#以資料為導向的人工智慧可以有助於減少生成式AI系統中的幻覺和偏見,從而提高其輸出品質。
譯自The Paradigm Shift from Model-Centric to Data-Centric AI,作者 Rahul Pradhan 擁有16年以上的經驗,目前擔任Couchbase的產品和策略副總裁。
隨著變壓器神經網路和生成對抗網路(GAN)人工智慧(AI)的進步,科技領域正在經歷一次重大變革。這些技術不僅具有巨大的潛力,還能解鎖創新和規模化創造力。它們能夠提供更精確、高效的解決方案,並為各行各業帶來新的商機和發展機會。變壓器神經網路和GAN的結合,使得AI系統能夠更好地理解和產生人類語言、影像和聲音,從而推動了自然語言處理、電腦視覺和語音辨識等領域的發展。隨著這些技術的日益成熟,我們可以期待更多創新的應用和突破的出現,為人類社會帶來更多
隨著AI的發展,數據變得至關重要。數據是推動機器學習專案的生命線,將概念轉化為實用見解。然而,在AI專案中有效利用數據充滿挑戰,這阻礙了其採用和實現轉型價值。
為了增強AI的發展,我們目前正在經歷一個範式的轉變,即從以模型為中心轉向以數據為中心的AI轉型。這種轉變的目的是減少生成對抗網路系統中出現的幻覺和偏見。透過專注於以數據為中心的AI,並將模型更加貼近數據,我們能夠改善AI模型的輸出,並幫助企業充分發掘其潛力。這種轉變將為AI的發展帶來重要的動力。
以模型為中心的AI方法
傳統的以模型為中心的AI方法是機器學習發展的主要方式。它的核心思想是透過不斷迭代改進模型的性能,以產生最佳的模型來處理給定的資料集。研究人員和工程師花費大量時間微調模型的參數、層數和其他架構元素。然而,由於過去建構和微調模型是非常複雜且資源密集的過程,需要深厚的專業知識才能產生有意義的結果,因此數據往往被視為次要的因素。然而,近年來,隨著機器學習技術的進步和運算能力的增強,數據的重要性逐漸受到重視。現代AI方法更重視資料的品質和多樣性,透過更大規模的資料集和更強大的運算能力來訓練模型,從而提升模型的效能和泛化能力。這種以數據為中心的方法已經成為當前機器學習領域的主流趨勢。
向以資料為中心的AI轉型
資料為中心的方法改進了模型訓練的資料質量,包括清理、增強和確保資料代表真實世界場景。
隨著人工智慧(AI)模型的成熟和複雜性的擴展,組織需要集中精力提升資料質量,並建立更緊密的模型和資料之間的聯盟。在這個不斷發展的領域中,進行必要且明確的轉變非常重要:將模型更接近數據,而不是將數據傳輸到模型。這樣可以提高模型輸出的質量,並減少經常困擾AI系統的錯覺。以數據為中心的AI方法是組織的基石,這些組織希望提供基於最新數據的生成和預測體驗。
儘管以資料為中心的AI是未來發展的方向,但以模型為中心的AI仍然在一些場景下發揮關鍵作用。當資料有限或目標是探索模型複雜性和效能極限時,模型為中心的AI尤其重要。它推動著AI研究的前沿,並為解決那些難以獲得高品質數據的問題提供了可能。因此,以模型為中心的AI不僅是數據驅動的AI的補充,而是在AI領域中不可或缺的方法。
以資料為中心思維重新構想AI
透過轉變為確保資料品質和相關性的以資料為中心的AI方法,組織可以獲得以下好處:
透過提高資料品質來橋接現實
以資料為中心方法的典型優勢之一是能夠提供與真實世界場景緊密結合的體驗。與模型往往在低品質資料的謬誤中掙扎的以模型為中心方法不同,以資料為中心的人工智慧(AI)力求彌合AI模型與其試圖導航的動態現實之間的鴻溝。
減輕幻覺的陰影
AI幻覺主要是由缺陷資料造成的,其特徵是產生不正確或虛構的資訊。轉向以數據為中心的方法可以增強減少這些錯誤的可能性。在更乾淨、更具代表性的資料集上訓練模型會產生更準確、更可靠的輸出。
釋放預測和產生AI的全部潛力
在高品質資料的堅實基礎上,組織可以釋放AI預測和生成能力的全部譜系。這種轉變使AI更能夠解釋現有的數據模式,同時也能產生新的見解和體驗,培養創新和明智決策的文化。
以資料引領AI演進的未來
從以模型為中心向以資料為中心的人工智慧(AI)方法轉型,代表了一種基本的思維方式的改變。這是將數據置於AI變革之旅的核心。這種轉變不僅僅是一種技術調整,而是一種概念上的重新校準,將資料置於AI的核心。在組織走上這條道路的過程中,他們必須培養一個強大的數據基礎設施,培養數據素養,並創造一種重視數據的文化,將數據視為AI承諾的基石。
融合兩者的優勢
建立強大的AI解決方案需要對何時強調數據和關注模型創新進行細緻的理解。平衡運用以模型為中心和以資料為中心AI的優勢,對解決當今的AI挑戰至關重要,這樣組織才能從AI專案中獲得最大價值。為了幫助確保AI模型是在最新的數據上開發的,並且準確可靠,組織必須接受向以數據為中心的AI轉型。
以上是人工智慧範式從模型為中心轉向資料為中心的詳細內容。更多資訊請關注PHP中文網其他相關文章!

