有朋友转给我几个“白痴测试”的题目，都是那种明白之后很简单、但是最初你差不多都会上当的问题。选两个你来试下：
问题1：你参加赛跑，追过第二名，你是第几名？
问题二：你参加赛跑，你追过最后一名，你是第几名？
现在，你告诉我问题1的答案，然后再告诉我问题2的答案。十之八九，你告诉我，问题1的答案是第一名，问题2的答案是倒数第二名。
当然，你的答案是错的。我并不需要告诉你正确答案，因为你多想一下就会自然明白。重点是，如果你是白痴，则十个人有九个人都是白痴，因为大家基本上都错了。
而重点的重点是，如果你拿这两个问题去问一个大数据系统(假如有)，机器能够回答正确吗？会证明机器也是白痴吗？
你必须记得，系统是不可能自动具备智慧能力的。事实上，机器不仅不可能有智能，它甚至不具备足够的灵活性，它只擅于做死板的、重复性的工作。就上面两个问题而言，问题1很容易让机器记住答案，而问题2你还没办法让程序去理解。
你说，现在我们有大数据方案，比如说机器学习。恩，你可以写一个爬虫，让它到网上去查找问题的答案——正如我写这篇文章之前的手工测试一样。然后你让程序去学习这些答案，机器自然就会“具有智能”了。然而倒霉的是，这两个白痴问题的答案，绝大部分人的回答是错的。于是，机器学习的结果，它也学成了白痴。
这就是我相信至少在现阶段，机器智能不可能超越人的原因。为了进一步说明，让我们看看车品觉在他的《决战大数据》中提到的一个场景：
“早上，你在上班的路上，看见有个男生穿 了一件非常好看的T恤，你心动了。于是，你来到公司，坐在座位上的第一件事情，就是在购物网站上搜索T恤。结果呢？出现了10万个相关商品。
“你正在犹豫怎么挑选的时候，老板突然在办公里宣布，大家集体去会议室开会。你坐在会议室里，发现开会好无聊，于是打开了手机应用，继续想怎么买到那款T恤，然后你筛选了一些比较中意的品牌，但是依然没有找到那款你在路上碰到的、中意的T恤。
“最后，手机上弹出了一个手机促销活动的广告，你发现一款你非常喜欢的品牌的手机价格很便宜，虽然你已经有手机了，但是你依然毫不犹豫地买下了它。”
在这个场景中，我们看看系统能够做到和无可奈何的事情：
- 当你搜索时，搜索引擎知道你在上海，于是可以推荐上海的卖家给你，并将收货地址切换到上海。但是，你是路上看到的那件T恤，那时你还不在上海。同时，你没有登录电商网站之前，T恤这个因素只有你知道，系统无法知道。
- 所以，网站系统能够理解的事实是“早上九点半，你搜索了T恤，得到10万个结果，你一个都没有点击”。但是机器无从知道，你不点击的原因只是老板在叫你开会。
- 你在开会时再次搜索T恤，网站系统能够知道这是你的第二次搜索，但是它无法理解，你为什么忘记了那款喜欢的T恤，却选择了一款并没有搜索的便宜手机。
- 当你最后买手机时，你确实是选择了上海的卖家。但系统不知道，你只是在上海出差，你的收购地址在杭州。
- 如果分析你为什么搜索和选择了半天，最后并没有购买T恤，系统可能得出结论说，网站的推荐引擎不给力。但它怎么也无法无法推断，你究竟为什么搜索了T恤，却买了手机。
如果说，文艺作品是对现实世界的建模，小说永远比真实社会来得简单，那么大数据系统对现实世界的模拟更粗糙。因为，你永远只能收集到碎片化数据，用这些碎片去还原真实场景，根本是不可能的。所以在对用户进行挖掘分析时，系统只能缩小范围，去针对具体的小问题来建模，比如，研究用户行为时，能够区分用户是通过PC还是手机登录的；分辨用户需求时，可以分辨是天气差异所造成的南方与北方用户的需求不同。
所以不要说大数据有价值。大数据的基本特征之一是，价值密度低。也就是说，绝大部分大数据都是垃圾。