90％论文都是以模型为中心，AI领域，数据和模型到底哪个重要？选自neptune.ai作者：HarshilPatel机

选自neptune.ai
作者：HarshilPatel
机器之心编译
在机器学习领域，数据重要还是模型重要？这是一个很难回答的问题。
【90％论文都是以模型为中心，AI领域，数据和模型到底哪个重要？】模型和数据是AI系统的基础，这两个组件在模型的开发中扮演着重要的角色。
人工智能领域最权威的学者之一吴恩达曾提出「80%的数据+20%的模型=更好的机器学习」，他认为一个团队研究80%的工作应该放在数据准备上，数据质量是重要的，但很少有人在乎。如果更多地强调以数据为中心而不是以模型为中心，机器学习会发展的更快。
我们不禁会问，机器学习的进步是模型带来的还是数据带来的，目前还没有一个明确的答案。
在本文中， Android开发者和机器学习爱好者HarshilPatel介绍了「机器学习：以数据为中心VS以模型为中心」，通过对比以确定两者中哪个更重要，此外， Patel还介绍了如何使用以数据为中心的基础设施。

文章图片
以数据为中心的方法VS以模型为中心的方法
以模型为中心的方法意味着需要通过实验来提高机器学习模型性能，这涉及模型架构的选择、训练过程。而在以模型为中心的方法中，你需要保持数据相同，通过改进代码和模型架构来提高性能。此外，对代码的改进是以模型为中心的根本目标。
目前，大多数AI应用都是以模型为中心的，其中一个可能的原因是学术研究非常重视AI领域。根据吴恩达的说法， AI领域90%以上的研究论文都是以模型为中心的，因为我们很难创建大型数据集，使其成为公认的标准。因此， AI社区认为以模型为中心的机器学习更有前景。研究者在专注于模型的同时，往往会忽略数据的重要性。
对于研究者而言，数据是每个决策过程的核心，以数据为中心的公司通过使用其运营产生的信息，可以获得更准确、更有条理、更透明的结果，从而可以帮助公司组织更顺利地运行。以数据为中心的方法涉及系统地改进、改进数据集，以提高ML应用程序的准确性，对数据进行处理是以数据为中心的中心目标。

文章图片
数据驱动VS以数据为中心
许多人经常混淆「以数据为中心」和「数据驱动」这两个概念。数据驱动是一种从数据中收集、分析和提取见解的方法，它有时被称为「分析」。另一方面，以数据为中心的方法侧重于使用数据来定义应该首先创建的内容；而以数据为中心的架构指的是一个系统，其中数据是主要和永久的资产。数据驱动架构意味着通过利用大量数据来创建技术、技能和环境。
对于数据科学家和机器学习工程师来说，以模型为中心的方法似乎更受欢迎。这是因为从业者可以利用自身知识储备来解决特定问题。另一方面，没有人愿意花大量时间去标注数据。
然而，在当今的机器学习中，数据至关重要，但在AI发展中却经常被忽视和处理不当。由于数据错误，研究者可能花费大量时间进行查错。模型精度较低的根本原因可能不是来自模型本身，而是来自错误的数据集。

文章图片
除了关注数据外，模型和代码也很重要。但研究者往往倾向于在关注模型的同时忽略数据的重要性。最好的方法是同时关注数据和模型的混合方法。根据应用程序的不同，研究者应该兼顾数据和模型。