數(shù)據(jù)采集標(biāo)注：人工智能產(chǎn)業(yè)落地的「至強(qiáng)」后盾

本文轉(zhuǎn)載自微信公眾號(hào)： ToB行業(yè)頭條（ID：wwwqifu），作者：李曉松

這兩年，人工智能越來越火。

大到機(jī)場(chǎng)、火車站、商超、街道上的人臉識(shí)別設(shè)備；小到我們手機(jī)APP的各種算法，以及Siri、小度、小愛等語音助手，都與人工智能相關(guān)。

雖然人工智能應(yīng)用的越來越普及，可我們還是會(huì)經(jīng)常遇到APP推送不精準(zhǔn)，語音助手像個(gè)“傻瓜”，人臉識(shí)別系統(tǒng)頻繁出烏龍等現(xiàn)象……

烏龍鬧?。憾髦?ldquo;闖紅燈”。實(shí)際是公交巴士貼著董明珠頭像，剛好被攝像頭拍到，人工智能系統(tǒng)誤以為是董明珠闖了紅燈。

我們暢想的人工智能，是科幻電影中能夠“想我所想”的人工智能。可我們面對(duì)的人工智能，卻是頻繁出錯(cuò)，甚至是難以落地的人工智能。

那么，面對(duì)這些問題，我們要如何解決？我們又要做哪些努力，才能讓人工智能更加精準(zhǔn)呢？

01

制約人工智能發(fā)展的要素

總有朋友認(rèn)為，人工智能不準(zhǔn)是因?yàn)橛?xùn)練人工智能的數(shù)據(jù)不準(zhǔn)。其實(shí)，這個(gè)觀點(diǎn)說對(duì)也對(duì)，但也并非全對(duì)。

數(shù)據(jù)確實(shí)是制約人工智能發(fā)展的重要一環(huán)?？芍萍s人工智能發(fā)展的要素并不只有數(shù)據(jù)，算法、算力也是極其重要的因素。

如果以一輛汽車來比喻，算法是汽車的設(shè)計(jì)理念，算力更像是汽車的發(fā)動(dòng)機(jī)，而數(shù)據(jù)則是驅(qū)動(dòng)騎車前行的燃料。

光有燃料，沒有好的發(fā)動(dòng)機(jī)和設(shè)計(jì)，汽車自然跑不快。同樣，光有發(fā)動(dòng)機(jī)，沒有燃料，汽車也無法不動(dòng)。

按理說，三位一體的協(xié)同發(fā)展肯定是最好的?？僧?dāng)前人工智能公司的現(xiàn)狀卻是：很多公司已經(jīng)具備了先進(jìn)的算法和優(yōu)質(zhì)的硬件，產(chǎn)品不能落地還真是燃料的問題。

Testin有數(shù)總經(jīng)理賈宇航在接受ToB行業(yè)頭條（ID：wwwqifu）采訪時(shí)表示：

“人工智能時(shí)代到來以后，越來越多的產(chǎn)品、APP、硬件成為人工智能落地的載體。在人工智能落地的過程中，很多企業(yè)受制于數(shù)據(jù)難題，在產(chǎn)品迭代、升級(jí)的過程中遇到了較大阻力。”

而關(guān)于人工智能企業(yè)面對(duì)的數(shù)據(jù)難題，賈宇航重點(diǎn)提到了兩個(gè)：

很多人工智能企業(yè)沒有數(shù)據(jù)或可用的數(shù)據(jù)實(shí)在太少。這些企業(yè)在數(shù)據(jù)采集環(huán)節(jié)，就遇到了大問題。

很多人工智能公司好不容易采集到了大量數(shù)據(jù)，卻無法將數(shù)據(jù)標(biāo)注精準(zhǔn)，也找不到可靠的、擁有相關(guān)經(jīng)驗(yàn)的人來標(biāo)注。總要面臨數(shù)據(jù)如何篩選、如何使用的難題。

