深度学习|深度学习也能不玩大数据？小企业训练大模型有新解( 二 )

文章插图
吴恩达表示，这不仅仅是制造业的问题，以医疗健康领域为例，每家医院的电子版健康记录都有自己的格式，期望每家医院的程序员开发不同的模型是不现实的，唯一的方法就是为客户提供工具，让他们能够构建适配的模型，Landing AI目前在计算机视觉领域推广这样的工具，其他AI领域业需要做这样的工作。
结语：深度学习方法或转向，数据求精不求多长期以来，深度学习模型的更新与优化主要依赖对模型的调整，或直接补充更多数据，反复训练模型，提升模型的准确度。吴恩达则更推荐对少量噪声数据进行数据标记和更新，实现更有针对性的模型优化。
此前，吴恩达在推特上发起了“Data-centric AI”竞赛，使更多从业人员注意到通过数据进行模型优化的方法，越来越多的研究人员使用数据增强（data augmentation）、合成数据（synthetic data）等方法，实现更高效的模型训练。未来，数据优化是否会成为实现模型迭代的主流方法，值得期待。
来源：IEEE