“目前我國已有龐大的數(shù)據(jù)加工隊(duì)伍,僅北京就有一百多家專門從事數(shù)據(jù)標(biāo)注的公司,全國從事這項(xiàng)工作的人大概超過千萬,很多頭部的互聯(lián)網(wǎng)技術(shù)企業(yè)都有自己的數(shù)據(jù)標(biāo)注公司!
目前人工智能落地場(chǎng)景不斷豐富,智能化應(yīng)用正改變著我們的生活。而在AI產(chǎn)業(yè)高速發(fā)展的背后,數(shù)據(jù)標(biāo)注師這個(gè)新職業(yè)的從業(yè)人數(shù)也正在壯大。數(shù)據(jù)標(biāo)注行業(yè)流行著一句話,“有多少智能,就有多少人工”。目前AI算法能學(xué)習(xí)的數(shù)據(jù),必須通過人力逐一標(biāo)注,這些人力為AI產(chǎn)業(yè)提供養(yǎng)料,構(gòu)建了AI金字塔的基礎(chǔ)。
近日,支付寶公益基金會(huì)、阿里巴巴人工智能實(shí)驗(yàn)室聯(lián)合中國婦女發(fā)展基金會(huì)在貴州銅仁萬山區(qū)啟動(dòng)了“AI豆計(jì)劃”,這是該計(jì)劃在全國啟動(dòng)的第一個(gè)試點(diǎn)地區(qū)。作為一種 “AI+扶貧”的公益新模式,計(jì)劃旨在通過AI產(chǎn)業(yè)釋放出的大量就業(yè)機(jī)會(huì),在貧困地區(qū)培訓(xùn)相關(guān)職業(yè)人才、孵化社會(huì)企業(yè),讓貧困群眾實(shí)現(xiàn)在家門口就業(yè)脫貧。
這些從業(yè)者不需要背井離鄉(xiāng),她們可以受訓(xùn)上崗,為AI機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)的分類和標(biāo)注工作,讓機(jī)器可以快速學(xué)習(xí)和認(rèn)知文字、圖片、視頻等內(nèi)容,成為一名“AI培育師”。
機(jī)器學(xué)習(xí)必需數(shù)據(jù)標(biāo)注
AI數(shù)據(jù)標(biāo)注員被稱作“人工智能背后的人工”。“數(shù)據(jù)是人工智能的血液。當(dāng)下是大數(shù)據(jù)基礎(chǔ)上的人工智能,是數(shù)據(jù)智能的深度學(xué)習(xí)時(shí)代,可以說誰掌握了數(shù)據(jù),誰就有可能做好。”中科院自動(dòng)化所研究員、視語科技創(chuàng)始人王金橋告訴科技日?qǐng)?bào)記者。他解釋,當(dāng)前的人工智能也被稱作數(shù)據(jù)智能,在這個(gè)發(fā)展階段,神經(jīng)網(wǎng)絡(luò)的層數(shù)越多,神經(jīng)網(wǎng)絡(luò)越深,需要用于訓(xùn)練的數(shù)據(jù)量越大,“比如目前人臉識(shí)別做得好的是中青年人臉識(shí)別系統(tǒng),因?yàn)槟贻p人坐車住酒店,采集的數(shù)據(jù)量大,小孩和老年人數(shù)據(jù)相對(duì)較少!
