数据驱动：人工智能范式转变中，从模型为中心转向数据为核心
面向数据的人工智能可以有助于减少生成式AI系统中的幻觉和偏见，从而提高其输出质量。译自TheParadigmShiftfromModel-CentrictoData-CentricAI，作者RahulPradhan拥有16年以上的经验，目前担任Couchbase的产品和战略副总裁。随着变压器神经网络和生成对抗网络（GAN）人工智能（AI）的进步，科技领域正在经历一次重大变革。这些技术不仅具有巨大的潜力，还能解锁创新和规模化创造力。它们能够提供更精确、高效的解决方案，并为各行各业带来新的商机和发展机会。变压
面向数据的人工智能可以有助于减少生成式AI系统中的幻觉和偏见，从而提高其输出质量。
译自The Paradigm Shift from Model-Centric to Data-Centric AI，作者 Rahul Pradhan 拥有16年以上的经验，目前担任Couchbase的产品和战略副总裁。
随着变压器神经网络和生成对抗网络（GAN）人工智能（AI）的进步，科技领域正在经历一次重大变革。这些技术不仅具有巨大的潜力，还能解锁创新和规模化创造力。它们能够提供更精确、高效的解决方案，并为各行各业带来新的商机和发展机会。变压器神经网络和GAN的结合，使得AI系统能够更好地理解和生成人类语言、图像和声音，从而推动了自然语言处理、计算机视觉和语音识别等领域的发展。随着这些技术的日益成熟，我们可以期待更多创新的应用和突破的出现，为人类社会带来更多
随着AI的发展，数据变得至关重要。数据是推动机器学习项目的生命线，将概念转化为实用见解。然而，在AI项目中有效利用数据充满挑战，这阻碍了其采用和实现转型价值。
为了增强AI的发展，我们目前正在经历一个范式的转变，即从以模型为中心转向以数据为中心的AI转型。这种转变的目的是减少生成对抗网络系统中出现的幻觉和偏见。通过关注以数据为中心的AI，并将模型更加贴近数据，我们能够改善AI模型的输出，并帮助企业充分发掘其潜力。这种转变将为AI的发展带来重要的推动力。
以模型为中心的AI方法
传统的以模型为中心的AI方法是机器学习发展的主要方式。它的核心思想是通过不断迭代改进模型的性能，以生成最佳的模型来处理给定的数据集。研究人员和工程师花费大量时间微调模型的参数、层数和其他架构元素。然而，由于过去构建和微调模型是非常复杂且资源密集的过程，需要深厚的专业知识才能产生有意义的结果，因此数据往往被视为次要的因素。然而，近年来，随着机器学习技术的进步和计算能力的增强，数据的重要性逐渐得到重视。现代AI方法更加注重数据的质量和多样性，通过更大规模的数据集和更强大的计算能力来训练模型，从而提升模型的性能和泛化能力。这种以数据为中心的方法已经成为当前机器学习领域的主流趋势。
向以数据为中心的AI转型
数据为中心的方法改进了模型训练的数据质量，包括清理、增强和确保数据代表真实世界场景。
随着人工智能(AI)模型的成熟和复杂性的扩展，组织需要集中精力提升数据质量，并建立更紧密的模型和数据之间的联盟。在这个不断发展的领域中，进行必要而明确的转变非常重要：将模型更接近数据，而不是将数据传输到模型。这样可以提高模型输出的质量，并减少经常困扰AI系统的错觉。以数据为中心的AI方法是组织的基石，这些组织希望提供基于最新数据的生成和预测体验。
尽管以数据为中心的AI是未来发展的方向，但以模型为中心的AI仍然在一些场景下发挥着关键作用。当数据有限或目标是探索模型复杂性和性能极限时，模型为中心的AI尤为重要。它推动着AI研究的前沿，并为解决那些难以获得高质量数据的问题提供了可能。因此，模型为中心的AI不仅仅是数据驱动的AI的补充，而是在AI领域中一种不可或缺的方法。
用数据为中心思维重新构想AI
通过转变为确保数据质量和相关性的以数据为中心的AI方法，组织可以获得以下好处:
通过提高数据质量来桥接现实
以数据为中心方法的典型优势之一是能够提供与真实世界场景紧密结合的体验。与模型往往在低质量数据的谬误中挣扎的以模型为中心方法不同，以数据为中心的人工智能(AI)力求弥合AI模型与其试图导航的动态现实之间的鸿沟。
减轻幻觉的阴影
AI幻觉主要是由缺陷数据造成的，其特征是生成不正确或虚构的信息。转向以数据为中心的方法可以增强减少这些错误的可能性。在更干净、更具代表性的数据集上训练模型会产生更准确、更可靠的输出。
释放预测和生成AI的全部潜力
在高质量数据的坚实基础上，组织可以释放AI预测和生成能力的全部谱系。这种转变使AI更能够解释现有的数据模式，同时也可以生成新的见解和体验，培育创新和明智决策的文化。
以数据引领AI演进的未来
从以模型为中心向以数据为中心的人工智能(AI)方法转型，代表了一种基本的思维方式的改变。这是将数据置于AI变革之旅的核心。这种转变不仅仅是一种技术调整，而是一种概念上的重新校准，将数据置于AI的核心。在组织走上这条道路的过程中，他们必须培育一个强大的数据基础设施，培养数据素养，并营造一种重视数据的文化，将数据视为AI承诺的基石。
融合两者的优势
构建强大的AI解决方案需要对何时强调数据和关注模型创新进行细致的理解。平衡运用以模型为中心和以数据为中心AI的优势，对解决当今的AI挑战至关重要，这样组织才能从AI项目中获得最大价值。为了帮助确保AI模型是在最新的数据上开发的，并且准确可靠，组织必须接受向以数据为中心的AI转型。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
