大白话解读：为啥说数据是AI的“粮食”？（2/2）

除了“量”，数据还有一个更关键的要求——“相关性”，也就是数据得“对味”，得跟ai要做的任务有关系。要是给的 data跟任务没关系，就算数据量再大，ai也白学，根本做不好事情。

咱们还是拿“认猫”举例子：要是你想让ai学会识别猫咪，结果给它的全是狗狗、兔子、仓鼠的图片，就算给它1000万张，ai也不知道“猫”长啥样。因为这些数据跟“认猫”没关系，ai学的全是“狗有四条腿、会汪汪叫”“兔子有长耳朵、会蹦跳”，根本学不到猫的特征，最后肯定认不出猫。

这就像厨师想做红烧肉，结果手里只有青菜、面粉、西红柿，没有猪肉、酱油、糖这些关键食材，就算厨艺再高，也做不出红烧肉，顶多只能做个青菜面、西红柿炒蛋。食材不对，再努力也白费；数据不对，ai再先进也没用。

咱们再讲个真实的行业案例，更能说明问题。之前有个外卖平台，想让ai预测用户的“点餐偏好”，比如用户平时喜欢吃辣还是吃甜，喜欢吃米饭还是面条，这样就能给用户推荐他们可能爱吃的外卖，提高下单率。

一开始，平台犯了个错：他们没收集用户的“点餐相关数据”，反而收集了用户的“购物数据”，比如用户在电商平台买了啥衣服、啥化妆品、啥日用品。他们觉得“购物偏好能反映点餐偏好”，结果预测准确率特别低——比如用户买了很多裙子，ai就推荐清淡的沙拉，可用户其实爱吃重口味的火锅；用户买了男士剃须刀，ai就推荐啤酒、烧烤，可用户其实是个素食主义者。

后来平台改了，开始收集用户的“历史点餐记录”（比如过去一个月点了5次川菜、3次麻辣烫）、“浏览记录”（比如在平台上看了很多家汉堡店，虽然没下单）、“收藏记录”（比如收藏了好几家甜品店），这些都是跟“点餐”直接相关的数据。结果一改，ai的预测准确率立刻提升了40%——用户之前常点麻辣烫，ai就推荐同类型的冒菜、麻辣香锅；用户收藏了甜品店，ai就推荐那家店的新品蛋糕，用户下单率也跟着涨了。

这事儿就充分说明：数据的“相关性”比“量”更重要。就算数据量不大，但只要跟任务相关，ai也能学准；要是数据不相关，就算量再大，也是白费功夫。就像咱们学生考试，要是复习的时候只看跟考试无关的书，比如考数学，却看了一堆语文小说，就算看再多，数学也考不好；只有看数学课本、习题册，才能考出好成绩，ai也是这个道理。

五、现在的大模型：靠万亿级数据，才成了“通才”

咱们现在常听人说“ai大模型”，比如gpt-4、文心一言，这些大模型跟之前的ai不一样，它们像“通才”一样，能做很多事情——能写文章、能做ppt、能翻译外语、能帮人改代码，甚至还能跟人讨论哲学问题。为啥它们这么厉害？核心原因还是“数据”——它们背后有万亿级别的数据支撑。

之前的ai，比如咱们说的语音助手、早期的图像识别ai，大多是“专才”，只能做一件事：语音助手只能听说话、执行简单指令，没法写文章；图像识别ai只能认图片，没法翻译。因为它们背后的数据量不够大，而且类型单一——语音助手只有语音数据，图像识别ai只有图片数据，所以只能学一样技能。

但大模型不一样，它们的“知识库”特别全。开发者会给它们喂各种各样的数据：有全世界的书籍、论文，比如《红楼梦》《哈利·波特》，还有物理、化学、生物的学术论文；有网上的新闻、博客、论坛帖子，比如人民日报的新闻、知乎上的问答、微博上的话题讨论；还有图像、音频、视频数据，比如成千上万张风景照、音乐片段、电影片段。这些数据加起来，量级达到了“万亿级”——你可以理解成，相当于给大模型读了几千亿本书，看了几万亿张图，听了几万亿段声音。

有了这么多、这么全的数据，大模型才能像“通才”一样，啥都会一点。比如你让它写一篇关于“环保”的文章，它能从之前学过的环保论文、新闻里提取信息，组织成通顺的文字；你让它翻译一段英语，它能从学过的双语资料里找到对应的中文表达；你让它帮你改代码，它能从学过的编程教程、代码案例里找到错误，给出修改建议。

要是没有这么多数据，大模型也成不了“通才”。比如给它的数据只有中文书籍，没有英语资料，那它就没法翻译英语；给它的数据只有小说，没有编程资料，那它就没法改代码。就像一个人，要是只读过语文书，没读过数学、英语、物理书，那他只能会语文，其他科目都不会；只有读了各种各样的书，才能成为“全才”，大模型也是这个逻辑。

六、总结：数据是ai的“血液”，没它ai就“活”不了

咱们聊到这儿，相信大家都明白数据对ai有多重要了。最后咱们再总结一下：

数据就像ai的“粮食”，没有粮食，ai就没法“吃饭”，更没法“干活”；数据也像ai的“血液”，贯穿了ai从研发到应用的全过程——研发ai的时候，需要用数据让ai“学习”；ai投入使用后，还需要不断用新数据让ai“更新知识”，比如语音助手得不断收集新的语音数据，才能听懂更多人的话；大模型得不断收集新的书籍、新闻数据，才能知道最新的信息，比如“今年的世界杯冠军是谁”“最新的科技发明是什么”。

要是没有数据，ai就只是一个没有灵魂的程序，就算算法再先进，也啥都做不了。就像一辆没有油的汽车，就算车再贵、配置再好，也开不动；ai没有数据，就算技术再厉害，也没法发挥作用。

现在ai技术越来越普及，咱们生活里到处都是ai——刷视频的时候，ai会推荐你喜欢的内容；买东西的时候，ai会推荐你可能想买的商品；看病的时候，ai能帮忙识别ct片里的异常。这些ai能正常工作，背后都是海量数据在支撑。

所以下次再用ai的时候，别只觉得它“厉害”，也可以想想：它背后得有多少数据，才能帮我做这些事情？正是因为有了这些“数据粮食”，ai才能不断进步，给咱们的生活带来更多方便。