很多人都知道什么大數據，但是有多少人知道小數據及其在機器學習中的重要性?小數據是指以一定數量和格式出現的數據，使其可供人類訪問、提供信息和可操作。大數據通常與機器有關，小數據與人類有關。

理解大數據的唯一方法是將其縮減為更小的、具有視覺吸引力的對象，這些對象代表大數據集的各個方面。例如，通過傳感器收集氣象數據，并通過計算機處理全國各地的天氣報告大量數據，并將其轉換為圖表或圖形形式的小數據，然而通過電視新聞播放，人們通過這種形式很容易了解天氣狀況。

小數據如何有效?

對于人工智能的理解，數據起著重要的作用。訓練人工智能需要大量數據。這種認為人工智能需要大量數據才能運行的假設忽略了存在性，并掩蓋了不需要大數據進行訓練的潛在方法。

小數據包括遷移學習、數據標記、人工數據、貝葉斯方法以及強化學習。使用小數據的方法也可以吸引非技術專業人士了解數據何時、何地以及如何對人工智能有用。通過評估人工智能領域當前和未來的進展，小數據方法正在科學研究領域取得更多進展。

機器學習并不局限于大數據，還有廣泛使用的小數據方法。美國和中國在小數據方法方面的研究位于世界前列，正在機器學習領域采用小數據方法。而小數據方法與大數據方法相比，可以節省更多的成本和時間。

像遷移學習這樣的小數據方法如今被廣泛使用。科學家利用轉移學習來訓練機器，使其能夠在各個領域工作。例如，印度的一些研究人員使用轉移學習來訓練一臺機器，只使用45個訓練示例就可以在超聲圖像中辨別腎臟。遷移學習預計將很快增長。

使用人工智能的一個主要挑戰是機器需要泛化，也就是說，為訓練它們的問題提供正確的答案，因為轉移學習就是轉移知識。即使在數據有限的情況下也有可能實現。轉移學習正被用于癌癥診斷、玩電子游戲、垃圾郵件過濾等等。先進的人工智能工具和技術為利用小數據和變化過程訓練人工智能提供新的可能性。為了訓練人工智能系統，一些大型組織正在使用大量的小數據。

像遷移學習這樣的小數據方法有很多優點。例如，使用數據較少的人工智能可以加強數據很少或沒有可用數據的領域。盡管許多研究人員認為人工智能的成功需要大數據，但在這種情況下，遷移學習已被證明對于使人工智能應用多樣化并進入未開發的領域至關重要。與大數據方法相比，遷移學習還有助于節省成本和時間。許多專家指出，遷移學習將成為機器學習行業的下一個驅動力。

各種小數據技術被用來訓練人工智能識別對象類別。小數據技術被廣泛用于提高不同行業和企業工作的效率、準確性和透明度。人工智能在員工的技能培訓以及他們從較小數據集學習的能力方面發揮著重要作用。許多人工智能公司都在采用小數據開展業務。

上世紀的很多科學家使用小數據進行研究和發現，他們使用小數據完成了所有的計算。他們通過將自然法則歸納成簡單的規則，發現了它們的基本規律。

研究發現，65%的創新都是基于小數據的。盡管許多企業使用深度學習通過將真實數據與合成數據混合來創造最佳性能，但并不總是需要使用大數據。小數據還可用于得出一些重要結論，尤其是在訓練人工智能的時候。大數據有時會在機器學習方法中造成混亂。而采用人工智能是為了掌握知識，而不是處理數據。它涉及向機器提供知識以使其執行任何任務。

與大數據相比，小數據技術還沒有受到太多關注。雖然沒有多少人了解它的好處，但小數據可能很快就會變得非常流行。就科技行業而言，他們正在迅速從大型集中分析轉向更加細化和智能連接的小型數據集。