很多人都知道什么大數(shù)據(jù)，但是有多少人知道小數(shù)據(jù)及其在機器學(xué)習(xí)中的重要性?小數(shù)據(jù)是指以一定數(shù)量和格式出現(xiàn)的數(shù)據(jù)，使其可供人類訪問、提供信息和可操作。大數(shù)據(jù)通常與機器有關(guān)，小數(shù)據(jù)與人類有關(guān)。

理解大數(shù)據(jù)的唯一方法是將其縮減為更小的、具有視覺吸引力的對象，這些對象代表大數(shù)據(jù)集的各個方面。例如，通過傳感器收集氣象數(shù)據(jù)，并通過計算機處理全國各地的天氣報告大量數(shù)據(jù)，并將其轉(zhuǎn)換為圖表或圖形形式的小數(shù)據(jù)，然而通過電視新聞播放，人們通過這種形式很容易了解天氣狀況。

小數(shù)據(jù)如何有效?

對于人工智能的理解，數(shù)據(jù)起著重要的作用。訓(xùn)練人工智能需要大量數(shù)據(jù)。這種認(rèn)為人工智能需要大量數(shù)據(jù)才能運行的假設(shè)忽略了存在性，并掩蓋了不需要大數(shù)據(jù)進(jìn)行訓(xùn)練的潛在方法。

小數(shù)據(jù)包括遷移學(xué)習(xí)、數(shù)據(jù)標(biāo)記、人工數(shù)據(jù)、貝葉斯方法以及強化學(xué)習(xí)。使用小數(shù)據(jù)的方法也可以吸引非技術(shù)專業(yè)人士了解數(shù)據(jù)何時、何地以及如何對人工智能有用。通過評估人工智能領(lǐng)域當(dāng)前和未來的進(jìn)展，小數(shù)據(jù)方法正在科學(xué)研究領(lǐng)域取得更多進(jìn)展。

機器學(xué)習(xí)并不局限于大數(shù)據(jù)，還有廣泛使用的小數(shù)據(jù)方法。美國和中國在小數(shù)據(jù)方法方面的研究位于世界前列，正在機器學(xué)習(xí)領(lǐng)域采用小數(shù)據(jù)方法。而小數(shù)據(jù)方法與大數(shù)據(jù)方法相比，可以節(jié)省更多的成本和時間。

像遷移學(xué)習(xí)這樣的小數(shù)據(jù)方法如今被廣泛使用?？茖W(xué)家利用轉(zhuǎn)移學(xué)習(xí)來訓(xùn)練機器，使其能夠在各個領(lǐng)域工作。例如，印度的一些研究人員使用轉(zhuǎn)移學(xué)習(xí)來訓(xùn)練一臺機器，只使用45個訓(xùn)練示例就可以在超聲圖像中辨別腎臟。遷移學(xué)習(xí)預(yù)計將很快增長。

使用人工智能的一個主要挑戰(zhàn)是機器需要泛化，也就是說，為訓(xùn)練它們的問題提供正確的答案，因為轉(zhuǎn)移學(xué)習(xí)就是轉(zhuǎn)移知識。即使在數(shù)據(jù)有限的情況下也有可能實現(xiàn)。轉(zhuǎn)移學(xué)習(xí)正被用于癌癥診斷、玩電子游戲、垃圾郵件過濾等等。先進(jìn)的人工智能工具和技術(shù)為利用小數(shù)據(jù)和變化過程訓(xùn)練人工智能提供新的可能性。為了訓(xùn)練人工智能系統(tǒng)，一些大型組織正在使用大量的小數(shù)據(jù)。

像遷移學(xué)習(xí)這樣的小數(shù)據(jù)方法有很多優(yōu)點。例如，使用數(shù)據(jù)較少的人工智能可以加強數(shù)據(jù)很少或沒有可用數(shù)據(jù)的領(lǐng)域。盡管許多研究人員認(rèn)為人工智能的成功需要大數(shù)據(jù)，但在這種情況下，遷移學(xué)習(xí)已被證明對于使人工智能應(yīng)用多樣化并進(jìn)入未開發(fā)的領(lǐng)域至關(guān)重要。與大數(shù)據(jù)方法相比，遷移學(xué)習(xí)還有助于節(jié)省成本和時間。許多專家指出，遷移學(xué)習(xí)將成為機器學(xué)習(xí)行業(yè)的下一個驅(qū)動力。

各種小數(shù)據(jù)技術(shù)被用來訓(xùn)練人工智能識別對象類別。小數(shù)據(jù)技術(shù)被廣泛用于提高不同行業(yè)和企業(yè)工作的效率、準(zhǔn)確性和透明度。人工智能在員工的技能培訓(xùn)以及他們從較小數(shù)據(jù)集學(xué)習(xí)的能力方面發(fā)揮著重要作用。許多人工智能公司都在采用小數(shù)據(jù)開展業(yè)務(wù)。

上世紀(jì)的很多科學(xué)家使用小數(shù)據(jù)進(jìn)行研究和發(fā)現(xiàn)，他們使用小數(shù)據(jù)完成了所有的計算。他們通過將自然法則歸納成簡單的規(guī)則，發(fā)現(xiàn)了它們的基本規(guī)律。

研究發(fā)現(xiàn)，65%的創(chuàng)新都是基于小數(shù)據(jù)的。盡管許多企業(yè)使用深度學(xué)習(xí)通過將真實數(shù)據(jù)與合成數(shù)據(jù)混合來創(chuàng)造最佳性能，但并不總是需要使用大數(shù)據(jù)。小數(shù)據(jù)還可用于得出一些重要結(jié)論，尤其是在訓(xùn)練人工智能的時候。大數(shù)據(jù)有時會在機器學(xué)習(xí)方法中造成混亂。而采用人工智能是為了掌握知識，而不是處理數(shù)據(jù)。它涉及向機器提供知識以使其執(zhí)行任何任務(wù)。

與大數(shù)據(jù)相比，小數(shù)據(jù)技術(shù)還沒有受到太多關(guān)注。雖然沒有多少人了解它的好處，但小數(shù)據(jù)可能很快就會變得非常流行。就科技行業(yè)而言，他們正在迅速從大型集中分析轉(zhuǎn)向更加細(xì)化和智能連接的小型數(shù)據(jù)集。