观点 | 谷歌证明数据为王,初创公司们被泼上了一盆冰水

AI 科技评论按:上周我们报道了谷歌的一项研究 “数据为王”是真的吗?谷歌轻抚着100倍的数据量点了点头 - AI科技评论,它直观地体现了更多训练数据可以带来更好的结果,但连线(WIRED)的这篇文章就表示了对这一结果的担忧。AI 科技评论对原文编译如下。

上一周,谷歌又发布了一项破纪录的AI研究,不过这次的研究结果是对目前 AI 商业化热潮的一盆冷水。传统上大家都认为科技企业的生态系统是靠小公司颠覆大公司、大公司随之瓦解,从而保持创新和非垄断的,消费者和整个科技经济都逐渐变得越来越依赖这种模式。可是当科技竞争的武器成为机器学习,而机器学习又需要用海量数据训练的时候,想要正面打败一个科技巨头就会变得前所未有地难。

这项谷歌与CMU(卡耐基梅隆大学)合作进行的图像识别研究开支非常高,它占用了50个高性能 GPU整整2个月的时间,而且用到的带标签图像数量也达到了史无前例的3亿张(这个领域多数的研究用到的标准数据库大小仅仅是1百万张图像而已)。这项研究的目的是测试有没有办法继续提升图像识别的正确率,尤其不是靠优化现有算法,而仅仅靠十倍的、上百倍的数据。

实验结果是肯定的。在谷歌和CMU的研究人员用叹为观止的3亿张图片的新数据库训练了一个标准的图像识别系统以后,他们表示这个系统在多项图像理解测试中的表现都创下了新高。比如识别照片中的物体,算法的识别准确率和训练所用的数据量之间有明显的正相关。AI研究界的上空曾经盘踞着这个问题,“仅仅靠更多的训练数据能否从现有算法压榨出更多的潜能”,这次谷歌和CMU的研究结果就可以算是给出了明确的答案。

这种对于已经很多的数据还能得到“更多数据=更好表现”的结果提醒了大家,谷歌、Facebook、微软这样的拥有大量数据的科技巨头占据的优势可能要比之前普遍认为的还要大。目前看起来谷歌的3亿张图片的数据库带来的提升并不算大,训练数据从一百万增加到3亿也仅仅提升了3%的物体识别正确率,但是论文作者们表示,他们觉得可以把软件部分调整得更适合超大量的数据,从而进一步扩大数据量带来的优势。即便最后的结果没有那么理想,科技界中微小的优势也可能会带来显著的影响,比如自动驾驶汽车的视觉系统识别准确率继续提升一点点都举足轻重,产品的每一点点效率提升也都可以带来十几亿的营收增长。

对于把 AI 作为发展核心的公司们来说,囤积数据作为一种防御策略已经得到了充分的讨论和执行。谷歌、微软等等公司已经开源了许多软件甚至硬件设计,给更多人提供了丰富的工具,但是对喂给这些工具的数据却是越发守口如瓶。科技公司确实会发布一些数据,谷歌去年发布了一个来自7百万个YouTube视频的大型数据集,Salesforce也发布了一个来自Wikipedia的数据集用于让机器学习模型学习人类语言。但是 AI 开发实验室 Manifold 的合伙人、劳伦斯伯克利国家级实验室的访问学者 Luke de Oliveira说,(正如我们所想的那样)这些公开的数据对潜在的竞争者来说往往没有多少价值。“那些会影响自家产品保持市场地位的关键数据,他们是永远也不会公开的”,他说。

谷歌和CMU的研究者确实表示他们希望这项对于海量数据价值的研究可以催生出跟谷歌的数据规模类似的超大规模开源图像数据集。“我们由衷地希望这项研究可以激励视觉研究社区重视数据的重要性,并且集合多方力量建立更大的数据集”,他们写道。CMU的 Abhinav Gupta也参与了这项研究,他说有一种方法是与通用视觉数据基金会(Common Visual Data Foundation)合作;这是一家由Facebook和微软发起的非营利机构,它就已经发布过一些开源图片数据集。

