人工智能技术因其强大的学习和泛化能力已经被广泛应用到各种真实场景中.然而,现有人工智能技术还面临着三大挑战.第一,现有AI技术使用门槛高,依赖于AI从业者选择合适模型、设计合理参数、编写程序,因此很难被广泛应用到非计算机领域;第二,现有AI算法训练效率低,造成了大量计算资源浪费,甚至延误决策时机;第三、现有AI技术强依赖高质量数据,如果数据质量较低,可能造成计算结果的错误.数据库技术可以有效解决这三个难题,因此目前面向AI的数据管理得到了广泛关注.本文首先给出AI中数据管理的整体框架,然后详细综述基于声明式语言模型的AI系统、面向AI优化的计算引擎、执行引擎和面向AI的数据治理引擎四个方面.最后展望未来的研究方向和挑战.

http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6121&flag=1

成为VIP会员查看完整内容
46

相关内容

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。其目的在于充分有效地发挥数据的作用。实现数据有效管理的关键是数据组织。
专知会员服务
106+阅读 · 2021年1月8日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
多模态视觉语言表征学习研究综述
专知会员服务
186+阅读 · 2020年12月3日
专知会员服务
173+阅读 · 2020年11月23日
机器学习模型安全与隐私研究综述
专知会员服务
108+阅读 · 2020年11月12日
专知会员服务
15+阅读 · 2020年11月8日
专知会员服务
105+阅读 · 2020年10月27日
专知会员服务
44+阅读 · 2020年8月20日
专知会员服务
38+阅读 · 2020年8月14日
领域知识图谱研究综述
专知
15+阅读 · 2020年8月2日
【边缘智能】边缘计算驱动的深度学习加速技术
产业智能官
20+阅读 · 2019年2月8日
硬件加速神经网络综述
计算机研究与发展
24+阅读 · 2019年2月1日
2018年深度学习优化算法最新综述
计算机视觉战队
9+阅读 · 2018年12月11日
AutoML 和神经架构搜索初探
极市平台
9+阅读 · 2018年8月8日
干货 | AutoML 和神经架构搜索初探
AI科技评论
3+阅读 · 2018年8月1日
Arxiv
0+阅读 · 2021年1月7日
Arxiv
0+阅读 · 2021年1月7日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
18+阅读 · 2020年7月13日
A Survey on Edge Intelligence
Arxiv
49+阅读 · 2020年3月26日
AutoML: A Survey of the State-of-the-Art
Arxiv
67+阅读 · 2019年8月14日
Arxiv
29+阅读 · 2019年3月13日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
VIP会员
相关VIP内容
专知会员服务
106+阅读 · 2021年1月8日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
多模态视觉语言表征学习研究综述
专知会员服务
186+阅读 · 2020年12月3日
专知会员服务
173+阅读 · 2020年11月23日
机器学习模型安全与隐私研究综述
专知会员服务
108+阅读 · 2020年11月12日
专知会员服务
15+阅读 · 2020年11月8日
专知会员服务
105+阅读 · 2020年10月27日
专知会员服务
44+阅读 · 2020年8月20日
专知会员服务
38+阅读 · 2020年8月14日
相关资讯
领域知识图谱研究综述
专知
15+阅读 · 2020年8月2日
【边缘智能】边缘计算驱动的深度学习加速技术
产业智能官
20+阅读 · 2019年2月8日
硬件加速神经网络综述
计算机研究与发展
24+阅读 · 2019年2月1日
2018年深度学习优化算法最新综述
计算机视觉战队
9+阅读 · 2018年12月11日
AutoML 和神经架构搜索初探
极市平台
9+阅读 · 2018年8月8日
干货 | AutoML 和神经架构搜索初探
AI科技评论
3+阅读 · 2018年8月1日
相关论文
Arxiv
0+阅读 · 2021年1月7日
Arxiv
0+阅读 · 2021年1月7日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
18+阅读 · 2020年7月13日
A Survey on Edge Intelligence
Arxiv
49+阅读 · 2020年3月26日
AutoML: A Survey of the State-of-the-Art
Arxiv
67+阅读 · 2019年8月14日
Arxiv
29+阅读 · 2019年3月13日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
微信扫码咨询专知VIP会员