Науковець Ендрю Нґ закликав зміщувати фокус ШІ з великих даних на якісні
Ендрю Нґ пояснив, чому для багатьох ШІ-систем важливіші якісні та послідовно розмічені дані, ніж великі масиви інформації.
Науковець і засновник Landing AI Ендрю Нґ у розмові з IEEE Spectrum заявив, що для багатьох практичних застосувань штучного інтелекту ефективніше поліпшувати якість даних, а не безперервно нарощувати розмір моделей і масивів інформації. Цей підхід він називає data-centric AI — системною інженерією даних, потрібних для створення ШІ-систем.
Нґ наголосив, що масштабування моделей і надалі має перспективи для окремих завдань. Зокрема, він очікує подальшого розвитку великих базових моделей для обробки природної мови та комп’ютерного зору. Водночас створення таких моделей для відео потребує значних обчислювальних ресурсів через великий обсяг зображень і вартість їх обробки.
Якісні дані замість великих масивів
За словами Нґ, підхід із величезними наборами даних добре працював у компаніях, що мають мільйони або мільярди користувачів. Проте для виробництва та інших галузей, де таких масивів немає, він не завжди придатний. Науковець вважає, що в окремих випадках 50 ретельно підібраних і розмічених прикладів можуть бути достатніми для навчання системи, наприклад для візуального контролю дефектів.
Він навів приклад систем, що аналізують зображення: якщо серед 10 тисяч фото 30 належать до одного класу, але розмічені непослідовно, корисніше виявити та виправити саме цю підмножину. Така робота може підвищити результативність моделі без дорогого збору додаткових даних для всіх категорій.
Нґ також зазначив, що цілеспрямоване доопрацювання даних може допомогти в роботі з упередженістю систем. Якщо модель гірше працює для конкретної підгрупи даних, коригування відповідної частини набору є більш точковим рішенням, ніж зміна всієї архітектури нейромережі.
Практика для виробництва
Landing AI розробила платформу LandingLens для візуальної інспекції на виробництві. Компанія використовує попередньо навчену версію моделі RetinaNet, але ключовим елементом Нґ назвав інструменти, які допомагають виробникам обрати потрібні зображення та однаково їх маркувати. За його словами, анотатори можуть по-різному визначати правильну мітку, а виявлення таких невідповідностей є важливим для точності системи.
Синтетичні дані Нґ назвав одним з інструментів цього підходу. Наприклад, якщо модель добре виявляє більшість дефектів корпусу смартфона, але гірше розпізнає точкові вм’ятини, можна згенерувати додаткові дані саме для цієї категорії. Водночас він зауважив, що спершу можуть застосовуватися простіші методи: доповнення даних, виправлення розмітки або збір нових зображень на виробництві.
Нґ вважає, що виробникам потрібно надавати інструменти для самостійного коригування даних, повторного навчання та оновлення моделей у разі зміни продукції чи умов освітлення. За його оцінкою, такий підхід потрібний, оскільки різним підприємствам необхідні власні спеціалізовані ШІ-моделі.
