人工智能有一個大數(shù)據(jù)問題以下是解決方法

毫不夸張地說，人工智能已經(jīng)遇到了一個大數(shù)據(jù)問題，而危機現(xiàn)在已經(jīng)讓這個問題變得不可能再被忽視。

對于企業(yè)、政府和個人來說，這場全球大流行有效地重新定義了“正?！鄙?但是，盡管我們大多數(shù)人現(xiàn)在已經(jīng)適應(yīng)了這種變化，AI系統(tǒng)卻不能這樣說，因為它們的預(yù)測是建立在過去的樣子之上的。

在CogX 2020大會上，英國數(shù)學(xué)家大衛(wèi)·巴伯說:“人工智能系統(tǒng)的部署目前是笨拙的。通常，你去那里，收集你的數(shù)據(jù)集，標(biāo)記它，培訓(xùn)系統(tǒng)，然后部署它。就是這樣——你不必重新訪問已部署的系統(tǒng)。但如果環(huán)境在變化，這就不好了。”

巴伯指的是監(jiān)督機器學(xué)習(xí)，他將其稱為當(dāng)今人工智能的“經(jīng)典范式”，包括通過實例來教算法。在監(jiān)督模型中，人工智能系統(tǒng)被輸入一個大數(shù)據(jù)集，這些數(shù)據(jù)集之前已經(jīng)被人類標(biāo)記過，用來訓(xùn)練技術(shù)識別模式和做出預(yù)測。

例如，您可以訓(xùn)練一種算法來基于個人收入或信用評分自動化銀行的貸款決策。如果出現(xiàn)，再加上一套全新的銀行模式，人工智能系統(tǒng)很可能無法決定誰能得到這筆錢。

同樣，危機爆發(fā)幾個月后，一位美國研究人員指出，盡管已經(jīng)向算法提供了所有的訓(xùn)練數(shù)據(jù)，但算法對于理解疫情的性質(zhì)或其在全球的傳播并沒有多大幫助。

這項研究解釋說，由于缺乏關(guān)于過去的培訓(xùn)數(shù)據(jù)，人工智能工具產(chǎn)生的大多數(shù)預(yù)測被發(fā)現(xiàn)缺乏可靠性，結(jié)果往往偏離了危機的嚴(yán)重性。

與此同時，在healthtech，人工智能健康工具的制造商難以更新自己的算法，原因是缺乏有關(guān)該病毒的相關(guān)數(shù)據(jù)，導(dǎo)致許多“癥狀發(fā)現(xiàn)者”(symptom finder)聊天機器人出現(xiàn)了一點問題。

由于來自前covid環(huán)境的數(shù)據(jù)不再與現(xiàn)實世界相匹配，監(jiān)督算法正在耗盡其預(yù)測所依據(jù)的例子。更糟糕的是，人工智能系統(tǒng)不會將它們的不確定性告知人類操作員。

巴伯說:“人工智能不會告訴你，它實際上對自己的預(yù)測的準(zhǔn)確性沒有信心，需要人類介入?！薄斑@些系統(tǒng)中有很多不確定因素。因此，當(dāng)人工智能對自己的決定沒有信心時，提醒人類是很重要的?！?/p>

這就是巴伯所說的“人工智能同事情境”，在這種情境中，人類和機器將進(jìn)行互動，以確?？瞻撞粫惶钛a。事實上，它是人工智能中的一種方法，正慢慢成為一種特別有效的方法。

它被稱為“主動學(xué)習(xí)”，包括在人工智能系統(tǒng)和人類操作員之間建立一種“師-學(xué)”關(guān)系。主動學(xué)習(xí)不是向算法提供一個巨大的標(biāo)記數(shù)據(jù)集，然后讓它得出結(jié)論——通常是以一種不那么透明的方式——而是讓人工智能系統(tǒng)自己做大量的數(shù)據(jù)標(biāo)記，而且最重要的是，當(dāng)它有疑問時提出問題。

這個過程涉及到一個小的人工標(biāo)記數(shù)據(jù)池，稱為種子，用于訓(xùn)練算法。人工智能系統(tǒng)隨后會得到一組更大的未標(biāo)記數(shù)據(jù)，算法會根據(jù)自己的訓(xùn)練對其進(jìn)行注釋，然后再將這些新標(biāo)記的數(shù)據(jù)整合回種子中。

當(dāng)工具對某個特定的標(biāo)簽沒有信心時，它可以以查詢的形式向人工操作人員請求幫助。然后，人類專家做出的選擇會反饋給系統(tǒng)，以改善整個學(xué)習(xí)過程。

主動學(xué)習(xí)的直接吸引力在于訓(xùn)練系統(tǒng)所需的標(biāo)記數(shù)據(jù)量要小得多。監(jiān)督算法，因為它們不能自己學(xué)習(xí)，所以需要人類提供大量的帶標(biāo)簽的例子。這意味著需要為任何給定的數(shù)據(jù)集手工標(biāo)記數(shù)十億個數(shù)據(jù)點，這將是一個漫長而昂貴的過程。

