For investors
股价:
5.36 美元 %For investors
股价:
5.36 美元 %认真做教育 专心促就业
当人工智能进入实际应用时,碰到的大多数都是复杂的问题。 然而现阶段, 人工智能对于这些问题,并不能进行有效的自行分解和信息收集, 导致在实际的工作中,往往卡壳在数据问题上。
其中如下问题比较突出:
数据可得性问题, 由于数据权属导致大量且结构化的业务数据极其难找, 或者需要花费大量精力
脏数据问题, 在实际生产过程中, 90%以上的精力被花费在数据清洗过程中。在实际的数据生产过程中各种技术问题、人为偏见问题、信息标注问题,都可能导致数据出错。
数据流转动速的问题, 在实验室中, 你很容易拿着两份数据来评估模型的准确性。但进入实际应用中,我们往往预测的是未来, 这个时候,现实数据能不能及时喂给模型就很重要了。
不充分的数据造成算法偏见, 比如以人脸来判断犯罪概率
目前的大数据和人工智能算法中仍然存在着大量的数据缺口,以及偏见, 就如搜索中的性别问题、外卖算法无法帮助骑手识别风险等等。
现实问题过于复杂, 所以AI的大规模应用, 必然要伴随整个社会数据使用生态的改良,数据安全在有序的状态下公平正义地运行。
【免责声明】本文系本网编辑部分转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与管理员联系,我们会予以更改或删除相关文章,以保证您的权益!更多内容请添加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。