数据驱动：人工智能范式转变中，从模型为中心转向数据为核心
面向数据的人工智能可以有助于减少生成式AI系统中的幻觉和偏见，从而提高其输出质量。译自TheParadigmShiftfromModel-CentrictoData-CentricAI，作者RahulPradhan拥有16年以上的经验，目前担任Couchbase的产品和战略副总裁。随着变压器神经网络和生成对抗网络（GAN）人工智能（AI）的进步，科技领域正在经历一次重大变革。这些技术不仅具有巨大的潜力，还能解锁创新和规模化创造力。它们能够提供更精确、高效的解决方案，并为各行各业带来新的商机和发展机会。变压
面向数据的人工智能可以有助于减少生成式AI系统中的幻觉和偏见，从而提高其输出质量。
译自The Paradigm Shift from Model-Centric to Data-Centric AI，作者 Rahul Pradhan 拥有16年以上的经验，目前担任Couchbase的产品和战略副总裁。
随着变压器神经网络和生成对抗网络（GAN）人工智能（AI）的进步，科技领域正在经历一次重大变革。这些技术不仅具有巨大的潜力，还能解锁创新和规模化创造力。它们能够提供更精确、高效的解决方案，并为各行各业带来新的商机和发展机会。变压器神经网络和GAN的结合，使得AI系统能够更好地理解和生成人类语言、图像和声音，从而推动了自然语言处理、计算机视觉和语音识别等领域的发展。随着这些技术的日益成熟，我们可以期待更多创新的应用和突破的出现，为人类社会带来更多
随着AI的发展，数据变得至关重要。数据是推动机器学习项目的生命线，将概念转化为实用见解。然而，在AI项目中有效利用数据充满挑战，这阻碍了其采用和实现转型价值。
为了增强AI的发展，我们目前正在经历一个范式的转变，即从以模型为中心转向以数据为中心的AI转型。这种转变的目的是减少生成对抗网络系统中出现的幻觉和偏见。通过关注以数据为中心的AI，并将模型更加贴近数据，我们能够改善AI模型的输出，并帮助企业充分发掘其潜力。这种转变将为AI的发展带来重要的推动力。
以模型为中心的AI方法
传统的以模型为中心的AI方法是机器学习发展的主要方式。它的核心思想是通过不断迭代改进模型的性能，以生成最佳的模型来处理给定的数据集。研究人员和工程师花费大量时间微调模型的参数、层数和其他架构元素。然而，由于过去构建和微调模型是非常复杂且资源密集的过程，需要深厚的专业知识才能产生有意义的结果，因此数据往往被视为次要的因素。然而，近年来，随着机器学习技术的进步和计算能力的增强，数据的重要性逐渐得到重视。现代AI方法更加注重数据的质量和多样性，通过更大规模的数据集和更强大的计算能力来训练模型，从而提升模型的性能和泛化能力。这种以数据为中心的方法已经成为当前机器学习领域的主流趋势。
向以数据为中心的AI转型
数据为中心的方法改进了模型训练的数据质量，包括清理、增强和确保数据代表真实世界场景。
随着人工智能(AI)模型的成熟和复杂性的扩展，组织需要集中精力提升数据质量，并建立更紧密的模型和数据之间的联盟。在这个不断发展的领域中，进行必要而明确的转变非常重要：将模型更接近数据，而不是将数据传输到模型。这样可以提高模型输出的质量，并减少经常困扰AI系统的错觉。以数据为中心的AI方法是组织的基石，这些组织希望提供基于最新数据的生成和预测体验。
尽管以数据为中心的AI是未来发展的方向，但以模型为中心的AI仍然在一些场景下发挥着关键作用。当数据有限或目标是探索模型复杂性和性能极限时，模型为中心的AI尤为重要。它推动着AI研究的前沿，并为解决那些难以获得高质量数据的问题提供了可能。因此，模型为中心的AI不仅仅是数据驱动的AI的补充，而是在AI领域中一种不可或缺的方法。
用数据为中心思维重新构想AI
通过转变为确保数据质量和相关性的以数据为中心的AI方法，组织可以获得以下好处:
通过提高数据质量来桥接现实
