AI訓(xùn)練數(shù)據(jù)，不僅浩如煙海，而且種類龐多。置身其中，很容易茫然迷失，既無法全面洞察這些數(shù)據(jù)的廬山真面目，更不知該如何進(jìn)行數(shù)據(jù)配比、選擇。

為了解決上述問題，聯(lián)想研究院人工智能實(shí)驗(yàn)室和北京大學(xué)機(jī)器感知與智能教育部重點(diǎn)實(shí)驗(yàn)室副主任，大數(shù)據(jù)分析與應(yīng)用技術(shù)國家工程實(shí)驗(yàn)室常務(wù)副主任袁曉如老師及其團(tuán)隊(duì)合作，聯(lián)合打造了業(yè)界首個(gè)數(shù)據(jù)“地形圖”可視化展示技術(shù)。

傳統(tǒng)的可視化大部分為表格或者單純的詞云分布，看不出數(shù)據(jù)集里數(shù)據(jù)的全貌，更看不到數(shù)據(jù)之間的關(guān)系。而此次聯(lián)想和北大攜手研發(fā)的數(shù)據(jù)“地形圖”可視化展示技術(shù)，通過數(shù)據(jù)特征提取、可視化降維分析、高頻詞高頻實(shí)體分析、數(shù)據(jù)高效檢索、自動采樣等技術(shù)，讓數(shù)據(jù)以“地形圖”的形式直接呈現(xiàn)在用戶面前。有了“地形圖”的指引，AI訓(xùn)練者可在海量數(shù)據(jù)間自由穿梭，高效快捷地了解數(shù)據(jù)、洞察數(shù)據(jù)背后的秘密。同時(shí)，該技術(shù)基于內(nèi)置的層次化模型、漸進(jìn)式文本標(biāo)注框架和可視化系統(tǒng)，用戶可根據(jù)需要逐級建立自己的分類，并形成對應(yīng)的可視化視圖，從而逐步探索自己的數(shù)據(jù)。

數(shù)據(jù)“地形圖”中的每一個(gè)目標(biāo)點(diǎn)即代表一條數(shù)據(jù)，海量數(shù)據(jù)顯示時(shí)，會根據(jù)數(shù)據(jù)的分布密度自動進(jìn)行下采樣，采樣后呈現(xiàn)的數(shù)據(jù)，依然保持?jǐn)?shù)據(jù)集原有各區(qū)域的相對分布密度。通過對“地形圖”的放大、縮小、漫游，可詳細(xì)查看每一條數(shù)據(jù)。

 

“地形圖”上點(diǎn)綴的一個(gè)個(gè)“地標(biāo)”，是數(shù)據(jù)中出現(xiàn)的高頻詞和高頻實(shí)體，根據(jù)統(tǒng)計(jì)頻次和來源出處，高頻詞和高頻實(shí)體以不同的大小形態(tài)和不同的地理位置在“地形圖”上以詞云形式展示。有了這些詞云“地標(biāo)”的指引，用戶既能快速了解數(shù)據(jù)集中數(shù)據(jù)所屬的大致領(lǐng)域、類型等，也可便捷查找到感興趣的數(shù)據(jù)，從而在海量數(shù)據(jù)中漫步也不會迷路。

在地理學(xué)科中，有一個(gè)“等高線”的概念——把地面上海拔高度相同的點(diǎn)連成閉合曲線，并垂直投影到一個(gè)水平面上，‌再按比例縮繪在圖紙上就獲得了等高線。

等高線提供了關(guān)于地形的重要信息，‌包括地形的難易程度、‌山丘與洼地的區(qū)分、‌山脊和山谷的位置等。‌通過等高線，‌可以判斷地形的陡峭或平緩。‌例如，‌等高線越密集，‌表示地形越陡峭；‌等高線越稀疏，‌則表示地形較為平緩。‌此外，‌等高線還能幫助識別特定的地形特征，‌如山頭、‌洼地、‌鞍部、‌絕壁和懸崖等。‌‌

在我們的“地形圖”上，也有條條“等高線”，但它們代表的是數(shù)據(jù)的分布密度，同一等高線覆蓋區(qū)域數(shù)據(jù)的分布密度相同。每一條等高線圍成的封閉區(qū)域，從某種粒度上屬于同一“山系”，可以視為同一類型。中間最小一圈等高線為“山頂”，是數(shù)據(jù)密集區(qū)域，其中分布的數(shù)據(jù)均為對應(yīng)類型的典型數(shù)據(jù)。對應(yīng)不同山頂?shù)淖钔鈬雀呔€之間為“山谷”，“山谷”中數(shù)據(jù)稀疏，而且其中的數(shù)據(jù)多為邊緣數(shù)據(jù)，或者為跨類型數(shù)據(jù)。不論“山頂”還是“山谷”都有可能存在“寶藏?cái)?shù)據(jù)”哦。為了方便從不同區(qū)域選取數(shù)據(jù)，“地形圖”上還提供了套索和矩形選擇工具，可從任意區(qū)域，以任意形狀選取數(shù)據(jù)。

 

數(shù)據(jù)的分類維度是多樣的，我們的“地形圖”上還提供了交互式探索功能，用戶通過選擇或自定義不同的高頻詞和高頻實(shí)體，從自己需要的維度，創(chuàng)建多種不同層級的不同類型。系統(tǒng)會自動從數(shù)據(jù)集中高效檢索出包含相同或相似高頻詞、高頻實(shí)體的數(shù)據(jù)，在“地形圖”上進(jìn)行獨(dú)立展示，或者在原有底圖上疊加展示，從而突出顯示自己感興趣的數(shù)據(jù)。

這種數(shù)據(jù)“地形圖”可視化技術(shù)現(xiàn)在已經(jīng)成為聯(lián)想煉AI大師產(chǎn)品的一個(gè)功能。煉AI大師由聯(lián)想研究院人工智能實(shí)驗(yàn)室打造，是聯(lián)想AI發(fā)展的重要引擎，為聯(lián)想自研AI算法的開發(fā)提供了重要支撐。它是一個(gè)專業(yè)的算力管理和一站式AI開發(fā)及運(yùn)營平臺，能夠?yàn)锳I專家提供靈活高效的算力管理功能，能為以數(shù)據(jù)為中心的開發(fā)者提供一整套數(shù)據(jù)可視化、清洗、標(biāo)注、模型訓(xùn)練、壓縮、蒸餾、評估、推理以及大模型應(yīng)用等全鏈條服務(wù)。

煉AI大師已經(jīng)在金融、制造、交通、教育等領(lǐng)域有實(shí)際落地案例，為客戶在硬件算力和算法開發(fā)人員之間搭建了一座便捷的橋梁，成倍提升了客戶算力的利用率，為客戶開發(fā)用于自己業(yè)務(wù)的AI算法提供了有力支持，大幅提升了AI開發(fā)及運(yùn)營效率。