多年來，人工智能領(lǐng)域一直專注于創(chuàng)建更好的模型，以推動(dòng)企業(yè)應(yīng)用和研究中提高性能以及提升更廣泛的人工智能能力。

不過，清理和精煉用于這些復(fù)雜模型的大量關(guān)鍵數(shù)據(jù)可能是推動(dòng)未來人工智能進(jìn)步更重要的環(huán)節(jié)。

這是Landing AI的工程技術(shù)主管、MLPerf基準(zhǔn)測試的創(chuàng)始合伙人和數(shù)據(jù)主席Greg Diamos在9月14日的虛擬人工智能硬件峰會(huì)上發(fā)表的演講中傳達(dá)的信息。

Diamos的演講“從以模型為中心轉(zhuǎn)向以數(shù)據(jù)為中心的AI”，重點(diǎn)討論了這種方法的改變將會(huì)對如何構(gòu)建AI系統(tǒng)帶來積極的新影響。

“過去，我們專注于構(gòu)建更大、更快的人工智能模型，可以在更多數(shù)據(jù)上進(jìn)行訓(xùn)練。與此同時(shí)，還需要更大、更快的系統(tǒng)來幫助我們清理和改善數(shù)據(jù)。這就是從以模型為中心的方法向以數(shù)據(jù)為中心的系統(tǒng)的過渡的必要性，這是可以加速和提高人工智能建模的準(zhǔn)確性的地方。”

從目前看，數(shù)據(jù)是瓶頸。通過先進(jìn)的數(shù)據(jù)清理、數(shù)據(jù)增強(qiáng)、數(shù)據(jù)搜索和數(shù)據(jù)標(biāo)記，消除或緩解這一瓶頸，才能提高人工智能解決方案的準(zhǔn)確性和效率。但這需要對目前的方法進(jìn)行重大改變，尤其是這需要人工智能從業(yè)者將注意力重心從模型和算法開發(fā)轉(zhuǎn)移到生產(chǎn)和使用更好的數(shù)據(jù)作為首要任務(wù)上。

Diamos說：“我們在Landing AI上看到，對數(shù)據(jù)的關(guān)注使多個(gè)案例準(zhǔn)確性得到了更大的提高。模型和算法已經(jīng)足夠先進(jìn)，可以在生產(chǎn)中可靠地部署，現(xiàn)在大多數(shù)工作都花在創(chuàng)建和改進(jìn)數(shù)據(jù)上。”

LandingAI是專門從事以數(shù)據(jù)為中心的計(jì)算機(jī)視覺MLOps研究的公司，通過提供軟件工具和轉(zhuǎn)換程序，使客戶能夠利用AI的商業(yè)價(jià)值。

“這并不意味著在模型和算法方面沒有挑戰(zhàn)，但數(shù)據(jù)往往是一個(gè)更大的問題，”他補(bǔ)充說。

那么，如何才能讓更干凈、更好的數(shù)據(jù)成為比目前關(guān)注模型本身更重要的答案呢?

Diamos說:“這是因?yàn)樵诟蓛舻臄?shù)據(jù)上訓(xùn)練的模型需要更少的數(shù)據(jù)來達(dá)到同樣的精度。干凈的數(shù)據(jù)可以讓資源較少的小公司建立精確的機(jī)器學(xué)習(xí)系統(tǒng)，而不需要高性能的訓(xùn)練系統(tǒng)和龐大的互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)抓取，從而使競爭環(huán)境更加公平。這也使得高性能訓(xùn)練系統(tǒng)更加高效。”

關(guān)于改變?nèi)斯ぶ悄芙＜夹g(shù)重點(diǎn)的見解是針對致力于人工智能框架、軟件堆棧、編譯器和加速器的系統(tǒng)構(gòu)建者。他說：“以數(shù)據(jù)為中心的人工智能運(yùn)動(dòng)現(xiàn)在正在獲得重視。”

Diamos說:“隨著人工智能從業(yè)者將注意力從模型和算法開發(fā)轉(zhuǎn)移到他們用來訓(xùn)練模型的數(shù)據(jù)質(zhì)量上，這將為系統(tǒng)構(gòu)建者創(chuàng)造支持?jǐn)?shù)據(jù)創(chuàng)建和迭代的新需求。”