数据标注----人工智能行业的基石

“ 随着一系列技术上的突破,人工智能在世界科技领域已经渐渐的驶进了高速车道。中国老子有一句名言是:“九层之台,起于累土”。意思就是再高的楼台都是由一筐一筐土堆积而成的,这就特别的强调了基础的重要性.....”


目前越来越多的人都有一个共识那就是:互联网与人工智能在当今世界科技格局中,中国和美国是两国独大。同时,这两个领域又是未来领域。

为什么说是未来领域,互联网的未来趋势已经被时间很好的证明。从1969年美国的阿帕网以来,互联网用了不到50年就彻底颠覆了过去几百年来人们的生活习惯。

在这里我们重要强调的是比互联网年轻许多的人工智能。说到人工智能,首先我们先谈谈什么是人工智能。

百度百科中是这么定义人工智能的:人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

字面的意思有些生涩,事实上,简单来说就是我们把我们的理解和判断,教给机器,让机器代替我们进行判断。

但是我们这里要说的是随着深度学习的不断突破,未来的AI一定会越来越聪明。但是它的出现并不是为了取代人类,而是能让人们极大限度的解放生产力。生产力的巨大提升,会改变未来的生产关系,会改变未来时代。

 随着一系列技术上的突破,人工智能在世界科技领域已经渐渐的驶进了高速车道。中国老子有一句名言是:“九层之台,起于累土”。意思就是再高的楼台都是由一筐一筐土堆积而成的,这就特别的强调了基础的重要性。同样,人工智能的发展离不开数据标注,数据标注在人工智能的高速路上,作为底层的基础,成为了众多重要环节之中的重中之重。

为什么说数据标注是人工智能众多重要环节的重中之重呢?这我们得从上篇中,人工智能的定义开始说起。

要想实现人工智能,我们需要把我们人类的理解和判断教给计算机,让计算机拥有我们人类般的识别能力。但是,让计算机如何能识别人类的语言呢?

数据标注就是这样出现了,数据标注就是我们人类用计算机能识别的方法,把需要计算机识别和分辨的图片打上特征,让计算机不断的识别这些特征图片,从而最终实现计算机能够自主识别。

通俗点来讲,比如我们想让计算机知道什么是汽车,那么我们就得在有汽车的图片中,把汽车用专业的标注工具标注出来。这里的被标注软件处理过的汽车就是图片中的特征,计算机通过不断的识别这些特征图片。最终结果就是,计算机通过大量的特征图片的学习,最终能够自主的识别特征物品

所以说,如果人工智能是一个天赋异禀的孩子,那么数据标注就是它的启蒙老师,在传授的过程中,老师讲的越细致,越有耐心,那么孩子成长的也就越稳健。同样,换个角度,如果说人工智能是一条高速公路,那么数据标注就是高速公路的基石,基石越稳固,质量越过硬,那么就会使用起来就会越放心,越长久。

像马云先生在2018世界人工智能大会上所说一样:蒸汽机释放了人的体力,但是蒸汽机并不是模仿人的体力,汽车比人跑得快,但是汽车并不是模仿人的双腿。

未来的计算会释放人的脑力,但是计算机不是按照人脑一样去思考,计算机机器必须要有自己的方式去思考。

那么如何能让计算机形成一套自主的思考体系呢?这是一个复杂的过程,但是不论是多复杂的架构,数据标注永远是体系中的养分,通过不断的改变标注内容来适应不断强大的计算机。

