人工智能系统本质上涉及两个主要成分：代码和数据。

 

该代码反映了使用数据训练的人工智能模型或算法。传统的以模型为中心的人工智能侧重于改进代码，以在给定一组固定数据的情况下获得更好的结果。人工智能开发人员通常将其代码学习的训练数据集视为真实标签的集合，并且他们的人工智能模型是为了适应标记的训练数据而设计的。因此，这种方法通常假设训练数据来自人工智能开发过程的外部。

 

另一方面，以数据为中心的人工智能旨在通过将代码视为不可更改的实体来提高数据质量，以实现更好的结果。换句话说，以模型为中心的人工智能涉及开发或改进人工智能模型或算法，而以数据为中心的人工智能则涉及数据的标记、增强、管理和整理。以数据为中心的人工智能看似是对数据的预处理，但它强调的是一个迭代的人工智能生命周期，包括数据收集、模型训练和分析错误。

 

在以模型为中心的人工智能中，我们花相对更多的时间来优化人工智能模型，而在以数据为中心的人工智能中，我们花更多的时间在数据质量改进上。以模型为中心，我们的目标是为给定问题找到最合适的人工智能模型或优化技术，而以数据为中心，我们的目标是找到给定问题收集的数据中的不一致之处。

 

如今，以模型为中心的人工智能倾向于在大规模数据集上优化更大的人工智能模型，因此需要大规模数据集和大量计算资源，而以数据为中心的人工智能可能需要领域知识或专家来发现数据中的不一致之处。

 

尽管大多数以数据为中心的人工智能想法已经作为人工智能社区的传统智慧而存在，但以数据为中心的人工智能旨在建立一种系统的方法和促进这一过程所需的工具。

    上一篇我们送上的文章是 哪些医疗职业可以在道德上被人工智能取代？ ， _!在下一篇继续做详细介绍，如需了解更多，请持续关注。
本文由日本NEC锂电池中国营销中心于2023-07-16 17:18:40 整理发布。
转载请注明出处.