
【2021 AI 人工智慧年會】數據管理後才有價值!Snorkel AI 執行長:AI 須程序化才能成功

Snorkel AI 共同創辦人兼執行長 Alex Ratner 在 2021 AI 人工智慧年會表示,在過去的五年中,機器學習(ML)的新模型架構取得了相當大的躍進,而且當人工智慧(AI) 發展碰到問題時,更容易得到解決方案,效果也更明顯、更強大。
然而,Ratner 認為,要建立這些模型,比以往任何時候都更需要大數據,而且特別仰賴於有大量標記的訓練數據來學習。這種巨大變化導致從以模型為中心的人工智慧發展開始轉變,其中比較明顯的領域是機器學習研發人員從模型開發,轉到以數據為中心的 AI 研究,而且 AI 中心的數據管理變成關鍵的活動和推進的動力。
Ratner 指出,以數據為中心的人工智慧必須經過「程序化」才能成功,這個「程序化」過程包括建立標籤、整合管理、訓練、分析監測,並將他們快速整合。大量收集訓練數據轉化成模型,而這模型中各個部分都相互連接,由點到線,直到變成立體。數據經由不斷累積,而讓 AI 增強學習功能。
Ratner 接著解釋道,模型能加速更多數據收集的進程,進而產生更準確的模型,形成良性循環。此外,訓練數據的量是產生關鍵差異的要點。不過他也指出,現實世界中,還是有執行上的困難,例如同樣一份數據需要各領域的專業人士加入,才能發揮綜效的機會,而且,數據收集無可避免地會碰觸到隱私權這個議題,再來,數據的更新速度太快、資料量太大、過濾數據的時間會很長。
未來機器學習將邁向新里程碑,在模型設計、演算法設計,到擴展模型的規模、自動更新,都是企業拉開差距的關鍵,所以模型必須持續吸收資訊、數據。數據的品質、數量、管理都很重要。Ratner 也表示,中小企業的整合相當重要,因為這能讓大數據的搜集速度更快、更完整,模型也更準確, AI 的應用就能更廣泛。
核稿編輯:Chris
延伸閱讀:
- 【2021 INSIDE 未來日】三專家重磅解說-如何抓住 AIoT 浪潮的機遇,展開行動
- 【2021 INSIDE 未來日】雲端平台龍頭 Akamai 談 AIoT 時代的速度、智慧與安全
- 【社會數位轉型】經濟部AIoT科專研發成果,導入社會下的醫療照顧產業技術