2023年后，AI 还有什么研究方向有前景？

让我们先了解一下数据中心的人工智能（Data-centric AI），然后再讨论其重要性。

什么是Data-centric AI?

Data-centric AI是一种全新的AI系统构建理念，由著名AI专家吴恩达大力推崇。吴恩达提出了Data-centric AI的定义，传统的构建AI模型方法是通过迭代模型来提高预测准确率，数据相对固定。通常会关注几个基准数据集，然后设计各种模型来提高预测准确率，这种方法称为以模型为中心（model-centric）。但是，model-centric方法没有考虑到实际应用中数据可能出现的各种问题，例如不准确的标签、数据重复和异常数据等。高准确率的模型只能确保很好地“拟合”数据，但并不能保证在实际应用中表现良好。与model-centric不同，Data-centric更侧重于提高数据的质量和数量。也就是说，Data-centric AI关注的是数据本身，而模型相对稳定。采用Data-centric AI的方法在实际场景中有更大的潜力，因为数据很大程度上决定了模型能力的上限。需要注意的是，“Data-centric”与“Data-driven”（数据驱动）是两个根本上不同的概念。后者仅强调使用数据指导AI系统的构建，仍然聚焦于模型开发而不是改变数据。

为什么Data-centric AI是未来？

过去，研究人员的重点通常放在模型的设计上。然而，如今经过多年的研究，模型设计已经相对成熟，尤其是在Transformer模型的出现之后，我们似乎还没有看到这种模型的极限。从最初的GPT-1到现在的ChatGPT/GPT-4，所使用的训练数据经历了以下变化：从小型数据（对于OpenAI来说）到更高质量的大型数据，再到由高质量人类标注的数据。模型设计并没有发生很大的变化，除了为了适应更多的数据而增加了更多的参数，这与Data-centric AI的理念是一致的。从ChatGPT/GPT-4的成功可以看出，高质量的标注数据至关重要，而OpenAI对数据和标签质量的重视程度令人震惊。从另一个角度来看，现在的ChatGPT/GPT-4模型已经足够强大，我们只需要调整提示（推理数据）来达到各种目的，而模型则保持不变。例如，我们可以提供一段长文本，再加上特定的指令，比如“summarize it”或者“TL;DR”，模型就能自动生成摘要。在这种新兴模式下，Data-centric AI变得更为重要。未来，许多AI从业者可能不再需要训练模型，而只需要进行提示工程（prompt engineering）。因此，在大模型时代，Data-centric AI的理念将变得越来越重要。