因为再往下发展下去，我想让bing可以把科技、文化、知识、资讯、新闻对应的文字、图片、视频等林林总总的东西进行统一存储管理，形成整个人类的大型数据库。
它记录人类文明过往的所有资料，为向未来的发展提供各种各样的支撑条件。把它打造成为人类的诺亚方舟那样，去造福全人类。
我可以简单举几个阶段性的例子，例如大数据的某一个先期阶段-大数据应用的数据仓库时代。
而bing可以跳出数据库的概念去进行sqL操作，实现数据统计与分析。也就是说，人们将在bing上用更低廉的价格获得比以往多得多的数据存储与计算能力。
我们可以把运行日志、应用采集数据、数据库数据放到一起进行计算分析，获得以前无法得到的数据结果，而企业的数据仓库也随之呈指数级膨胀。
你们想想，在数据仓库时代只要有数据几乎就一定要进行统计分析。如果数据规模比较大，我们就会想到要用大数据技术。而技术的发展同时又促进了技术应用，这也为接下来大数据应用走进数据挖掘时代埋下伏笔。
而在大数据应用的数据挖掘时代必定凌驾于大数据应用的数据仓库时代基础之上。举个例子，很早以前商家就通过数据发现，买尿不湿的人通常也会买啤酒，于是精明的商家就把这两样商品放在一起，以促进销售。
啤酒和尿不湿的关系，你们可以有各种解读，但是如果不是通过数据挖掘，可能打破脑袋也想不出它们之间会有关系。
在商业环境中，如何解读这种关系并不重要，重要的是它们之间只要存在关联，就可以进行关联分析，最终目的是让用户尽可能看到想购买的商品。
除了商品和商品有关系，还可以利用人和人之间的关系推荐商品。如果两个人购买的商品有很多都是类似甚至相同的，不管这两个人天南海北相隔多远，他们一定有某种关系。
比如可能有差不多的教育背景、经济收入、兴趣爱好。根据这种关系，可以进行关联推荐，让他们看到自己感兴趣的商品。
除了商品销售，数据挖掘还可以用于人际关系挖掘。六度分隔理论认为世界上两个互不认识的人，只需要很少的中间人就能把他们联系起来。这个理论在米国的实验结果是，通过六步就能联系上两个不认识的米国人。
未来像我们的【领赢】甚至【myspace】，各种各样的社交软件记录着我们的好友关系，通过关系图谱挖掘，几乎可以把世界上所有的人际关系网都描绘出来。
现代生活几乎离不开互联网，各种各样的应用无时不刻不在收集数据，这些数据在后台的大数据集群中一刻不停地在被进行各种分析与挖掘。
当然我们也可以举个高大上的例子，来说说理查德·宾这位传奇相关的行业-医疗。
例如人类目前难以攻克的白血病和红斑狼疮，我们可以通过对病人的生活习惯、生长环境、Dna、病情发展等信息的收集，将数据采集聚集在一起，把小特殊病理变成可供参考的大数据。
而后透过不断的数据挖掘，去分析这些病例的因由。那么科研人员对于这些不治之症，将拥有更多可参考性的依据，把原本很小的可能变成大概率可以突破的可能。
或许是让患有这些病情的人有了被治愈的可能，或许是让基因里包含潜在基因缺陷的胚胎在孕育的过程中避免来到人世后的痛苦。
这些分析和挖掘带给我们的是美好还是恐惧，完全要依赖大数据从业人员的努力。但是可以肯定不管最后结果如何，这个进程只会加速不会停止，而你我只能投入其中。
但无论如何这件事值得去做，甚至为了提高效率，我们可以将一些繁琐规律的工作交给人工智能去做，这又会让大数据时代发展到大数据应用的机器学习时代。
像刚刚的例子里，数据中蕴藏着规律，这个规律是所有数据都遵循的。过去发生的事情遵循这个规律，将来要发生的事情也遵循这个规律。一旦找到了这个规律，对于正在发生的事情，就可以按照这个规律进行预测。
在过去，我们受数据采集、存储、计算能力的限制，只能通过抽样的方式获取小部分数据，无法得到完整的、全局的、细节的规律。而未来有了大数据，就可以把全部的历史数据都收集起来，统计其规律，进而预测正在发生的事情。
这就是机器学习。
例如，我再举个例子，把历史上人类围棋对弈的棋谱数据都存储起来，针对每一种盘面记录何种落子可以得到更高的赢面。得到这个统计规律以后，就可以利用这个规律和人下棋。
每一步都计算落在何处将得到更大的赢面，于是我们就得到了一个会下棋的机器人，说不定哪一天这个机器人就会以几年的时间学习上千年的棋局后，通过共性和局部战略的学习，通过分析人类落子的意图分析以压倒性优势下赢了人类的顶尖棋手。”
也不管身边目瞪狗呆的四人，宁子默