我们将分析分为两部分。第一部分介绍并分类了主要的小型数据方法，我们将其概念化为五个粗略的类别——迁移学习、数据标记、人工数据、贝叶斯方法和强化学习——并阐述了它们重要的原因。通过这样做，我们不仅旨在指出使用小型数据方法的潜在好处，而且还旨在加深非技术读者对数据何时以及如何对人工智能有用的理解。第二部分借鉴原始 CSET 数据集，介绍了一些探索性发现，评估了小型数据方法科学研究的当前和预计进展，概述了哪个国家处于领先地位，以及这些研究的主要资金来源。根据我们的研究结果，我们得出以下四个关键结论：