从 Model-Centric 到 Data-Centric,MLOps 帮助 AI 多快好省的落地
1. 从Model-Centric到Data-Centric 近年来在国际国内的人工智能研究和应用上出现明显的趋势即AI应用对于模型和算法的提升目前达到一个瓶颈,目前正在从传统的Model-centric(即以模型为中心),在向Data-centric(以数据为中心)进行转变。 曾任斯坦福大学人工智能实验室主任,谷歌人工智能大脑负责人和百度首席人工智能科学家的业内著名学者Andrew Ng(吴恩达)教授2021年在美国通过他创办的DeepLearning.AI发表线上演讲,演讲的题目是《MLOps:From Model-centric to Data-centric AI》,在人工智能行业内引起了很大反响。在他的演讲中,他认为当前在工业界落地人工智能的现状是通过模型调优进行效果提升,远远不如通过数据质量调优带来的效果提升,所以带来的AI落地趋势为从Model-centric向Data-centric进行转变。 具体来说,采用Model-centric的方法就是保持数据不变,不断调整模型算法,比如使用更多更深的网络层、更多的超参数调整等,对最终结果的改善提升空间已经很小了;相反...