但同時(shí),只有數(shù)據(jù)是沒用的。對(duì)于深度學(xué)習(xí)來講,數(shù)據(jù)只有加上標(biāo)簽才有意義,才能用于機(jī)器的學(xué)習(xí)和進(jìn)化!皹(biāo)注是一個(gè)必須的工作。”王金橋說。
王金橋介紹,從數(shù)據(jù)的收集、清洗、標(biāo)注到校驗(yàn)都離不開人工。數(shù)據(jù)標(biāo)注最基本的就是畫框,比如檢測(cè)目標(biāo)是車,標(biāo)注員就需要把一張圖上的所有車都標(biāo)出來,畫框要完全卡住車的外接矩形,框得不準(zhǔn)確機(jī)器就可能“學(xué)壞”。再比如人的姿態(tài)識(shí)別,就包括18個(gè)關(guān)鍵點(diǎn),經(jīng)過訓(xùn)練的標(biāo)注員才能掌握這些關(guān)鍵點(diǎn)的標(biāo)注,標(biāo)注完成的數(shù)據(jù)也才能符合機(jī)器學(xué)習(xí)的標(biāo)準(zhǔn)。
不同的數(shù)據(jù)類型對(duì)標(biāo)注員的要求也不一樣。除了一般較為簡單、可以通過培訓(xùn)掌握的標(biāo)注,還有一些需要專業(yè)背景的標(biāo)注,比如在醫(yī)療數(shù)據(jù)標(biāo)注中,標(biāo)注員需要做醫(yī)療圖像的分割,把腫瘤區(qū)域標(biāo)出來,類似工作就需要看得懂片子的醫(yī)生完成。再比如地方方言或外國文字,需要的也是掌握那門語言的標(biāo)注員。
人工標(biāo)注幫助AI快速落地
隨著人工智能的發(fā)展,數(shù)據(jù)的訓(xùn)練量非常大,數(shù)據(jù)標(biāo)注公司應(yīng)運(yùn)而生,這些公司以網(wǎng)絡(luò)方式運(yùn)作,一個(gè)平臺(tái)有產(chǎn)品經(jīng)理和項(xiàng)目經(jīng)理,接到一個(gè)任務(wù)就找人來做,大家通過網(wǎng)絡(luò)群組報(bào)名后,由產(chǎn)品經(jīng)理來培訓(xùn),之后各自領(lǐng)取自己的任務(wù),登錄賬號(hào)進(jìn)行標(biāo)注,檢驗(yàn)經(jīng)理校驗(yàn)合格后就付錢,不合格則需要重新修正。
“目前已經(jīng)形成龐大的數(shù)據(jù)加工隊(duì)伍,僅北京就有一百多家專門從事數(shù)據(jù)標(biāo)注的公司,全國從事這項(xiàng)工作的人大概超過千萬,很多頭部的互聯(lián)網(wǎng)技術(shù)企業(yè)都有自己的數(shù)據(jù)標(biāo)注公司。”王金橋說,“這個(gè)階段數(shù)據(jù)對(duì)性能的貢獻(xiàn)是最大的,數(shù)據(jù)越多越豐富、代表性越強(qiáng)、模型效果越好,算法的健壯性和魯棒性就越強(qiáng)。目前情況是大部分AI公司都還沒有實(shí)現(xiàn)盈利,但標(biāo)注公司除外!
據(jù)王金橋介紹,國外也是一樣,無人零售、無人駕駛等都需要大量的人力,基于用工成本的問題,除了隱私數(shù)據(jù)之外,他們會(huì)把標(biāo)注工作放在第三世界國家完成,馬來西亞、泰國、印度等國家都有數(shù)據(jù)標(biāo)注分公司。
常見的報(bào)道中,數(shù)據(jù)標(biāo)注總被描述為“血汗工廠”,這項(xiàng)工作和從業(yè)者被描述得廉價(jià)低質(zhì),人被重復(fù)性機(jī)械式的勞動(dòng)異化。在王金橋的解釋下,這一刻板印象也被逐漸打破。
他直言,目前這種大量的人工標(biāo)注是有價(jià)值的,因?yàn)槔碚撋辖鉀Q問題很難,但有了大量數(shù)據(jù),設(shè)計(jì)深度學(xué)習(xí)網(wǎng)絡(luò),可以在特定場(chǎng)景特定應(yīng)用中用數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),從而在很多場(chǎng)景中可以讓AI快速落地占領(lǐng)市場(chǎng)、驅(qū)動(dòng)行業(yè)應(yīng)用、促進(jìn)行業(yè)升級(jí)和迭代。
“比如在手機(jī)玻璃缺陷、高鐵軌道的缺陷、電網(wǎng)高壓線絕緣子損壞等檢測(cè)工作中,無人機(jī)拍攝畫面后,由人來檢測(cè),隨著數(shù)據(jù)量增加,機(jī)器得到的訓(xùn)練越來越充分,機(jī)器慢慢可以自動(dòng)檢測(cè),類似工作可以很大程度上由機(jī)器代勞。”王金橋說,目前人工智能的智能性雖然比較弱,但在各行各業(yè)都會(huì)帶來改變,這是AI推動(dòng)產(chǎn)業(yè)革命的機(jī)會(huì)。
數(shù)據(jù)標(biāo)注需求持續(xù)增加
“現(xiàn)在科研界研究的都是無監(jiān)督、小樣本的深度學(xué)習(xí),通過三維合成數(shù)據(jù),用虛實(shí)結(jié)合的數(shù)據(jù)生成方式來訓(xùn)練機(jī)器,盡量減少數(shù)據(jù)的采集和標(biāo)注,讓機(jī)器自主學(xué)習(xí)、自主進(jìn)化!蓖踅饦蛘f,但由于缺乏理論上的突破性技術(shù),所以雖然技術(shù)增長速度很快,但整體水平還比較低,目前的深度學(xué)習(xí)還是依賴基于統(tǒng)計(jì)意義的大數(shù)據(jù)模型,這要求數(shù)據(jù)足夠多、足夠均衡、基本滿足真實(shí)世界的分布。
因此,標(biāo)注這項(xiàng)工作會(huì)一直存在。
但王金橋也表示,隨著無監(jiān)督、小樣本深度學(xué)習(xí)的進(jìn)步,重復(fù)性標(biāo)注的工作量會(huì)越來越少。“機(jī)器的識(shí)別和人一樣,人經(jīng)過幾千年的進(jìn)化,用語言用文字記錄和存儲(chǔ)幾千年的文明,所以看到桌子就知道是桌子,看到靈芝知道是靈芝。機(jī)器也需要不斷理解更多的內(nèi)容,有數(shù)據(jù)標(biāo)簽,它才能學(xué)習(xí),才會(huì)有智能。數(shù)據(jù)的加工是一個(gè)長期存在的過程,由畫框到基礎(chǔ)詞匯,慢慢形成自己的知識(shí)圖譜,才能自我推理和思考!
