Эндрю Нг – пионер применения GPU для глубокого обучения, соучредитель Google Brain и бывший главный научный сотрудник Baidu – обсудил важность движения data-centric AI («ИИ, ориентированный на данные»), которое он считает ключевым для разработки эффективных ИИ-систем. Он указал, что за последнее десятилетие значительные достижения в глубоком обучении были обусловлены использованием наиболее мощных моделей, обрабатывающих огромные объемы данных. Однако Нг выражает мнение, что этот подход не является универсальным и не сработает в отраслях, где большие наборы данных просто отсутствуют.
В частности, он отметил: «Во многих отраслях, где гигантские наборы данных просто не существуют, я считаю, что внимание должно переключиться с больших данных на качественные данные. Наличие 50 продуманных примеров может быть достаточным, чтобы объяснить нейронной сети, что вы хотите, чтобы она научилась». Это утверждение подчеркивает важность качественного подхода к данным, а не их количества. Нг также говорит о том, что сбор больших объемов данных может быть дорогостоящим мероприятием. «Сбор большего объема данных часто помогает, но если вы пытаетесь собрать больше данных для всего, это может обернуться очень дорогой активностью», – добавил он. В этом контексте он подчеркивает, что компании должны сосредоточиться на качественном подборе данных, а не только на увеличении их объема.
Он также указал на огромный потенциал, который предоставляет движение data-centric AI. «Я думаю, что вполне вероятно, что в этом десятилетии самый крупный сдвиг будет связан с data-centric AI», – утверждает Нг. С учетом того, что нынешние архитектуры нейронных сетей значительно развились, теперь парадигма движения требует систематического подхода к инженерии данных. В контексте обостряющегося вопроса ответственности и предвзятости в ИИ-системах Нг отметил, что к качеству данных важно подходить более ответственно. В этом плане он высоко оценил обсуждения на недавнем семинаре NeurIPS, где исследователи обменивались идеями о том, как data-centric AI может быть изучен и применен для уменьшения предвзятости. Обращаясь к будущему, Нг подчеркнул, что только с помощью творческого подхода к инженерии данных компании смогут разрабатывать надежные и устойчивые ИИ-решения, которые предложат значительные преимущества в производственных и других секторах. Он заключил, что движение data-centric AI ставит вызов: как масштабировать такие решения, не нанимая 10 000 ML-специалистов для 10 000 производителей.
Похожие статьи
