AI说，可能的话，数据多多益善

人工智能应用，数据的重要性不言而喻，但是，实际的例子更能说明问题。

1995年，Yarowsky的一项语义识别研究中有一个问题，“plant”这个词，到底是指“植物”，还是“厂房”？以往的方法，是使用人工标记数据，即利用大量真人阅读上下文（国内已经出现大量人力密集的图片标注公司，大有“数据工厂”的趋势），标注出正确含义，然后使用机器学习算法进行学习。但是研究者发现，利用大量未标记数据（语料库-Corpus）和辞典释义，由算法自行即可达成超过96%的准确识别。

另外一个例子是，Hays和Efros在2007年讨论了一个图片应用，用PS抠除照片上的某个人，如何填补上合适的背景。他们构建了一个算法来完成这个工作，实际应用中发现，当使用1万张照片的时候，算法的表现非常差，超过2百万张照片后，同样的算法，表现极为优异。

以上的两个例子说明了AI的“知识瓶颈”，建立需要处理各种场景的知识和规则体系，与其使用人工定义的规则和知识库，不如采用机器学习的方法，与此同时，知识瓶颈，就变成了数据瓶颈。

当我们询问能够处理多少数据的时候，仿佛听到AI对我们说：

阁下读万卷书，行万里路，或可将数据20亿字节有余，

在下，多多益善。

*参考：《Artificial Intelligence. A mordern approach》

*题图来自网络