一些平臺，如亞馬遜的土耳其機器人，甚至專門將遍布全球的大量低成本勞動力連接起來。他們被稱為“土耳其人”，每天點擊數(shù)千張圖片，按要求注釋數(shù)據(jù)點，所有這些都將用于訓(xùn)練未來的算法。

另一方面，主動學(xué)習(xí)只需要標(biāo)記一個小的數(shù)據(jù)種子池。事實上，Barber估計該過程所涉及的注釋要少十倍。

他不是唯一一個發(fā)現(xiàn)這種方法的特殊好處的人。尤其是大型科技公司，它們對減少為自己的算法提供標(biāo)簽數(shù)據(jù)的數(shù)量有著濃厚的興趣。

Facebook的人工智能部門在開發(fā)一種人工智能學(xué)習(xí)模型和多種應(yīng)用程序上投入了大量資金，包括識別有害內(nèi)容。這家科技巨頭最近公布的結(jié)果顯示，其人工智能團(tuán)隊使用一種師生結(jié)合的方法，成功地訓(xùn)練了一種基于10億張未標(biāo)記圖像的圖像分類算法，使用的是“相對較小的”標(biāo)記數(shù)據(jù)集。

但這不僅僅是關(guān)于減少數(shù)據(jù)標(biāo)記的過程:主動學(xué)習(xí)也比監(jiān)督學(xué)習(xí)更有效。當(dāng)它面對不確定的數(shù)據(jù)時，能夠向人類請教如何關(guān)注，這意味著一個“活躍的”人工智能系統(tǒng)不僅能對未知做出反應(yīng)，還能從中學(xué)習(xí)。

在內(nèi)容審核的情況下，一個“主動”算法會做出更明智的決定，因為它會越來越多地學(xué)會發(fā)現(xiàn)越來越多的微妙形式的內(nèi)容違規(guī)。一個“活躍的”人工智能系統(tǒng)在自然語言處理或醫(yī)學(xué)成像方面也會非常高效。

Barber補充說，該技術(shù)的一個高調(diào)應(yīng)用是在無人駕駛汽車上，在無人駕駛汽車上，視頻仍然需要被分割成部分，并標(biāo)記為“行人”、“汽車”、“樹”和其他物體，汽車需要識別。注釋數(shù)以百萬計的視頻既費時又昂貴;另一方面，讓算法學(xué)習(xí)和提問可以顯著加快這一過程。

而且，當(dāng)全球大流行襲來時，“活躍的”人工智能系統(tǒng)將能夠?qū)崟r整合新的數(shù)據(jù)，以及一些人工輸入，然后調(diào)整它們的預(yù)測——而不是等待大型數(shù)據(jù)集被人工注釋以供訓(xùn)練。

Barber對ZDNet表示:“如果你正在使用收集大量數(shù)據(jù)、然后訓(xùn)練深度學(xué)習(xí)模型的傳統(tǒng)方法開發(fā)AI，那么就只能這么快了。”“在傳統(tǒng)模式下，不到幾個月就能有一款新模式投入生產(chǎn)已經(jīng)很幸運了。但在主動學(xué)習(xí)的情況下，這最多只需要幾天時間。”

這位數(shù)學(xué)家與人共同創(chuàng)立了Re:infer公司，該公司利用主動學(xué)習(xí)來幫助企業(yè)更好地理解和自動處理每天從供應(yīng)商那里收到的電子郵件、電話和聊天。

傳統(tǒng)上，為這一特定任務(wù)構(gòu)建算法，需要從給定企業(yè)收到的數(shù)千條客戶信息中手動標(biāo)記每句話，然后將其作為訓(xùn)練輸入人工智能系統(tǒng)。

然而，使用主動學(xué)習(xí)，算法可以快速從基礎(chǔ)數(shù)據(jù)集中學(xué)習(xí)，并且只向員工展示它不確定的句子。根據(jù)Barber的說法，該方法將整個流程的估值時間提高了10到100倍。

見:人工智能在診斷中遇到了一個大數(shù)據(jù)問題

在與Barber舉行的同一個會議上，倫敦大學(xué)學(xué)院計算機科學(xué)教授Emine Yilmaz同意主動學(xué)習(xí)具有很大的潛力。她表示:“未來幾年，我們的目標(biāo)是建立一種人工智能向我們學(xué)習(xí)的模式。”

“一個系統(tǒng)應(yīng)該能夠說，它對一個給定的分類是不確定的，它有困難。它應(yīng)該能夠直接向人類提問，就像孩子學(xué)習(xí)一樣，”她補充道。

人類與人工智能之間的互動達(dá)到了新的水平，這很可能有利于這種算法:耶爾馬茲認(rèn)為，這種方法可能會克服一些員工對在工作場所使用這種技術(shù)的恐懼。在這種情況下，主動人工智能可以提供一種更溫和的選擇，讓算法充當(dāng)合作者，而不是替代者。

盡管這個算法同事非常聰明，但它仍然不時地需要人類的幫助。不管這聽起來是不是一種自然的工作關(guān)系，“人在回路中”的概念無疑似乎是對人工智能大數(shù)據(jù)問題的一種改進(jìn)，而且可能是一種解決方案。