經常使用“ AI-Ready勞動力”一詞,但是在供應鏈行業中確實意味著什麼? 供應鏈管理協會(ASCM)首席執行官安倍·埃什肯納齊(Abe Eshkenazi)表示,它表示能夠評論家的專業人員

分散的AI革命正在悄悄地獲得動力。 本週五在德克薩斯州奧斯汀,Bittensor最終遊戲峰會標誌著一個關鍵時刻,將分散的AI(DEAI)從理論轉變為實際應用。 與閃閃發光的廣告不同

企業AI面臨數據集成挑戰 企業AI的應用面臨一項重大挑戰:構建能夠通過持續學習業務數據來保持準確性和實用性的系統。 NeMo微服務通過創建Nvidia所描述的“數據飛輪”來解決這個問題,允許AI系統通過持續接觸企業信息和用戶互動來保持相關性。 這個新推出的工具包包含五個關鍵微服務: NeMo Customizer 處理大型語言模型的微調,具有更高的訓練吞吐量。 NeMo Evaluator 提供針對自定義基準的AI模型簡化評估。 NeMo Guardrails 實施安全控制,以保持合規性和適當的

AI:藝術與設計的未來畫卷 人工智能(AI)正以前所未有的方式改變藝術與設計領域,其影響已不僅限於業餘愛好者,更深刻地波及專業人士。 AI生成的藝術作品和設計方案正在迅速取代傳統的素材圖片和許多交易性設計活動中的設計師,例如廣告、社交媒體圖片生成和網頁設計。 然而,專業藝術家和設計師也發現AI的實用價值。他們將AI作為輔助工具,探索新的美學可能性,融合不同的風格,創造新穎的視覺效果。 AI幫助藝術家和設計師自動化重複性任務,提出不同的設計元素並提供創意輸入。 AI支持風格遷移,即將一種圖像的風格應用

Zoom最初以其視頻會議平台而聞名,它通過創新使用Agentic AI來引領工作場所革命。 最近與Zoom的CTO XD黃的對話揭示了該公司雄心勃勃的願景。 定義代理AI 黃d

AI會徹底改變教育嗎? 這個問題是促使教育者和利益相關者的認真反思。 AI融入教育既提出了機遇和挑戰。 正如科技Edvocate的馬修·林奇(Matthew Lynch)所指出的那樣

美國科學研究和技術發展或將面臨挑戰,這或許是由於預算削減導致的。據《自然》雜誌報導,2025年1月至3月期間,美國科學家申請海外工作的數量比2024年同期增加了32%。此前一項民意調查顯示,75%的受訪研究人員正在考慮前往歐洲和加拿大尋找工作。 過去幾個月,數百項NIH和NSF的撥款被終止,NIH今年的新撥款減少了約23億美元,下降幅度接近三分之一。洩露的預算提案顯示,特朗普政府正在考慮大幅削減科學機構的預算,削減幅度可能高達50%。 基礎研究領域的動盪也影響了美國的一大優勢:吸引海外人才。 35

Openai推出了強大的GPT-4.1系列:一個專為現實世界應用設計的三種高級語言模型家族。 這種巨大的飛躍提供了更快的響應時間,增強的理解和大幅降低了成本


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

Atom編輯器mac版下載
最受歡迎的的開源編輯器

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

Dreamweaver CS6
視覺化網頁開發工具

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。