在“数据”上有着多年研究经验的裴健对新智元介绍说：“一般来说，数据是越多越好。深度学习需要大量的数据来产生可以generalize的模型。在实际应用中，数据往往是有成本的。有很多应用场景不容易获取大量的高质量数据。所以说我们需要针对具体问题，获取合适的数据。在这方面，统计学对数据的采集评价有一系列的方法和原则，值得深入学习。另一个方面，要很好利用大量的数据，通常需要比较复杂的模型，对计算的要求也相应地比较高，所以我们要根据数据量和应用来选择合适的模型。”

提到大数据和好数据，人工智能发展的另一个前沿方向就是能减少数据依赖，实现无监督学习。裴健认为，无监督学习的一个难点在于其没有绝对的评价标准。例如病人可以按病因、症状、并发症、风险等很多方面进行分群。因此，无监督学习的一个难点就是如何形成合适的类别，特别是结合问题的上下文，如常识，去形成合理有意义的类别。

采访的最后，新智元提到，最近“程序员自动化”的讨论比较多，那么在数据发现和挖掘领域，是不是也可以实现“自动化”，由机器来完成数据的挖掘工作？裴健表示，数据挖掘就是致力于数据的挖掘工作自动化。这是我们数据挖掘领域专家正在努力做的。返回搜狐，查看更多