近日全球AI和機器學(xué)習(xí)領(lǐng)域權(quán)威學(xué)者、前百度公司首席科學(xué)家吳恩達教授在談到其對AI下一步的發(fā)展趨勢時說，“不要相信那種（基于海量數(shù)據(jù)的AI優(yōu)勢）炒作。”

我們都知道，AI的發(fā)展離不開大量的數(shù)據(jù)。大數(shù)據(jù)和大模型構(gòu)成了AI的兩條腿，缺一不可。一提到AI，就會說訓(xùn)練模型的數(shù)據(jù)量有多大，到目前為止頂尖AI訓(xùn)練模型的數(shù)據(jù)參數(shù)規(guī)模已經(jīng)到了萬億級別，不可謂不大，可以說是真的大數(shù)據(jù)了。
 
然后AI卻不一定是數(shù)據(jù)越多，模型越大就是最好的，在很多場景下，尤其是在傳統(tǒng)行業(yè)，基于公開數(shù)據(jù)進行預(yù)訓(xùn)練的大模型好像就不靈了。很多時候，并不需要那么多的數(shù)據(jù)，數(shù)據(jù)量大反而會裹挾很多用不到的數(shù)據(jù)，影響運算效率和最終的產(chǎn)出。

隨著各國的數(shù)據(jù)和隱私安全法規(guī)的紛紛落地，能拿到的公開數(shù)據(jù)量或者能夠合法使用的數(shù)據(jù)量，已經(jīng)不能跟前幾年同日而語，AI的大數(shù)據(jù)紅利期已經(jīng)過去。

根據(jù)Gartner的報告，到2025年，70%的組織將被迫將重點從大數(shù)據(jù)轉(zhuǎn)移到小數(shù)據(jù)和泛數(shù)據(jù)，并減少AI對數(shù)據(jù)的需求。但這并不意味著大數(shù)據(jù)以及AI的發(fā)展會止步不前。

以往的大數(shù)據(jù)一味地追求數(shù)據(jù)參數(shù)規(guī)模大，對數(shù)據(jù)質(zhì)量的把控比較薄弱，在數(shù)據(jù)應(yīng)用方面也不夠普遍。反而小數(shù)據(jù)和泛數(shù)據(jù)更符合國內(nèi)企業(yè)的實際，可以根據(jù)具體的場景構(gòu)建特定的數(shù)據(jù)模型，從而生成商業(yè)洞察和實現(xiàn)自動化決策。

而目前，小數(shù)據(jù)的處理方案也是多種多樣，常見的有少樣本學(xué)習(xí)、知識圖譜、遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)、合成數(shù)據(jù)等。

大數(shù)據(jù)固然好，但小數(shù)據(jù)才是常態(tài)，尤其是在各國陸續(xù)出臺針對個人數(shù)據(jù)保護的政策法規(guī)之后，大規(guī)模收集個人相關(guān)的數(shù)據(jù)收集開始變得很難。但即使這樣，通過科學(xué)的數(shù)據(jù)采集、數(shù)據(jù)治理，小數(shù)據(jù)也一樣可以發(fā)揮大作用。

光點科技自主研發(fā)的GI大數(shù)據(jù)中臺系統(tǒng)，就是幫助客戶把海量分散且異構(gòu)的數(shù)據(jù)建立數(shù)據(jù)標(biāo)準，統(tǒng)一口徑后采集存儲起來，再通過大數(shù)據(jù)、機器學(xué)習(xí)等方式進行價值提煉，形成企業(yè)數(shù)據(jù)資產(chǎn)，為政企單位的商業(yè)洞察和自動化決策提供支持，賦能前端業(yè)務(wù)。

數(shù)據(jù)無疑已經(jīng)成為了這個時代最重要的生產(chǎn)要素，作為政企單位重要的戰(zhàn)略資源，那些優(yōu)質(zhì)的小數(shù)據(jù)，即使參數(shù)量級不大，潛力也不容小覷，在不遠的未來必將發(fā)揮更大的價值。

田鑫，專業(yè)的企業(yè)組網(wǎng)服務(wù)商，致力于為企業(yè)提供企業(yè)組網(wǎng)（SD-WAN、MPLS、云互聯(lián)），業(yè)務(wù)云化、數(shù)據(jù)中心、網(wǎng)絡(luò)安全、行業(yè)IT解決方案等相關(guān)服務(wù)。