那么，針對(duì)這些問題，人工智能企業(yè)又該怎么辦呢？是否有一種辦法，能夠幫助人工智能企業(yè)解決當(dāng)前的數(shù)據(jù)難題呢？

 02

數(shù)據(jù)要如何采集、如何用？

其實(shí)打從人工智能出現(xiàn)的那一天起，數(shù)據(jù)采集、標(biāo)注等問題，就得到了諸多廠商的重視。

早在2005年，亞馬遜就建立了Mechanical Turk論壇，希望通過眾包模式，解決人工智能公司的數(shù)據(jù)處理需求。

但隨著人工智能的逐步發(fā)展，AI落地已經(jīng)成為行業(yè)發(fā)展的一大重要階段，相應(yīng)的數(shù)據(jù)服務(wù)也邁向了場(chǎng)景化以及精細(xì)化時(shí)代。

賈宇航介紹稱，Testin有數(shù)目前主攻自動(dòng)駕駛、銀行、保險(xiǎn)和安防領(lǐng)域，為其提供定制化的數(shù)據(jù)采集、標(biāo)注服務(wù)，全方位支持文本、語音、圖像、視頻等各類型數(shù)據(jù)的處理。

“比如自動(dòng)駕駛廠商需要采集司機(jī)的疲勞狀況，卻很難把設(shè)備安裝到大街上的車?yán)锩妗Ｒ驗(yàn)檫@樣采集到的數(shù)據(jù)不僅不標(biāo)準(zhǔn)，還會(huì)涉及司乘人員的隱私問題。

但Testin有數(shù)卻可以根據(jù)客戶需求，在數(shù)據(jù)采集中心搭建模擬場(chǎng)景，利用專業(yè)的備采人群和軟硬件設(shè)備，采集豐富的樣本信息，滿足客戶的多種需求。”

 Testin有數(shù)定制化采集場(chǎng)景示意圖

作為AI數(shù)據(jù)服務(wù)行業(yè)的領(lǐng)航品牌，Testin有數(shù)擁有自建的數(shù)據(jù)基地體系，所有標(biāo)注員統(tǒng)一管理，規(guī)范生產(chǎn)，能夠在保證數(shù)據(jù)準(zhǔn)確率的同時(shí)，有效保證標(biāo)注作業(yè)的信息流轉(zhuǎn)。

Testin有數(shù)還開發(fā)了自研標(biāo)注平臺(tái)，支持標(biāo)注類型定制化開發(fā)，讓標(biāo)注類型功能更為全面，保證標(biāo)準(zhǔn)化業(yè)務(wù)可以高效運(yùn)行。

Testin有數(shù)標(biāo)注平臺(tái)示意圖

當(dāng)前，國(guó)內(nèi)很多數(shù)據(jù)標(biāo)注公司，還是典型的勞動(dòng)密集型企業(yè)。這些企業(yè)為了節(jié)省人力成本，還在使用培訓(xùn)半天即可上崗的臨時(shí)工，做的也是數(shù)據(jù)標(biāo)注行業(yè)最簡(jiǎn)單的事情。

可Testin有數(shù)很早就看到了傳統(tǒng)模式的弊端，早已通過采集基地的建立、標(biāo)注平臺(tái)的搭建和職前60天的優(yōu)質(zhì)培訓(xùn)，擺脫了標(biāo)注行業(yè)的低端同質(zhì)化競(jìng)爭(zhēng)，實(shí)現(xiàn)了技能密集型企業(yè)的轉(zhuǎn)型。

賈宇航始終認(rèn)為：“勞動(dòng)密集型的數(shù)據(jù)服務(wù)，過于依賴勞動(dòng)力，企業(yè)天花板較為明顯。這類企業(yè)對(duì)數(shù)據(jù)平臺(tái)的建設(shè)不夠重視，從業(yè)人員培訓(xùn)時(shí)間較短，數(shù)據(jù)標(biāo)注的質(zhì)量一般。

或許腰部公司會(huì)因?yàn)槌杀镜仍颍x擇這類公司的服務(wù)，可頭部公司一定會(huì)選擇優(yōu)質(zhì)的數(shù)據(jù)標(biāo)注廠商。因?yàn)橹挥袃?yōu)質(zhì)的數(shù)據(jù)才能催生優(yōu)質(zhì)的人工智能，這是行業(yè)發(fā)展的基本規(guī)律。”

 03

高質(zhì)、精準(zhǔn)的數(shù)據(jù)

才是行業(yè)的未來

一個(gè)行業(yè)的成熟，一定離不開行業(yè)內(nèi)成熟企業(yè)的推動(dòng)。人工智能企業(yè)要想快速發(fā)展，必然離不開數(shù)據(jù)采集、標(biāo)注行業(yè)的整體進(jìn)步。

