吴恩达表示「AI的下一个发展方向，从大数据转向小数据」，你同意他的观点吗？

在大数据发展的早期阶段，几乎每个人都在追求“大数据”。大数据似乎可以解决所有问题。早期，由于互联网领域积累了大量数据，大数据确实解决了很多问题，许多高校教师也积极推动大数据的产业化应用，这一时期是企业、教师和学生的黄金时期。

对于企业来说，通过引入大数据技术，建设数据中心，培养基于数据和强大计算能力的各种模式，促进业务创新，确实带来了显著的成效。在这个过程中，许多教师也走进了互联网工厂。

对于学生来说，在这个大数据的黄金时代，创新可以说是“无处不在”。在相关理论的驱动下，只要结果足够好，就无法解释模型中的许多问题，或者根本无法解释，因此许多学生在参考文献的帮助下自嘲。

然而，随着数据中心推动业务崛起能力的减弱，大数据本身的“大能耗”也受到了批评，这也导致许多教师重返科研，重新思考下一阶段大数据的创新输出。如果我们仅仅依靠大数据和大计算能力来推动创新，这无疑是一条不归路。基于计算能力和数据的优势，许多大型工厂将许多小型团队推向了困境。

一般来说，现在很多研究者开始关注小数据的价值，这是对早期过度关注大数据的一种纠正。在特定领域，尤其是在工业领域，大数据可能没有实际意义。小样本、高价值模型更容易理解。

最后，如果有与大数据相关的问题，欢迎与我沟通和讨论。