数据标注:拐点将至

数据、算力、算法是推动人工智能技术进步的“三驾马车”,其中数据是人工智能行业的发展基石,数据对人工智能很重要,“没有好的数据,人工智能没有未来”早已是行业共识。

新变化在于,随着人工智能技术落地场景,不同场景提出了更高质量、更多元的数据需求。

对视觉数据标注需求非常大的自动驾驶领域,很好地展现了数据标注服务的业态变化。

在2016年,人工智能随AlaphGo强势崛起并引发一系列创业、创新活动后,数据标注迎来第一次真正意义上的爆发,但由于当时各公司的人工智能业务多处于“跑Demo"、“做研发”的落地前环节——在质上,用标准数据集就可满足;在量上,规模也不可与现在相比。

所以当时的数据标注行业门槛较低,小作坊遍地开花,然而,从近两年的市场数据来看,第三方数据标注与审核公司开始变多;原本十分分散的数据标注行业走向专业化的拐点正在发生。随着人工智能在金融、医疗、安防等多个领域实现技术落地,人工智能公司对数据的使用逐渐有“大”的趋势,整个行业正在逐渐向多模态、多场景、高精度的方向发展。而促进这些变化的根本原因主要是三点:

一是成本问题。随着数据量越来越大,如果雇佣大量人力进行数据标注,大多数人工智能公司都无法攻克人员管理的挑战和承担随着数据量增长的巨额薪资。

二是质量问题。因为散兵游勇和小型工作室,较难在岗前培训、质量控制和数据安全上做足够的投入。

三是客户结构改变带来的新机会。即除了人工智能公司或有相关业务的科技公司外,各行各业的企业都开始更多投入数字化和人工智能,其中部分企业,一方面有对外采购技术服务的习惯和流程,一方面又缺乏非常先进、成熟的内部人工智能技术,比如无法像很多人工智能公司那样,快速开发自己的标注提效工具,这类公司会更加倚重专业的第三方服务,这扩大了整体市场规模。

在数据标注行业拐点将至的时候,对于专业人才的需求逐渐浮出水面,AI优评在人才培养方面率先迈出了步伐,通过与权威机构的官方合作,AI优评建立起一整套科学的人才评价模型,并且为通过评价考核的学员颁发由国家职业资格培训鉴定实验基地统一核发的《人工智能技术服务-数据标注与审核》高新技术能力证书,为行业发展做出贡献。



推荐文章

“你了解人工智能行业吗?”10个人中可能有9个人会给出肯定的回答。“你了解数据标注行业吗?”10个人中可能有9个人会茫然地摇头。与处在聚光灯中心的人工智能科技公司不同,数据标注行业长期处于聚光灯之外的灰色地带,很长一段时间内都是被边缘化乃至低视的一个存在。不过,随着时代发展带来需求的改变,数据标注行业也在发生着日新月异的变化,开始从幕后走向前台。一.幕后:粗放与混乱交织数据标注行业里流传着这样的一段话:“有多少智能,就有多少人工”。这句话在某种程度上道出了人工智能的本质。事实上,现阶段让AI提升认知世界能力的最有效途径仍然是监督学习,而目前AI算法能学习的数据,几乎全部都是通过人力逐一进行标注而得来的。一张经过数据标注后的图片需求即意味着市场,据相关机构预测,未来几年,国内数据服务市场将达上百亿。如此庞大的市场规模,让很多人都想趁机分一杯羹,于是大大小小的标注团队如雨后春笋一样大量出现。然而,问题也随之而来。与人工智能高科技含量不同,数据标注仍属于劳动密集型产业,且模式通常以外包形式为主。标注员每天从事标框、拉点等重复枯燥的工作,劳动力水平参差不齐导致产出的标注数据质量偏低,无法满足AI企业的需求,影响AI产品商业化落地进程。与此同时,低端产能过低的技术含量,也使数据标注行业几乎没有任何壁垒限制,很多标注团队随意拉进来几个人经过简单培训就可以接业务了。这样的后果就是行业混乱且竞争加剧,绝大部分标注团队只能存活于产业链最底层,压价情况严重,甚至接不到业务导致生存艰难。二.前台:AI对于高质量数据的依赖人工智能行业内有一个很重要的共识:数据集质量的高低直接决定最终模型效果的好坏。换句话说,数据对于模型性能的贡献是最大的,数据越多越丰富、代表性越强、模型效果越好,算法的健壮性和鲁棒性就越强。随着AI企业商业化落地进程的加快,越来越多的企业开始意识到标注数据的重要性。以自动驾驶为例,目前很多企业都已经生产出自己的无人驾驶汽车样车,并频频出现在公共视野内。然而,虽然这些样车在实验室内表现良好,但距离真正的商用仍然有很遥远的距离,一个很重要的原因就是真实路况场景与实验室场景差距过大。自动驾驶标注场景在实验室内,只需要少量的道路数据即可满足实验的需要,但是到了真实的道路上,无人驾驶汽车将会遇到很多无法预知的情况,在没有足够数据支撑的前提下,车载电脑无法做出自己的判断,导致潜在的风险剧增。因此,以自动驾驶企业为代表的众多AI企业对数据标注行业提出了更高的要求,数据标注行业已然开始处于聚光灯的焦点,从幕后走向了前台。三.未来:智能化、精细化、场景化AI数据是人工智能的重中之重。众所周知,人工智能的三驾马车是算法、算力与数据,其中数据是人工智能行业的发展基石。随着人工智能行业商业化落地进程的加快,AI数据服务领域泥沙下沉,清泉上涌,行业变革已初露端倪。未来,智能化、精细化、场景化将是数据标注行业的主要发展方向。智能化,即意味着标注工具AI化。以曼孚科技自研的语音标注工具为例,AI预标注技术可以自动识别转写语音数据,标注员只需要在工具预标注的结果上略作修改即可,这在提升标注效率的同时也减轻了对于人力的依赖。精细化,即意味对标注数据集质量与细节提出了新的要求。以往数据集的准确率可能达到90%以上即可满足要求,但随着AI商业化落地进程的加快,AI企业对于标注数据的质量要求达到了95%,甚至99%以上,同时更加注重细节,比如曼孚科技在进行自动驾驶领域数据标注业务时,项目方会对诸如情绪捕捉、疲劳驾驶等等提出更加细节化的标注需求。精细化标注能力场景化,即意味数据标注行业要满足多样化应用场景标注需求。以计算机视觉领域为例,目前数据标注可以应用在自动驾驶、无人机、AI教育、工业机器人、新零售、安全防护等场景中。每一个应用场景都有自己的数据类型与具体标注要求,因此极为考验数据标注企业的场景化标注能力。可以预见的是,未来几年数据标注行业将迎来一场大变革,理念更先进、技术更硬核、服务更专业的AI数据服务企业将会把数据标注行业带入全新的精细化运营时代。而未来,相信随着5G技术的逐步应用,数据与5G的结合将碰撞出更多创新火花,共同托起AI发展的基石。

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。