人工智能（AI）开始对数据治理进行反馈，进一步推动人工智能在小场景中的应用。

在过去的十年中，以深度学习为代表的人工智能的发展是基于数据的，高质量的数据是人工智能良好应用的前提条件。在这种情况下，数据科学家、数据分析师等不得不将大量的时间和精力用于数据的准备工作，也就是常说的“脏活”。这种现象在因为规模化程度不够，进而导致分工不彻底的小场景中尤为明显。因此，高级人才的大量时间其实在做低级工作，投资回报率（ROI）不高，人工智能难以广泛应用。

未来，这种情况将有所改善！数智反向融合，将形成以智养智的正反馈。

首先，预训练大模型已经在一定程度上减少了所需的数据样本；其次，数据治理本身也是一个发现规律的过程，人工智能已经开始对这个过程中的数据进行反馈。随着模型通用性的进一步增强和交互方式的日趋简单，这种人工智能对数据治理的反馈作用将越来越明显，数据治理将逐渐变成以人工智能为主、人工为辅的模式。

在过去，数据科学家和数据分析师需要花费大量的时间和精力来处理和准备数据，这是他们的主要工作。然而，随着人工智能的发展，这种情况正在发生改变。预训练大模型的出现，使得我们不再需要大量的数据样本来进行训练。这大大减少了数据科学家和数据分析师的工作负担，使他们可以将更多的精力投入到更高级的工作中。

此外，数据治理本身也是一个发现规律的过程。在这个过程中，人工智能已经开始发挥其强大的学习和分析能力，对数据进行反馈。这不仅可以提高数据治理的效率，也可以提高数据的质量。随着人工智能的发展，这种反馈作用将越来越明显。

在未来，随着模型通用性的进一步增强和交互方式的日趋简单，人工智能对数据治理的反馈作用将更加明显。这将使得数据治理逐渐变成以人工智能为主、人工为辅的模式。这意味着，数据科学家和数据分析师将不再需要花费大量的时间和精力来处理和准备数据，而是可以将更多的精力投入到更高级的工作中。

人工智能的发展正在改变数据治理的方式，使其变得更加高效和智能。这将有助于推动人工智能在小场景中的应用，使其能够更好地服务于社会。

如何理解”数智融合“？

数实融合是指什么意思？