推荐文章

得益于新千年信息技术的快速发展和大数据带来的便利,人工智能依靠大数据迅速地完成了从理论到实际应用,到逐步走进我们的生活,2017年被定义为人工智能应用的元年。那么现在大量人工智能所依赖的数据是怎样进行加工,把海量无序的数据变成机器能够理解的数据的呢?我们今天在这里做一个简单的介绍。   现在数据行业的数据标注对象主要有以下几种类型:文本、声音、图像、视频(多数情况下依然是转换为图像在进行标注),今天我们就我所了解的几个行业讲一下文本的标注类型及其应用:    文本的标注目前我们接触得比较多的行业有:客服、舆情、医疗、教育,应用类型大概有语义识别、情绪识别、实体识别、场景识别、数据清洗、应答识别。   客服行业的标注主要集中在场景识别和应答识别这两块,以国内某知名电商的智能客服机器人为例,用户在与机器交互时,根据用户的咨询内容切入到对应的场景中,然后让用户选择更细分的应答模型,定位到用户实际场景,再根据用户的具体问题,给出对应的回答,整个过程类似于把用户的问题用一个漏斗状的筛子过一遍。一句话的在机器里的经历   在建立这个应答体系的初期,需要对海量的用户咨询语料进行分类,把对应的用户咨询的问题标记号,放进对应的模型中(其他应答类机器人同理),类似于这样:语料的分类(实际分类更细,此处仅举例)   这一步的数据标注主要是给句子的场景打标,将用户问题分进对应的场景,这种标注需要非常熟悉本行业业务逻辑树,相当于是在建立机器人的应答知识库,机器人在收到用户发出的指令时识别和哪个细分问题的拟合度最高,然后选取那个问题的答案作为给用户的答案。   标注的方式主要有线上平台标注和线下表格标注两种,根据企业自身情况有所不同,以金融行业某企业的标注的线下表格标注内容举例:客服类分类标注举例   虽然会通过大量整理好的语料尽量穷举对应场景和模型的应答知识库,但是用户提问的方式不一样,上下文内容和场景不一样,同时机器的识别是一个概率问题,最终识别成什么问题,以及最终给出什么答案都存在一个阈值,所以这个识别是可能会出现错误的。   出现错误的情况我们称为badcase,这个阶段的标注就是标注员去对原始的聊天数据进行标记,看机器人的回答是否正确,如果不正确,那么出现的问题是哪一种,是一级分类错误还是二级分类错误还是回答的答案不够好,不能够满足用户的问题需求。例如:用户问银行卡怎么办理,机器人回复的是信用卡的办理流程,那么这时候就是一个badcase,机器人把问题放进了错误的分类导致回答了一个错误的答案。    这一步的标注是将出现的错误筛选出来,并根据业务逻辑树进行问题的分类,标记完之后由专门负责处理badcase的同事和研发的同事一起对应答情况进行调优。【这一步是一个长期的过程,需要一个稳定且熟悉这个业务的团队进行标注】   再举一个自然语言识别的例子,普通的自然语言识别,从里面提取时间地点人物这些信息的就不举了,目前市场上已经太多这样的标注团队了,标注的内容比较基础,我这里拿一个我处理的一个医疗行业的自然语言处理标注。    这是一个专业度要求比较高的标注,我们还特意招聘了医生和教语言的老师来进行标注,标注的对象是从病历中抽取出来的一些字段,病历里面的体查项和既往史这些是有模板的,可以较小的工作量就能穷举,直接识别可替换项的结果就行了,但是主诉和医生对患者的描述每次会有所不同。   于是我们的标注就是第一,标注每个词的属性,即每个词在这种语境下面是怎样的属性(相同的词在不通的情况下会有不同的属性),第二,标注每个词在句子中的作用。    还是举个例子:这是一句主诉:腰痛两年,伴左下肢放射痛10日余。医疗标注举例    这样标注的目的在于让机器去识别病历中的每一个词,通过大量的数据标注之后机器能够认识到一个词有哪些属性,在句子中扮演什么角色,在这个语境情况下这个词扮演什么角色,并且教会机器去拆词,识别哪些词是有用的,哪些词是无用的。   同理,日常对话类的自然语言识别用途的标注原理大都类似,但规则有所不同,本号后期会逐步介绍所处理的其他标注类型介绍。转载豆瓣网

热门文章

波士顿 - Neurala公司今天推出了一款新的视频标注工具,该工具由Brain Builder平台的人工智能辅助。“自动视频注释将显着加速神经网络的数据标注,从而帮助组织更快地培训和部署AI,”该公司表示。标记图像和视频对于开发用于建模和训练AI应用程序的数据集至关重要。Neurala  以软件即服务(SaaS)为基础提供Brain Builder,以帮助简化深度学习的创建,分析和管理。Neurala的联合创始人兼首席执行官Massimiliano Versace说:“人工智能数据准备的传统方法极其耗时且耗费人力,需要大量数据,需要经过精心和昂贵的注释。” “我们与Brain Builder的目标是通过易于使用的注释工具降低进入门槛。通过添加视频注释,我们能够进一步自动化数据准备,帮助组织将AI数据准备的时间和成本降低至少50%。“Neurala的专利和获奖技术源于2006年NASA,DARPA和空军研究实验室的神经网络研究。2013年,该公司加入了Techstars商业化计划。“每个人都想要AI,但他们不知道为什么,”Neurala的联合创始人兼首席运营官Heather Ames Versace说。“视频注释工具是终身AI技术堆栈的一部分,可提供透明度。”启用AI的注释可节省时间,提高工作效率当用户标记视频中的人物,物体或缺陷时,Neurala的新工具可以反复学习。Neurala表示,在用户在第一帧中标记感兴趣的项目后,该工具会自动在后续帧中注释相同的项目。例如,如果五个人输入一个框架,则在用户仅用一个人标记第一个框架后,它们将全部自动注释。相比之下,用户必须在他或她进入框架时标记每个人,这将花费更多的时间。此外,AI辅助视频注释可以提高标签处理速度并提高生产力,Heather Ames Versace告诉“ 机器人商业评论”。例如,用户可以注释10秒视频的一帧并获得300个注释的输出,而使用传统的注释方法,用户需要手动标记300个不同的图像才能获得相同的结果,Neurala说。“可解释性和信任始于数据,”Heather Ames Versace在最近的AI World大会上说。“通过在更短的时间内对数据进行注释和标记,团队可以进行更快速的原型设计。”用Brain Builder存钱“最终,它将帮助组织和开发人员更有效,更具成本效益地构建,培训和部署人工智能,”Massimiliano Versace说。“当涉及视觉AI的构建方式时,Neurala的Brain Builder平台已经在改变游戏规则。而现在,视频注释将进一步扩大可访问性和生产力的可能性。“Neurala说,Brain Builder还可以提供可观的投资回报。使用Brain Builder,组织可以以每小时6,750美元的视频进行注释,而没有它的则为13,500美元。Neurala发布  了一个教程  ,概述了使用Brain Builder在视频中标记对象的过程和好处。它还解释了如何使用TensorFlow训练语义分段网络。此外,本教程还引导观众了解跨多个GPU的培训步骤,这可以进一步缩短培训时间。