以数据为中心方法的典型优势之一是能够提供与真实世界场景紧密结合的体验。与模型往往在低质量数据的谬误中挣扎的以模型为中心方法不同，以数据为中心的人工智能(AI)力求弥合AI模型与其试图导航的动态现实之间的鸿沟。
减轻幻觉的阴影
AI幻觉主要是由缺陷数据造成的，其特征是生成不正确或虚构的信息。转向以数据为中心的方法可以增强减少这些错误的可能性。在更干净、更具代表性的数据集上训练模型会产生更准确、更可靠的输出。
释放预测和生成AI的全部潜力
在高质量数据的坚实基础上，组织可以释放AI预测和生成能力的全部谱系。这种转变使AI更能够解释现有的数据模式，同时也可以生成新的见解和体验，培育创新和明智决策的文化。
以数据引领AI演进的未来
从以模型为中心向以数据为中心的人工智能(AI)方法转型，代表了一种基本的思维方式的改变。这是将数据置于AI变革之旅的核心。这种转变不仅仅是一种技术调整，而是一种概念上的重新校准，将数据置于AI的核心。在组织走上这条道路的过程中，他们必须培育一个强大的数据基础设施，培养数据素养，并营造一种重视数据的文化，将数据视为AI承诺的基石。
融合两者的优势
构建强大的AI解决方案需要对何时强调数据和关注模型创新进行细致的理解。平衡运用以模型为中心和以数据为中心AI的优势，对解决当今的AI挑战至关重要，这样组织才能从AI项目中获得最大价值。为了帮助确保AI模型是在最新的数据上开发的，并且准确可靠，组织必须接受向以数据为中心的AI转型。
南京邮电大学“光擎智算”团队联合南京大学，攻克GaN基Micro-LED器件技术，成功搭建实验室级光计算验证系统。团队自主研发的5×5 Micro-LED光电计算阵列芯片已进入流片封装阶段，实现了图像识别等算力任务验证，推动光计算技术从理论走向工程落地。
苹果与铠侠签署为期3-5年的NAND闪存长期供应协议，且可能不设价格上限。此举旨在应对AI数据中心需求激增导致的芯片供应紧张，从单纯压价转向确保稳定供货。
一项研究揭示大语言模型在文本嵌入任务中表现平庸的根源：反嵌入矩阵边缘频谱引入高频词偏见。提出的EmbedFilter方法通过滤除该噪声，在MTEB49项任务上显著提升性能，且无需重新训练，兼容多种基线方法。
2026年世界人工智能大会将于7月17日至20日举办，超过300款人工智能新品全球首发，1400多位嘉宾参会，近140场论坛，展览面积超过10万平方米，促成意向合作金额达162亿元，并且推出首个自主举办的国际顶级人工智能学术会议。
618”期间，AI全面渗透电商，超百万商家使用AI工具提升效率。政策补贴拉动绿色智能家电及汽车消费，市场回暖。供应链升级实现仓配一体化，时效大幅提升，多链协同激活内需活力。
AI生成作品虽完美却缺乏“活人感”，这一悖论贯穿艺术史。《红楼梦》中已批判套路化创作。真正活人感源于创作者内化形式美规律后的即兴发挥与平衡，而非单纯拒绝美化。能否尊重生活细节、容忍碰撞，决定作品是否鲜活，这也是艺术的根本功用。
商务部等8部门发布《关于加快“人工智能+消费”发展的实施意见》，围绕服务消费和商品消费两大领域，明确居家、养老、文旅、教育等场景的AI应用方向，推广智能家居、养老机器人等产品，并适度超前布局城市智能设施。
商汤与香港科技园合作共建国产AI算力中心，目标2030年前实现超40000P算力规模，首阶段预计今年完成。该中心配备国产GPU集群，支撑模型训练与推理，服务本地及国际客户。商汤临港AIDC已有4.04万P算力运营经验。
亚马逊正考虑将其开发的TrainiumAI芯片直接出售给其他公司，以挑战英伟达主导地位。该芯片面向需要本地化数据解决方案的国际企业，亚马逊表示不会影响AWS云业务收入，谷歌也有类似计划。
广东省印发服务业扩能提质方案，聚焦AI机遇，建设国际竞争力的软件与信息技术创新中心，包括培育核心企业、构建AI服务体系、攻关核心技术、建设开源生态，并部署融资租赁、金融合作、算力网络、6G及智能应用。
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
