聚焦「以数据为中心的AI」，斯坦福、ETH联合线上研讨会来了 _模型

文章图片

机器学习模型的开发和改进一直是过去十年学术界和工业界关注的重点。而在实际工作中，机器学习应用的开发和维护很多时候是在解决一系列与「数据」相关的问题：

如何降低建立训练数据集的成本 (training set construction for ML)？
如何更有效地收集训练数据 (data acquisition for ML)？
如何分析数据质量对机器学习模型的影响 (estimation of data quality for ML)？
如何为机器学习进行数据清洗 (data cleaning for ML)？
如何评估数据对机器学习的影响 (data valuation and influence for ML)？
如何系统化地进行模型质量评估 (ML model testing)？
如何有效地对机器学习进行监管 (AI regulations and governance)？

这些亟待解决的问题，都在等待更好的方法出现。
推动人工智能技术的进一步发展，既需要我们在「以模型为中心」的方向上持续探索，也需要我们将精力投入到一系列「以数据为中心」的问题上。当前，「以数据为中心的人工智能」 (Data-Centric AI) 研究受到了学术界和工业界的广泛关注，研究者们希望通过系统性地改进和增强数据集，从而提高人工智能模型的准确性和可用性。
2021 年 11 月 17 日至 18 日，斯坦福大学 HAI 研究所和瑞士苏黎世联邦理工学院 ETH AI Center 将联合举办主题为「以数据为中心的人工智能」的线上研讨会。研讨会将围绕「以数据为中心的人工智能 (Data-Centric AI)」展开，介绍其研究历史和发展现状，以及新的研究问题和方向。另外，本次研讨会将发布若干「以数据为中心的人工智能」的基准测试数据集 (Benchmark) ，以便研究人员进一步探索相关问题。