AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：何愷明劉壯新作：消除數(shù)據(jù)集偏差的十年之戰(zhàn)
關(guān)鍵字：數(shù)據(jù),騰訊,神經(jīng)網(wǎng)絡(luò),偏差,準(zhǔn)確率
文章來(lái)源：量子位
內(nèi)容字?jǐn)?shù)：3937字

內(nèi)容摘要：

編輯部 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAIMIT新晉副教授何愷明，新作新鮮出爐：
瞄準(zhǔn)一個(gè)橫亙?cè)贏I發(fā)展之路上十年之久的問(wèn)題：數(shù)據(jù)集偏差。
該研究為何愷明在Meta期間與劉壯合作完成，他們?cè)谡撐闹兄赋觯?br />盡管過(guò)去十多年里業(yè)界為構(gòu)建更大、更多樣化、更全面、偏差更小的數(shù)據(jù)集做了很多努力，但現(xiàn)代神經(jīng)網(wǎng)絡(luò)似乎越來(lái)越善于”識(shí)破”并利用這些數(shù)據(jù)集中潛藏的偏差。
這不禁讓人懷疑：我們?cè)谙龜?shù)據(jù)集偏差的戰(zhàn)斗中，真的取得了勝利嗎？
數(shù)據(jù)集偏差之戰(zhàn)，在2011年由知名學(xué)者Antonio Torralba和Alyosha Efros提出——
Alyosha Efros正是Sora兩位一作博士小哥（Tim Brooks和William Peebles）的博士導(dǎo)師，而Antonio Torralba也在本科期間指導(dǎo)過(guò)Peebles。
當(dāng)時(shí)他們發(fā)現(xiàn)，機(jī)器學(xué)習(xí)模型很容易“過(guò)擬合”到特定的數(shù)據(jù)集上，導(dǎo)致在其他數(shù)據(jù)集上表現(xiàn)不佳。
十多年過(guò)去了，盡管我們有了更大、更多樣化的數(shù)據(jù)集，如ImageNet、YFCC100M、CC12M等，但這個(gè)問(wèn)題似乎并沒(méi)有得到根本解決。
反而，隨著神經(jīng)網(wǎng)絡(luò)變得越來(lái)越強(qiáng)大，它們“挖掘

原文鏈接：何愷明劉壯新作：消除數(shù)據(jù)集偏差的十年之戰(zhàn)

聯(lián)系作者

文章來(lái)源：量子位
作者微信：QbitAI
作者簡(jiǎn)介：追蹤人工智能新趨勢(shì)，關(guān)注科技行業(yè)新突破