编译 李军平

传统观点认为，尖端人工智能依赖大量数据方可发展成熟。因此，数据是一种关键的战略资源，国家（或公司）获取的数据量被视为人工智能领域进步的关键指标之一。数据的确对人工智能发展起到了极为关键的作用，目前许多人工智能系统正在使用大量数据。但是，如果政策制定者相信数据是实现所有人工智能系统的永恒真理，就会误入歧途。过分强调数据将忽略并低估其他实现人工智能方法的潜力，而这些方法并不需要大量数据集，也无需从实际交互方式上收集数据。在本文中，我们将之称为“小数据”方法。

我们所称的“小数据”不是一个明确的类别，因此并没有统一、正式的定义。学术人士在讨论应用领域的小数据时，通常将其与样本的大小相关联，例如千字节、兆字节或兆兆字节。很多媒体文章指出了小数据与各种因素的关系，如数据可用性和人类对数据的理解程度、数据的数量以及需要哪些格式使之更易于获取、承载更多的信息和更便于操作（对于商业决策尤为重要）。许多人通常将其视为一种全能的资源。然而，数据并非全能，构建不同领域的人工智能系统，需要不同类型的数据和方法。

有人指出，政府机构只有推行数字化并清理和标记大量数据，才能从人工智能革命中受益。虽然这一观点颇为中肯，但人工智能的进步并非完全取决于这些条件。这种观点掩盖的事实是：人工智能的未来不仅仅取决于大数据，即便不进行大规模的大数据基础设施投资，政府部门（以及更广泛的社会）仍有可能实现人工智能创新。……