做AI项目，经常要面对两个课题：算法和数据。哪一个比较重要呢？自然是都重要，不过非要对比一下，我选择数据。
AI招聘的时候，一般都是招聘算法工程师，特别是很多大厂，非常重视算法的创新性，觉得这样能彰显水平，提升模型效果。不过现实往往不尽如人意，我曾经对比过上百个不同结构的模型，最终的训练效果却相差无几，差距甚至还不如一些重要的超参影响大。
当然，说数据是非常笼统的，并不代表把所有各种数据都搜集过来事情就算做完了。另外搜集数据的成功也不容小觑，比如做一个ASR模型，要录音要人工转写等等，每小时的费用可想而知。这时候，对数据的各种处理，数据增强，同时结合模型的特点进行调参，是获得不错效果的关键。
吴恩达有个采访：AI的下一个发展方向，从大数据转向小数据。这块有两层含义：第一，大数据很多时候是很难获取的，只能是少部分大公司的特权；第二，使用预训练模型进行finetune，这时候并不需要太多的数据，而是需要少量的高质量数据，让模型能够更好地学习。因为在预训练模型已经有了很好的基本功，这时候只需要在特定问题上进行升华即可。
此外，吴恩达还表示过，一个机器学习团队80%的工作应该放在数据准备上，确保数据质量是最重要的工作。上图是一个AI问题迭代的流程图，在问题建立后，第一步也是最重要的一步就是获取和准备数据。
你认为算法和数据哪个更重要呢？
AI人工智能与大数据
