“饿了么”上线的电子证照应用服务通过市场监管局调用商家证照信息，实现主体数据双向互通，完成线上展示、查验、安全传阅和实时更新，杜绝无证照、假证照餐饮店入网经营，提升市场监管效能。依托全国一体化政务服务平台，市可信电子文件公共服务平台，赋能福州互联网市场监管，助推福州数字政府建设。充分发挥公司在电子证照、电子合同、电子档案等可信电子文件领域的专业技术能力与应用服务能力。持续推进可信电子文件在
“便捷公共服务”、“互联网监管”
第一阶段
√早饭午饭晚饭按时吃！√晚上6点以后别吃任何东西
效果：可去浮肿
第二阶段√早餐必吃！午餐必吃！晚餐不吃！
：第二周身体会感受到极度饥饿，第3天是最痛苦的时候逐渐可以忍受，但是早晨起床的时候疲惫感会减轻，会感觉很轻松就起床了排便也变得有规律。
第三阶段√早晨选择吃！午餐必须吃！晚餐少吃也选择不吃！
√喝水量要比平常增加很多√开始轻度有氧运动（比如跳绳、快走、跑步等）
第四阶段√脂肪大量流失，胃会缩小很多。√女生可以通过轻哑铃和瑜伽塑形。
√男生可多摄取蛋白质，同时进行肌肉训练。
效果：√到第3周的时候体重至少也能减去9公斤。
注意：因为处于急速减肥的状态，皮肤会下垂或者变得皱巴巴，所以要多拉伸或者简单地慢跑。
以数据为中心的 AI 研究重点是构建 AI 系统所需的数据。对于 AI
系统，你必须用代码实现一些算法，比如神经网络，然后在你的数据集上训练它。重点必须从大数据转向优质数据。
收集更多的数据通常会有所帮助，但如果研究者尝试为所有内容收集更多数据，那代价非常昂贵。
例如，如果你有 10,000 张图像，其中 30 张图像属于一类，而这
30
张图像标签有不一致的地方，我们要做的就是构建一种工具来对不一致的数据子集进行处理。因此，你可以非常快速地重新标记这些图像以使其更加一致，从而提高性能。
对高质量数据的关注是否会帮助消除数据偏见？如果你可以在训练之前更多地整理数据？
吴恩达：很多研究人员指出，有偏见的数据是导致有偏见系统的众多因素之一。其中谈到了以数据为中心的 AI
如何成为解决方案的一部分（而不是整个解决方案）以数据为中心的 AI
为我们提供的强大工具之一是能够设计数据子集。想象一下，训练一个机器学习系统，发现它的性能对于大多数数据集都还可以，但它的性能只对数据的一个子集有偏见。如果你尝试更改整个神经网络架构以仅提高该子集的性能，那将非常困难。但是，如果你可以调整数据的子集，则可以更有针对性地解决问题。
当说到数据工程，我们主要在讨论的是什么？
吴恩达：在 AI
领域里，数据清洗非常重要，但清洗数据的方式通常高度依赖手动的方式。在计算机视觉中，有人可能会通过 Jupyter Notebook
来可视化图像，以发现问题并修复它
使用合成数据怎么样，这通常是一个好的解决方案吗？
吴恩达：我认为合成数据是以数据为中心的 AI 工具箱中的重要工具
你的意思是，合成数据可以让你在更多数据集上尝试模型吗？
吴恩达：不，这是个例子。假如你试图检测智能手机外壳上的缺陷，手机上有很多不同类型的缺陷：如划痕、凹痕、砂孔、涂料问题等等。如果你训练了一个模型，然后通过错误分析发现它总体上表现良好，但在凹痕问题上表现不佳，那么合成数据生成可以让你以更有针对性的方式解决问题。你可以仅为凹痕记类别生成更多数据。
合成数据生成是一个非常强大的工具，我们也会率先尝试很多其他工具。例如数据增强、提高标签一致性，或者仅仅要求工厂收集更多数据。
如何应对不断变化的需求？如果工厂的产品发生变化或照明条件发生变化，AI
模型能否跟上？
吴恩达：每个工厂的情况都不一样。很多情况下都会出现数据飘移现象，但是有一些制造商的生产线已经运行了 20
年几乎没有变化，那些稳定的环境使事情变得更容易。对于其他生产商，我们提供了在出现重大数据漂移问题时进行标记的工具。我发现授权制造业客户更正数据、重新训练和更新模型是非常重要的事。
你是说要使其规模化，就必须在用户侧做大量训练等工作？
吴恩达：过去十年，人工智能最大的转变是向深度学习的转变。我认为在这十年中，最大的变化很可能是转向以数据为中心的人工智能。随着当今神经网络架构的成熟，我认为在很多实际应用上，瓶颈将出在「能否有效获取开发运行良好系统所需的数据」上。以数据为中心的
AI 运动在整个社区拥有巨大的能量和动力