多年以前，我們經(jīng)常會(huì)看到知名人工智能公司把數(shù)據(jù)采集、標(biāo)注的服務(wù)外包給非洲公司，甚至有媒體在探訪非洲數(shù)據(jù)標(biāo)注工廠后感嘆：“貧民為硅谷人工智能打工賺錢。”

其實(shí)，數(shù)據(jù)標(biāo)注工廠建立在非洲等欠發(fā)達(dá)地區(qū)，就是為了獲取廉價(jià)勞動(dòng)力。正因如此，數(shù)據(jù)服務(wù)也被外界認(rèn)作是人工智能金字塔上最底層的工作。

可金字塔的最底層，雖然不像塔尖那樣耀眼，可底層卻是體積最大、也是支撐金字塔屹立不倒的堅(jiān)實(shí)根基。

在人工智能企業(yè)草莽生長(zhǎng)的階段，地基不牢的企業(yè)尚可借力發(fā)展?？僧?dāng)企業(yè)成長(zhǎng)的越來越快，企業(yè)搭建的數(shù)字化尖塔越來越高，根基是否牢靠直接決定了企業(yè)的發(fā)展上限。

這也是為什么，從一開始Testin有數(shù)就對(duì)標(biāo)注人員培訓(xùn)、對(duì)標(biāo)注中心搭建、對(duì)數(shù)據(jù)采集平臺(tái)開發(fā)極為上心的重要原因。

因?yàn)橘Z宇航始終相信，高質(zhì)、精準(zhǔn)的數(shù)據(jù)才是行業(yè)的未來。“當(dāng)一般的數(shù)據(jù)公司還在爭(zhēng)奪地上的‘六便士’時(shí)，Testin有數(shù)已經(jīng)奔往了天上的‘月亮’。”

目前，Testin有數(shù)已經(jīng)在華東、華北、華南設(shè)有數(shù)據(jù)交付中心和數(shù)據(jù)采集、標(biāo)注基地，并成功為數(shù)百家企業(yè)提供AI數(shù)據(jù)服務(wù)。

與之相證的是，國(guó)內(nèi)相關(guān)調(diào)研報(bào)告的結(jié)論也一片向好，數(shù)據(jù)標(biāo)注行業(yè)正在穩(wěn)步上行。

據(jù)艾瑞咨詢最新報(bào)告顯示，2018年中國(guó)人工智能基礎(chǔ)數(shù)據(jù)服務(wù)市場(chǎng)規(guī)模為25.86億元，其中數(shù)據(jù)資源定制服務(wù)占比86.2%，行業(yè)年復(fù)合增長(zhǎng)率為23.5%，預(yù)計(jì)2025年市場(chǎng)規(guī)模將突破110億元。

這一片蒸蒸日上的勢(shì)頭，不僅源于飛速發(fā)展的人工智能公司帶來了大量需求，同樣也離不開Testin有數(shù)這些默默耕耘的數(shù)據(jù)服務(wù)廠商，持續(xù)為人工智能行業(yè)提供著燃料。

確實(shí)，當(dāng)前的人工智能還存在“不準(zhǔn)”的現(xiàn)象，可我們卻能看到，幾年前，阿爾法狗在圍棋領(lǐng)域完爆人類。而就在過去幾個(gè)月內(nèi)，此前發(fā)展了20多年都沒被大眾了解的RPA也突然火了。

為什么阿爾法狗能擊敗人類？為什么RPA突然爆火？這必然離不開人工智能算法的更新演進(jìn)?？稍诩夹g(shù)成熟的背后，像Testin有數(shù)這樣提供數(shù)據(jù)采集、標(biāo)注服務(wù)的廠商也是功不可沒。

正是數(shù)據(jù)采集與標(biāo)注的成熟、精準(zhǔn)，才能訓(xùn)練出阿爾法狗的精準(zhǔn)算法。正是數(shù)據(jù)行業(yè)的不斷積累，才讓OCR、NLP等人工智能技術(shù)在今年變得成熟，從而推火了沉寂已久的RPA。

誠然，人工智能的前路還無盡漫長(zhǎng)，但從以Testin有數(shù)為首的數(shù)據(jù)采集、標(biāo)注廠商的發(fā)展方向來看，我們已經(jīng)看到了行業(yè)未來的藍(lán)圖。