在当今的数字经济中，没有什么资产比数据更有价值。将数据称为“新石油”已经成为一种陈词滥调。正如《经济学人》(Economist)最近的一篇文章标题所说，数据是“世界上最有价值的资源”。

 

由于数据在推动机器学习和人工智能解决方案方面所发挥的重要作用，天辰测速网址线路测试它在今天被高度重视。训练一个人工智能系统有效运行——从Netflix的推荐引擎到谷歌的自动驾驶汽车——需要大量的数据。

 

其结果是人们痴迷于越来越大的数据。根据流行的观点，拥有最多数据的人可以构建最好的人工智能。从IBM到通用电气，各大公司都在竞相将自己打造成“数据公司”。软银的愿景基金是世界上最大、最具影响力的科技投资机构，它毫不掩饰自己在寻找初创企业时的重点是数据资产。用软银总裁孙正义的话说，“那些控制数据的人将会控制世界。”

 

随着商业和科技世界越来越多地将自己定位于数据，将其作为最终的造王者，人们对一个重要的现实关注得太少:人工智能的未来可能远没有数据密集型。

 

在人工智能的前沿，各种努力正在进行，以开发不需要大量标记数据集的人工智能的改进形式。这些技术将重塑我们对人工智能的理解，并以深远的方式颠覆商业格局。行业领袖最好对此予以关注。

 

今天，为了训练深度学习模型，从业者必须收集成千上万甚至数十亿的数据点。然后，他们必须给每个数据点贴上标签，这是一个昂贵且通常需要手工操作的过程。如果研究人员不需要从现实世界中费力地收集和标记数据，而是能够从头创建所需的准确数据集，那会怎样呢?

 

领先的科技公司——从英伟达这样的老牌竞争对手到应用直觉这样的初创公司——都在开发完全数字化的高保真数据制作方法，而且几乎不需要成本。这些人工创建的数据集可以根据研究人员的精确需求进行定制，并包含数十亿个备选场景。

 

Nvidia的模拟技术主管Mike Skolones说:“在现实世界中，改变照明非常昂贵，你无法改变户外场景中的照明。”但是你可以用合成数据。

 

随着合成数据在准确性上接近真实数据，人工智能将走向大众化，削弱专有数据资产的竞争优势。如果一家公司可以通过模拟快速生成数十亿英里的真实驾驶数据，那么Waymo花费十年时间收集的数百万英里真实驾驶数据又有多少价值呢?在一个数据可以按需以低成本生成的世界里，各行各业的竞争格局将被颠覆。

 

随着人工智能在未来几年变得更聪明，它可能需要更少的数据，而不是更多。

 

Few-Shot学习

 

与今天的人工智能不同，人类不需要看到成千上万的例子来学习一个新概念。正如一篇颇具影响力的谷歌研究论文所指出的，“一个孩子可以从一本书中的一张图片中概括出‘长颈鹿’的概念，但我们最好的深度学习系统需要成百上千的例子。”

 

为了让机器智能在能力上真正接近人类智能，天辰登录天辰平台网址它应该能够像人类那样，从少数例子中学习和推理。这是人工智能一个重要领域的目标，被称为“少弹学习”。

 

令人兴奋的是，最近在少镜头学习方面取得了进展，特别是在计算机视觉领域。(当只使用一个或零个数据点时，这种技术分别称为单点学习或零点学习。)研究人员已经开发了人工智能模型，在适当的情况下，可以在基于一个或几个数据点的面部识别等任务中实现最先进的性能。

 

目前，这些进展仍主要局限于学术界。然而，随着小数据方法在未来几年从学术界转向商业生产，它们将从根本上改变人工智能的方式——在这个过程中侵蚀大数据资产的重要性。

 

深度学习先驱、谷歌和百度前人工智能主管Andrew Ng解释说:“如果你在智能手机上进行视觉检查，你不会看到100万张有划痕的智能手机图片。”“如果你只用100或10张图片就能得到一些东西，就会打开很多新的应用程序。”

 

强化学习

 

最后一种不需要大量真实数据就能取得重大进展的人工智能方法是强化学习。