ICML国际机器学习顶会来袭，格物钛分享AI开放数据 ICML2021第三十八届国际机器学习

文章图片

文章图片
ICML 2021
第三十八届国际机器学习大会（ICML）于2021年7月18日正式召开。ICML作为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议，致力于展示和发表与人工智能、统计学和数据科学等密切相关领域以及重要应用领域的研究成果，推动人工智能分支机器学习的发展。
一年一度的ICML汇聚了众多高水平的学者、工业研究人员、企业家以及工程师，共同分享科技领域的前沿资讯。格物钛作为今年ICML 2021的主办人之一，有幸参与ICML Expo分享大会，与机器学习领域内的研究者们共同探讨开放数据的未来。

文章图片

文章图片
ICML Sponsor
在过去的几十年里， ImageNet、KITTI 和 MNIST 等开放数据一直是人工智能研究的核心。随着开放数据的兴起，越来越多的研究人员开始意识到数据在人工智能发展中的重要性。行业专家吴恩达和许多其他开发人员正在倡导从以模型为中心的 AI 过渡到以数据为中心的 AI 开发。
在ICML 2021 Expo上，格物钛创始人兼CEO崔运凯从当前开放数据的一些痛点角度出发，分享了格物钛对于公开数据集的思考以及解决方案。
以下是崔运凯演讲《探究开放数据的未来》中分享的有关“开放数据的痛点”：
数据是AI研究的核心

文章图片

文章图片
MNIST 数据集
第一个我想分享给大家的例子是MNIST数据集。这是一个非常有名的数据集，最初在1998年被创造出来。根据谷歌学术（google scholar），目前已经有大约50000篇研究论文是与该数据集有关或直接使用该数据集。最初，这个数据集的量就非常大，包含了60000张训练图像以及10000张测试图像。但是每张图像都非常小。一张图像只有28*28个像素点。MNIST数据集激发了很多机器学习算法方面的创新：从线性回归模型到支持向量机再到神经网络。

文章图片

文章图片
ImageNet 数据集
第二个我想分享的数据集是ImageNet数据集。它同样非常有名---李飞飞教授在2009年的国际计算机视觉与模式识别会议（CVPR）中初次展示了该数据集。根据谷歌学术的数据，一篇基于ImageNet数据集的论文“ImageNet: a Large-Scale Hierarchical Image Database”也被引用了30000次。比起MNIST数据集， ImageNet数据集会更大：该数据集包含了40000000（40million）张数据集并涵盖了20000个种类。在这张PPT的右边，我们可以看到ImageNet比赛中的模型预测错误率（error rate）在逐年降低。颠覆性的机器学习模型AlexNet也使用了ImageNet数据集作为基准并获得了10%的预测准确性提升。比起之前的许多模型，这也是非常显著的进步。

文章图片

文章图片
KITTI 数据集
第三个我想介绍的数据集是KITTI 。该数据集在自动驾驶领域也是非常有名。KITTI是一个相对而言比较新的数据集，在Max Plank Institute ， Toyota institute和KIT合作下， KITTI于2012年被创造出来。关于KITTI的论文“Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite”被引用了7000次。在自动驾驶领域， KITTI是最早并且最有名的数据集之一，相信在座的很多人也或多或少接触过这个数据集。