原標題：大數據“軼事”：數據不夠用，“偽”數據來湊數

樂收生意寶 令人稱奇的大神級AI，都曾經歷過無數次訓練，AI訓練的核心是數據，盡管數據驅動并不是AI算法訓練的唯一方式，但不能否認的是，相對來說，擁有海量數據的領域，是AI滋生的更好溫床。

舉一個簡單的例子，與其他多個小語種翻譯比起來，英漢翻譯器的翻譯能力往往會更強，就是因為英漢互譯的使用頻率遠遠高于其他各語種的互譯。同理，人臉識別技術應用率遠高于虹膜識別，因為人臉數據更方便收集。

數據匱乏或是采集成本高，是阻礙AI發(fā)展的一個重要原因。面對這種情況，數據增強技術應運而生。

所謂數據增強技術，就像是數據的繁殖皿，可以讓數據進行“有絲分裂”，增強樣本擴大數據集。

就拿圖像數據來說，當圖像數據不足時，可以對原圖像做一些改動，例如裁剪、旋轉、鏡像反轉、輕微的扭曲、增加噪點、增加遮擋物等等。也許對人類來說，被改動過的圖像很容易被識別，看出與原圖的差異。但對于AI來說，即使幾個像素點的變動，也是一個全新的數據樣本。

而應用于文本數據，則有互譯和詞向量替換兩種方法。通過機器翻譯，將一句話從中文翻譯成英文，再由英文翻譯成中文，就可以實現語序、同義詞等等的調整替換，得到語料乘二的效果。以及通過自然語言生成技術，將一句話中的不同對象進行劃分并替換生成新的句子，就像同義詞、近義詞替換。

令人驚喜的是，這些數據增強技術也開始通過深度學習的加持逐漸提升效率。

去年4月，谷歌的AutoAugment技術，設計了一個自動搜索空間，利用搜索算法來確定適合數據集的圖像增強策略，制定執(zhí)行的順序并且自動執(zhí)行。比如將一個動物或植物照片數據集輸入給AutoAugment，AutoAugment通過計算會確定出先平移再剪裁是讓AI對于數據“陌生感”最大化的解決方案，然后開始自動執(zhí)行。是不是很精妙？
      -----本文轉自網絡，如有侵權請聯系我們及時刪除處理。
樂收生意寶-是樂收網旗下精準、便捷的采購信息和供應信息發(fā)布平臺，樂收生意寶用簡單的理念，致力于為中國4000萬中小企業(yè)和商業(yè)人士提供便捷的采供信息服務！