10.29想法随记
今天被马博士问到，既然我想靠AI数据博取名声，那总得有个具体点的博法吧？
我的第一反应吧，确实是官面话——“帮公司辅助一个牛逼的产品出来，人们用到这个产品觉得牛逼，那我这个曾经在数据上支持过该产品的人也与有荣焉嘛。”
套话自然被马博士揭穿。
蒋博士也适时非常阴险[滑稽]地补刀——“那我说都是因为算法牛逼呀...反正我从别人那听到的都是说算法牛逼的，没有说数据牛逼的~”
我当时心里吐槽，这话真是......我张口也能说：我反正从吧啦吧啦各种名企高管那里听到的都是说数据牛逼（没吹牛逼，真的有哈）~
然而这么去扯是永远争不出什么名堂的。
下来我也跟**和**吹：“咱换一个思路，要证明我们牛逼，那只要让对手的不牛逼不就行了嘛。”
“那你怎么去证明那些数据不牛逼啊？”
灵魂发问。
...实际上吧，其实不用科学地去证明什么，毕竟说服大众的方法，并非只有拿“道理”去论证，大众的接受理由很多时候其实没有那么“严谨”。方法很多，不止黑和白。
当然，就追势现在的体量，讲真，也还没走到紫禁之巅的那步。竞争上并没有激烈到需要这类手段并用的程度。
那就此打住。
回归正题，说说我的看法——
算法、算力和数据是拉动人工智能前进的三驾马车。
从运算智能到感知智能以及认知智能，算法是非常核心的组成部分。不过近年来AI在算法上并没有实现飞跃性的进展（全球）。部分原因是，在一些任务中，该类技术所取得的成果并没有显著增加。例如，在图像识别方面，计算机在完成了对人类的超越以后，便没有更多的建树。这也反映了一个事实，即：有待解决的问题越来越难，进展也越来越慢。
姚期智院士在22号的“2020浦江创新论坛全体大会”上也提到过——机器学习算法缺乏可解释性，很多算法处于“黑盒子”状态。如一个科研团队开发了一个房地产估价系统，系统通过算法学习了各地房地产价格大数据，从而能自动评估房地产价格。然而，这套算法像黑盒子一样，很难给出估价的完整依据。这在商业应用上是短板。算法的可解释性问题亟待科研突破。
提这两个例子想说啥呢，就是，纵然我们也在不断努力优化算法，研究算法。但时至今日的情况是，取得突破性进展是非常非常困难的，有一道甚至好几道瓶颈挡在路前。
当然，这对稍微落后的团队追击先头部队提供了机会。大胆四舍五入一下，算法上，大家花不了太多时间又能汇集到同一水平线上来了。
再说算力，这个就我理解跟硬件性能的关系更大。也不是这篇文章主要要探讨的东西，就先略过。
最后是数据。
数据在感知和认知智能中的应用非常广，需求量也极大，理论上训练数据量趋近于无限，模型的效果也会更优。（暂时没有强人工智能，而“无监督学习”在大多新闻报道里也更多的是和“未来”这个词儿一起用的。）
近年的话，大多数做AI产品的企业对标注数据的需求都是巨量的。很多三方供应商的竞争力多展现在“我们有多少TB，多少PB量级的数据”上。实际情况是：问供应商某某数据有没有，供应商满口回答有有有。等实际入场时才发现，数据根本不可用，有些字段错的离谱，有些字段太稀疏，等你做完清洗，剩下的数据可能跑个逻辑回归都够呛，根本没法上深度学习。
同时还存在的问题是：数据造假，比如本身就是造数据的流程上，员工还偷懒再次造假。
还有数据孤岛，有的存在于企业之间，有的企业内部也因为部门竞争产生，各种手段齐出让你的效果大打折扣，脱敏、二次加工、延时等等等等。
光是单一任务模型的训练就需要消耗海量的数据，而从“任务驱动”的阶段到“条件反射”的实现，人工智能要走的路还很长，需要的标注数据会非常多，当然，遇到的低质数据也会是海量。
因此，我认为数据只看走量和打价格战的时代即将过去，未来随着需求的精细化和AI发展阶段的高端、复杂化，质量一定会成为最重要的评估指标。到这个时候才是看标注人员的水平、态度从而反映其竞争力的时候。
写到这儿，感觉我好像光在阐述数据的重要性，而不是应题的说怎么搞个牛逼的数据让人们认识认识。
其实吧，所谓的“AI数据走量已经接近饱和，现在看的是算法的突破”这类说法我觉得并不全对。因为我自己就是干标注的（全职、兼职、创业），我非常清楚那些标注数据大厂（那些号称99.9%的团队/企业）做的数据是个什么质量，最多90分，而且还是极少数。也就是说所谓的“饱和”其实是用很多次品数据喂出来的。
照我看来，牛逼的数据就是真正紧密贴合当前项目需求的高质数据。
我是可以做的。
至于牛逼到让人们用到/看到/聊到某个产品就能想到这家公司的程度...那需要的是团队间的群策群力，而不是某一个人或部门牛逼或自诩牛逼就能做到的。
或者，你有什么好的想法吗？
[2020年11月上传于追势科技内网]
