过这一专项，我们用数据证明了中国对全球土地退化零增长作出了最大贡献，还发现1999年至2018年全球冰川储量减少了6%，等效于海平面高度上升了12毫米”。

然而，有些科学数据的获得极为困难。中国极地研究中心副主任徐韧在讲演中提到，去南极考察一次平均需要160天，极地科学数据门类繁多，科考人员必须昼夜连续作业，否则根本来不及完成任务。北极航道缔结国际条约、南极罗斯海新站立项，乃至“雪龙2”号极地科考船的研制，无不需要以历次极地科考所获取和积累的数据为基础。

　　构建人和机器都能理解的数据生态

科学数据已成为科学研究和发展的战略性、基础性资源，加强科学数据的管理、共享和应用，是大数据时代面临的一项十分紧迫而重要的任务。

“科研数据不是太多，而是太少。”中科院脑科学与智能技术卓越创新中心副主任孙衍刚说，线虫仅302个神经元，相互形成了7000多个联接，上世纪中后期，科学家花费了十几年才完成其联接图谱；而人类大脑神经元多达860亿个，其联接图谱的数据量将无比惊人——必须改变目前还需投入大量人工的半自动化数据生产状态，更多利用人工智能深度学习，大幅提高科研效率。

“现代技术可以对一个人产生海量数据，但这些数据的采集、管理、流通和共享，不仅涉及个人隐私，还关系国家生物安全。”复旦大学大数据学院院长冯建峰认为，应尽快探索建立相应制度。他在论坛上介绍，生物大数据是智能医疗的基础，而智能医疗的终极目标是能给人“科学算命”。他所说的“算命”，指的是精准预测个体的身体与精神健康状况。通过大数据采集与分析，冯建峰团队已可通过步态判断抑郁症，准确率超过70%。此外，团队还研发出一套软件系统，可通过核磁脑影像精准判断脑卒中病人可否进行溶栓手术。

2018年，我国发布了《国家科学数据管理办法》，以进一步加强和规范科学数据的管理，保障科学数据的安全，提高开放共享的水平。2019年，我国成立了20个国家科学数据中心，以推动不同学科领域科学数据的汇交采集、存储管理、加工挖掘和开放共享等。郭华东强调，要摆脱“拷U盘式”的数据共享模式，必须不断创新，构建起数据、计算、服务一体化的数据智能服务系统。

国际数据委员会（CODATA）副主席、中科院计算机网络信息中心科技云部主任黎建辉表示，解决复杂科学问题需要大数据、云计算及人工智能等新手段，但目前的问题是，全球科学界还缺乏有效机制与技术实现互联互通与资源共享。“未来，数据必须要能被人和机器所理解和操作，因此需要跨越学科边界，构建起两者都能理解和操作的数据生态。”黎建辉透露，未来十年，CODATA将以实现多领域数据交叉融合为目标，建立起跨领域合作网络，并挖掘示范案例。