2025-05-28 | 박호현 기자

新加坡国立大学AI研究所“数据精简才能让AI更准确” [首尔论坛2025]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

“我们发表的研究显示,用于人工智能(AI)训练的数据只使用全部数据的5%,性能反而更好。”

新加坡国立大学AI研究所副所长Bryan Kian Hsiang Low 28日在首尔中区新罗酒店举行的“首尔论坛2025”“第二场 大脑革命:GPT开启的生成式AI时代”特别演讲中表示,“高效的AI并不需要大量数据”,并作出上述说明。当天Low教授以△用更少数据进行训练的方法△检验AI的AI为主题,概括介绍了此前的研究内容。

作为被评价为全球顶尖AI研究所之一的新加坡国立大学AI研究所研究负责人,Low教授表示,与常识相反,今后AI的准确度可能更取决于对数据的筛选和精简程度。

Low教授说明称:“若把所有数据都投入AI训练,必然产生噪声”,“此外,与既定任务无关的数据或重复数据等也必然带来低效率。”他接着强调:“归根结底,为了用更少数据实现更快训练并降低成本,必须进行使用更少数据的高效训练。”他补充说,为此必须思考剔除重复或与目的无关数据的方法。

Low教授还强调了机器学习之外的机器反学习。他说:“2018年发生网络安全问题时,曾进行过并非学习而是‘反学习’的处理”,“当时未受到太多关注,但最近由于大型科技企业AI的著作权问题,这类反学习需求正在上升。”机器反学习是指当AI模型训练所用数据中的一部分被事后要求删除时,将该数据的影响排除,如同该数据从未用于AI模型训练一样的技术。这里重要的是,必须在不降低AI模型性能的前提下推进机器反学习的高级化。Low教授表示:“到目前为止,该技术只能适用于部分有限的用户”,“今后的课题在于,能否在数百万名以上用户规模下维持AI质量,同时保持AI检验AI的技术。”

阅读韩文原文