我過去研究大數據分析的時候，很重要的一項研究內容就是言語分析，而且我研究的方向就是模糊語言分析。通俗來講，某人講一件事，說的內容都是非量化的詞彙，那我的工作就是從中分析再通過算法得出量化的數據。

「多」與「少」就是非量化的詞彙，每個人對不同事物的多少的看待會各不相同，甚至對同一事物也會隨著條件的改變而改變，這就是一種主觀看法。而主觀看法，是沒有辦法用來定罪的。比如對販賣毒品定罪，就要精確到具體種類、重量。僅僅靠多少這種主觀詞彙，是沒有辦法定罪的。

我的工作，有一部分就是去量化這些主觀的詞彙，這就要依靠大數據分析，去判斷多和少的具體數量。

比如對於孩子因為疫情走了。有的人會認為即使一個都是太多了，這個原因有很多。或許因為現在少子化嚴重，每一個孩子都很寶貴；或許是同情心，認為誰都不應該因為疫情走了。也有的人認為即使死十几上百成千上萬個也不夠多，因為他們不在乎這些。

如果在日常生活中，遇到你非常了解的人，他說的非量化的詞彙，你肯定能得出量化的數據，量化的準確度就在於你對他的了解度。如果換成大數據分析，那就是通過電腦來代替人去分析這些數據，通過算法得到量化的數據。

假如你有一位好朋友，很富有同情心，那麼對於孩子因為疫情走了這件事，如果他對此評價是「太多」，那麼你對此量化的數據一定不會太高，可能個位數的數字就是太多了。反之如果是個冷血的人，他對此評價是「不夠多」，那麼可能量化的數據就是成百上千。相處越長，了解也多，那麼得到量化的數據也會越準確。

想像一下如果隱蔽條件，「很多」的量化數據不到10，而「不夠多」的量化數據是成百上千。如此的數字和描述讓人覺得顛倒得不可思議，這就是主觀。而有些人又恰恰喜歡以自身的主觀去看待別人，這些遠沒有用電腦分析來得公正。

過去有個笑話，一個人在大街上罵某個政黨，執政黨的官員發現後就說我要把你法辦。此人說，你怎麼知道我罵的是執政黨。官員說，是不是我還不知道嗎？

其實這就是一種由於主觀而導致的現象。有的人認為孩子走了成百上千都不算多，現在才走了10個，遠遠不到成百上千的地步，你就說已經走了「很多」，這不是造謠還能是什麼？

不僅僅是量化，還有定性，同樣是研究的課題。比如「走私」和「超買」、「施壓」和「強烈建議」、「抄襲」和「抄錄不當」、「核食」和「福食」諸如此類的詞彙如何定性，這些詞彙明明背後指向的都是同一件事情，但是不同的人使用的詞彙卻有所不同。