百度使用數據分析對 2014 年高考作文題目預測「命中了全國 18 卷中 12 卷作文方向」。但更重要的是：大數據的這種玩法，會給世界帶來什麼改變。
錘子和釘子#
中國高考作文出題方法有固定套路：給一段小故事，然後讓你根據這個故事想想自己受到什麼啟發。換句話說，作文重點根本不是這個故事，故事只是素材。
關鍵問題：到底是主題多還是素材多？答案當然是素材多。
素材怎麼編都可以，但全體高中生都能想明白和說明白的道理就那麼幾個——具體來說，據百度數據分析，只有六個方面而已。
只要熟讀這六個方面各種可能主題的文章，掌握寫作套路，不管高考出什麼素材都能應對自如。
俗諺「如果你手裡有一把錘子，你看什麼東西都是釘子」本是貶義。但用在準備考試上，正好相反——只不過你需要掌握的不是一把錘子，而是六把錘子。
主題模型（Topic Modeling）#
百度作文預測使用的技術叫**「隱含狄利克雷分布」（Latent Dirichlet Allocation, LDA）**——2003 年才被提出的新技術，發明人之一剛加入百度負責「百度大腦」項目（吳恩達 / Andrew Ng）。
LDA 基本思想#
計算機認為文章只不過是一些詞匯的集合，每個主題也只是一些關鍵詞的集合。計算機沒必要「理解」每個主題或詞的意思，甚至不用管詞出現的順序。
工作流程：
- 人為設定一些主題，並用數據分析給每個主題設定關鍵詞
- 例：「狗」主題的關鍵詞包括「骨頭」、「汪星人」、「忠誠」、「朋友」（最近恐怕還要加上「廣西玉林」）
- 同一個詞可在多個主題中出現，但出現概率不同
- 計算機分析文章詞匯，計算對應每個主題的可能性
百度把海量作文用此方法分析一遍，再結合年度風雲搜索信息和當年熱點新聞，就能判斷現在最流行的作文主題。
LDA 的應用#
- 改成「圖像」+「物體」 → 圖像分析和分類
- 音樂樂句 + 受喜愛程度 → 歌曲推薦
- 新聞報道、電影劇本、小說和遊戲情節分析
機器可以比任何文化批評家更早意識到現在流行什麼。
未來：軍備競賽#
設想幾年之後，所有考生都熟練掌握百度指出的任何主題：
- 高考作文成績將非常接近
- 但這是出題者所不願意看到的——高考作用不是證明學生學得好，而是為了選拔，必須有比分差距
出題者怎麼辦？必須打破俗套，發明全新主題！ 從這個意義上講數據分析帶來了社會進步。
但這有一個問題。數據分析會迅速發現新主題並促使其流行，等到所有考生都掌握，這個新主題就又沒用了。
所以數據分析的真正作用是能讓好東西迅速流傳開來……然後迅速消亡。
華爾街軍備競賽的啟示#
華爾街金融公司使用數學模型進行股票交易：
- 一開始只有你在用，可以非常賺錢
- 一旦別人也開始用，市場效率提高，回報率越來越低
- 必須再發明新模型、更複雜的模型
- 直到這個模型也變得不好使
結果華爾街永遠需要新模型，而且越來越複雜，越來越不容易賺錢。這是一場軍備競賽。
主題也是如此。一個好使的主題會因太多人使用而不再好使，人們被迫發明新主題，但新主題也將會變得不好使。
這都是互聯網和數據分析帶來的。整個過程的節奏可能會越來越快。歷史必然加速前進，直到……