与此同时,手中数据少的公司如果想在数据的“富人”能靠数据变得更聪明的世界中生存下来,得自己变得有创意一点。初创公司DataRobot的CEO Jeremy Achin就猜测小公司们之间可能会共享数据来让他们的风险预测能力可以与体量大的竞争对手匹敌。这种做法以前在保险业中见过,未来可能变得越来越普遍,因为机器学习已经在越来越多的各界企业中展现了它的重要性。

未来机器学习的发展如果能够降低对数据量的需求,是有可能颠覆当下 AI 的“数据”生态的,Uber去年就收购了一家做这方面研究的公司。不过即便现在也可以尝试回避局内 AI 玩家的常见数据优势。一家研究如何提高机器学习易用性的公司 Fast.ai 的联合创始人 Rachel Thomas 说,初创公司可以另辟战场,在互联网巨头的视野之外寻找机器学习的应用场景从中获利,比如农业方面。“我觉得这些大公司不见得在每个地方都有很大的优势,其实许多特定领域内的数据根本就没人收集”,她说。在她看来即便是人工智能的巨头也会有盲点。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-07-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

探讨自然语言处理的商业落地:从基础平台到数据算法 | CCF-GAIR 2018

AI 科技评论按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了...

1504
来自专栏BestSDK

如何利用大数据进行预测性营销,看完这8个深度解答你就懂了

1、什么是精准营销,预测营销? 说到精准营销,不得不先提个性化的用户画像,我们针对每一类数据实体,进一步分解可落地的数据维度,刻画他/她的每一个特征,在聚集起来...

9874
来自专栏summer it专栏

大数据时代(BIG DATA)

结语,正在发生的未来。凡是过去,皆为序曲。历史最悠久的做事方法并不是最好的。大数据时代是名副其实的“信息社会”。大数据给我们带来了巨大的风险,但我们可以建立规范...

2075
来自专栏钱塘大数据

【大咖说】发展大数据不要一味追求数据规模大,要“应用为先”

导读:中国信息化百人会学术委员、中国工程院院士李国杰认为,目前大数据技术还不成熟,面对海量、异构、动态变化的数据,传统的数据处理和分析技术难以应对,现有的数据处...

3626
来自专栏人工智能头条

BDTC 2015之机器学习关注:金榕、漆远、余轶南的分享,百度、阿里、滴滴、微博的实践

1533
来自专栏机器之心

业界 | 阅面科技发布堪比服务器的终端视觉模块,将云端计算能力搬至终端

34112
来自专栏钱塘大数据

《哈佛商业评论》:人工智能商业之路的机遇和挑战

250多年来,经济增长的根本动力一直是技术创新。其中最重要的是经济学家所谓的通用技术——包括蒸汽机、电力和内燃机。每一个都催化了互补创新和机遇的浪潮。例如,内燃...

35911
来自专栏AI科技评论

盘点丨2016 这一年,深度学习开始主宰互联网

AI 科技评论按:2016 即将画上句号,当我们回顾这一年的科技进展时,很难不联想到一个词——深度学习。当它从研究室中脱胎而出,并成为今年的当红热词,实际上我们...

3366
来自专栏企鹅号快讯

不仅仅是机器学习,快速了解人工智能的六大领域

提示:阅读本文预计需要10分钟,读完后希望能够帮助您对人工智能的六大领域有一个基本的全貌认识。 12月7月到12月9日,中国大数据峰会在北京召开,公司帮我弄到了...

1937
来自专栏机器之心

AI Talk | 思必驰首席科学家俞凯:深度绑定底层研究和产业问题

机器之心原创 作者:高琳 这个世界上的研究,总会有一些人去坐冷板凳,而坐冷板凳的人,他今天去坐明天不一定去坐。就像深度学习现在这么热,之前也有过很冷的阶段。 创...

4158

扫码关注云+社区