目前的數(shù)據(jù)標(biāo)注公司基本采取“計(jì)件付費(fèi)”的模式,標(biāo)注員的待遇與任務(wù)量和難度直接相關(guān),熟練工一天能標(biāo)幾千張圖片,月收入最高過萬。這項(xiàng)工作也有一定專業(yè)性,受過培訓(xùn)才知道怎么標(biāo)、標(biāo)得清楚,人也要認(rèn)真細(xì)心!懊刻飚a(chǎn)生的數(shù)據(jù)量太大了,數(shù)據(jù)量持續(xù)增加,對(duì)標(biāo)注的需求也持續(xù)增加!蓖踅饦蛘f。
據(jù)阿里巴巴集團(tuán)副總裁、阿里巴巴人工智能實(shí)驗(yàn)室總經(jīng)理陳麗娟介紹,貴州萬山僅僅是一個(gè)起點(diǎn),未來項(xiàng)目的整體規(guī)劃將聚焦貧困地區(qū),尋找更多更適合發(fā)展“AI標(biāo)注”產(chǎn)業(yè)的地區(qū)來落地。同時(shí),也希望更多的人工智能企業(yè)加入,把AI標(biāo)注的訂單定向輸送給貧困地區(qū),為貧困群眾提供更多就業(yè)機(jī)會(huì)。陳麗娟說。
延伸閱讀
AI數(shù)據(jù)服務(wù)發(fā)展新方向:細(xì)分化、多模態(tài)、專業(yè)化
數(shù)據(jù)表明,當(dāng)前AI發(fā)展出現(xiàn)了細(xì)分化、多模態(tài)以及專業(yè)化三大特征。相應(yīng)的,新變化對(duì)于AI數(shù)據(jù)服務(wù)行業(yè)也形成了一定的影響與方向指引。
當(dāng)前AI已經(jīng)進(jìn)入技術(shù)落地階段,應(yīng)用場(chǎng)景涉及安防、金融、家居、交通等各大行業(yè)。而未來,在數(shù)據(jù)標(biāo)注行業(yè),從業(yè)者也將隨著AI行業(yè)而一同進(jìn)入細(xì)分市場(chǎng)追逐階段。
同時(shí)多模態(tài)也成為了AI技術(shù)發(fā)展的一個(gè)特征。所謂多模態(tài),即是對(duì)多維時(shí)間、空間、環(huán)境數(shù)據(jù)的感知與融合。如當(dāng)前的自動(dòng)駕駛需要雷達(dá)+攝像頭才能跑的更穩(wěn),安防行業(yè)需要攝像頭+雷達(dá)紅外RFID才能感知得更精準(zhǔn)、更真實(shí)。而在數(shù)據(jù)服務(wù)產(chǎn)業(yè),企業(yè)也需要適應(yīng)AI技術(shù)發(fā)展的多模態(tài)特征,掌握對(duì)多維傳感器融合的數(shù)據(jù)采集與標(biāo)注。
此外,盡管當(dāng)前AI技術(shù)已經(jīng)進(jìn)入落地階段,但是頭部AI企業(yè)的落地場(chǎng)景相較傳統(tǒng)行業(yè)的AI落地場(chǎng)景,在技術(shù)上會(huì)更有前沿性。而這些企業(yè)的一些先進(jìn)技術(shù)研究也很有可能成為未來數(shù)據(jù)服務(wù)行業(yè)的一大發(fā)展方向,所以數(shù)據(jù)服務(wù)企業(yè)也需要在這些前沿場(chǎng)景中不斷探索,才能在行業(yè)競(jìng)爭中獲得長期發(fā)展。