数据集在算法

如果属实，这个假设对人工智能未来的进展基础性意义。例如，优先考虑高品质的训练数据集的种植可能允许订单数量级的增速在AI突破了纯算法的进步。毕竟，专注于数据，而不是算法是一种潜在的简单的方法。“尽管新的算法得到太多的公共信用于截至最后AI冬天，得出结论：”亚历山大Wissner-格罗斯，“真正的新闻可能是优先的培养他们周围的新数据集和研究团体可能会延长目前AI夏天必不可少的。“

我们想知道的算法交易系统同样可能从栽培新数据集和身边的研究团体。受益可能看起来像什么？ 我们如何学会用完美的数据？什么是信任的数据太多的风险？

参考文献：

1. Wissner-毛，亚历山大（2016年）。数据集在算法。边缘。：取自https://www.edge.org/response-detail/26587
2. 克莱恩，加里（2016年）。通过数据蒙蔽边缘。：取自https://www.edge.org/response-detail/26692