中文114

数据给ai“供能”的背后，还有这些关键问题（第1页）

咱们前面聊了数据是AI的“粮食”，没数据AI就玩不转，但光有粮食还不够——就像咱们做饭得考虑米新不新鲜、会不会浪费，AI用数据也得解决“数据从哪儿来”“数据干不干净”“能不能随便用”这些问题。要是这些问题没处理好，就算有再多数据，AI也可能“吃坏肚子”，甚至闯祸。接下来咱们就接着唠，看看数据给AI“供能”的背后，还有哪些不得不说的关键事儿。

一、数据从哪儿来？AI的“粮食”不是天上掉的

很多人可能觉得“AI用的数据，随便找一找就有”，但其实不是——要收集到足够多、足够相关的数据，可不是件容易事儿，得靠不同的“渠道”去“找米”，而且每个渠道都有自己的门道。

最常见的一种渠道，是咱们“主动给的”。比如你用社交软件发朋友圈、发评论，用购物APP下单、收藏商品，用导航软件查路线、记常用地址，这些行为都会产生数据，而平台会把这些数据收集起来，用来训练AI。就像你在外卖平台点了几次奶茶，平台收集到“你爱喝三分糖、去冰的奶茶”这个数据，AI就能给你推荐同类型的新品；你在短视频APP上总给宠物视频点赞，平台收集到这个数据，AI就会多推宠物内容给你。这些数据都是咱们在使用软件时，不知不觉“贡献”出去的，也是AI数据的重要来源。

还有一种渠道，是“专业团队专门采的”。比如要做一个能识别农作物病虫害的AI，光靠用户上传的照片不够——得有农业领域的团队，去田间地头拍不同作物（小麦、水稻、玉米）、不同病虫害（蚜虫、白粉病、锈病）的照片，而且得拍清楚病变部位、不同发病阶段的样子，还得标注好“这是小麦蚜虫病”“这是水稻白粉病”。这种数据专业性强，要求高，不能随便凑数，得花大量时间和人力去采集。之前有个做医疗AI的团队，为了训练AI识别肺癌，花了3年时间，从全国几十家医院收集了十几万张肺部CT影像，还得让医生一张张标注“这是良性结节”“这是早期肺癌”，可见多不容易。

另外，还有“公开数据集”可以用。行业里有些机构会整理好数据，免费或低价开放给大家用，比如咱们之前提到的ImageNet，还有用于自然语言处理的“中文维基百科数据集”、用于语音识别的“Common Voice数据集”。这些数据集就像“公共粮仓”，AI开发者不用自己从头收集，能省不少事。但这类数据集也有缺点——可能不够“贴合具体需求”，比如公开的语音数据集大多是标准普通话，要是想做一个针对某地方言的语音AI，还得自己额外收集方言数据。

总之，AI的“粮食”不是天上掉的，要么是咱们用户在使用中“贡献”的，要么是专业团队辛苦采集的，要么是从公开渠道获取后再加工的。每一份数据背后，都有不少人力和时间的投入。

二、数据得“干净”：不然AI会“学歪”

咱们做饭的时候，米要是有虫、有石子，得先淘干净才能煮，不然煮出来的饭没法吃；AI用数据也一样，得先把数据“洗干净”，要是数据里有错误、有杂质，AI学了之后就会“学歪”，做事情出错。

啥是“不干净”的数据？比如数据里有“错误标注”——本来是猫的图片，却标成了狗；本来是“用户不喜欢吃辣”的记录，却标成了“喜欢吃辣”。AI学了这些错数据，就会跟着犯错：看到猫的图片，会当成狗认；给不喜欢吃辣的用户，推荐超辣的火锅。

还有一种是“重复数据”——比如同一张猫的图片，在数据集中出现了100次。AI学的时候，会反复学这张图，误以为“猫就长这样”，等遇到其他样子的猫（比如无毛猫、三花猫），就认不出来了。这就像咱们学认字，要是只反复写同一个字的一种写法，遇到行书、草书的写法，就不认识了。

还有“偏见数据”，这个更麻烦。比如要做一个“招聘AI”，用来筛选简历，结果收集的数据里，大部分“优秀员工”的简历都是男性，女性简历很少，而且标注的时候，还把“女性”和“不适合加班”“不稳定”这些标签绑在一起。AI学了这种数据，就会产生“偏见”，筛选简历时会优先选男性，甚至直接把女性简历筛掉，这就造成了性别歧视，肯定是不行的。

之前国外就发生过这样的事：某公司用AI筛选求职者，结果发现AI对女性求职者很不友好，后来查原因，才发现训练数据里，过去十年录用的员工中男性占比很高，数据本身就有偏见，AI自然就“学歪”了。最后公司只能停用这个AI，重新清理数据。

所以，数据收集来之后，必须得“清洗”：先把重复的数据删掉，再把错误标注的数据改对，最后还要检查有没有偏见，尽量让数据更公平、更准确。这一步就像咱们做饭前淘洗米、挑拣菜，虽然麻烦，但必不可少——只有“干净”的数据，才能让AI学好，做事情不出错、不跑偏。

小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！

三、数据不能随便用：得保护“个人隐私”

咱们前面说，很多数据是用户“贡献”的，比如聊天记录、购物记录、定位信息，这些数据里藏着咱们的“个人隐私”——要是随便用，很可能会泄露隐私，比如有人用AI分析你的聊天记录，知道你家里的情况；用你的定位数据，知道你每天去哪儿、住在哪儿。所以，AI用数据的时候，必须得守规矩，保护好个人隐私，不能“乱用粮食”。

现在行业里有个很重要的原则，叫“数据匿名化”——就是把数据里能识别出“你是谁”的信息去掉。比如你的外卖订单数据，会把你的真实姓名、手机号、详细住址换成一串代码，只留下“某用户在某天点了一份麻辣烫”这样的信息。这样AI能学到“有人喜欢吃麻辣烫”，却不知道这个人是你，就不会泄露你的隐私。

还有“数据授权”——平台要收集你的数据，得先告诉你“要收集什么数据”“用来做什么”，你同意了才能收集。比如你第一次用某APP，会弹出一个“隐私协议”，里面写着“我们会收集你的位置信息，用于为你推荐附近的服务”，你点了“同意”，平台才能收集你的位置数据；要是你不同意，平台就不能收集。这就像别人要借你的东西，得先问你同不同意，不能随便拿。