很多人都知道什么是大数据，但是又有多少人知道小数据及其在机器学习中的重要性呢？小数据是指以一定数量和格式出现的数据，使其可被人类访问、提供信息和操作。大数据通常是关于机器的，小数据是关于人的。理解大数据的唯一方法是将其简化为更小的、具有视觉吸引力的对象，以代表大数据集的各个方面。例如，气象数据是通过传感器收集的，来自全国各地天气预报的大量数据通过计算机处理并转换成图表或图形形式的小数据。但是，通过电视新闻播报，人们可以很容易地了解这种形式的天气状况。小数据有多有效？对于人工智能的理解，数据起着重要的作用。训练人工智能需要大量数据。这种AI需要大量数据才能运行的假设忽略了存在并掩盖了不需要大量数据进行训练的潜在方法。小数据包括迁移学习、数据标签、人工数据、贝叶斯方法和强化学习。使用小数据的方法也可以吸引非技术专业人士了解数据何时、何地以及如何对AI有用。通过评估人工智能领域当前和未来的进展，小数据方法正在科学研究领域取得更多进展。机器学习不局限于大数据，也有广泛应用的小数据方法。美国和中国在小数据方法研究方面处于世界前沿，在机器学习领域都在采用小数据方法。与大数据方法相比，小数据方法可以节省更多的成本和时间。像迁移学习这样的小数据方法在今天被广泛使用。科学家使用迁移学习来训练机器在各个领域工作。例如，印度的一些研究人员使用迁移学习来训练一台机器，仅使用45个训练示例即可识别超声图像中的肾脏。迁移学习有望很快增长。使用人工智能的一个主要挑战是机器需要泛化，即为它们接受训练的问题提供正确答案，因为迁移学习就是迁移知识。即使数据有限，这也是可能的。迁移学习被用于癌症诊断、玩视频游戏、垃圾邮件过滤等。先进的AI工具和技术为使用小数据和不断变化的过程训练AI提供了新的可能性。为了训练人工智能系统，一些大型组织正在使用大量的小数据。像迁移学习这样的小数据方法有很多优点。例如，使用较少数据的AI可以增强可用数据很少或没有可用数据的区域。尽管许多研究人员认为AI的成功需要大数据，但在这种情况下，迁移学习已被证明对于AI应用多样化和进入未开发领域至关重要。与大数据方法相比，迁移学习还有助于节省成本和时间。许多专家指出，迁移学习将成为机器学习行业的下一个驱动力。各种小数据技术被用来训练人工智能识别物体类别。小数据技术被广泛应用于不同行业和企业，以提高工作效率、准确性和透明度。人工智能在员工技能培训和他们从较小数据集中学习的能力方面发挥着重要作用。许多人工智能公司正在采用小数据开展业务。上个世纪很多科学家利用小数据进行研究和发现，他们用小数据完成所有的计算。通过将自然法则简化为简单的规则，他们发现了它们的基本法则。研究发现，65%的创新都是基于小数据。虽然许多企业使用深度学习通过将真实数据与合成数据混合来创造最佳性能，但并不总是需要使用大数据。小数据也可以用来得出一些重要的结论，尤其是在训练人工智能的时候。大数据有时会在机器学习方法中造成混乱。而人工智能是用来掌握知识的，而不是用来处理数据的。它涉及向机器提供知识以使其执行任何任务。与大数据相比，小数据技术并没有受到太多关注。虽然没有多少人了解它的好处，但小数据可能很快就会变得非常流行。就科技行业而言，他们正在迅速从大型集中式分析转向更精细和智能连接的更小数据集。
