看人工智能下数据标注从幕后走向台前

“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。

微信图片_20191224181352.png

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。

微信图片_20191224181348.png

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。

微信图片_20191224163631.png

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。


推荐文章

        随着人工智能的迅猛发展与之相关的数据标注行业这几年也迎来了爆发性的成长,从事数据标注行业的人员快速的增长。        人们慢慢开始了解到数据标注之后发现数据标注行业门槛低,于是有一部分平时工作轻松人的就考虑数据标注兼职能做吗?数据标注兼职好不好做?数据标注兼职靠不靠谱?         实际上到底数据标注兼职能不能做靠不靠谱这些都要结合多方面因素去考虑的:            一、可以确定的是数据标注兼职是可以做的而且这方面的兼职从业人群还很多。但是如果决定要做这个兼职那首先自己就必须端正心态,正确看待这个工作。再简单的工作如果不仔细认真的对待照样还是有很多人于不好。            二、 做数据标注兼职一样要注意防范被行业蛀虫给骗了,辛苦劳动最后找不到发钱的人那是非常可悲的。做标注兼职大家尽量到大平台,口碑信誉好的平台,做标注规则要求界限清晰的项目。尽量不要去相信那种缴纳会员费加盟费做数据标注培训的那种人群,他们的主要目的在于收会员费培训费这些的,他们的项目多数都是接二手三手的项目,价格利润空间低的很。            三、千万不绿轻信数据标注培训这种社群的宣传,缴了培训费会费后保证虽时都有任务,虽时都有高价任务,质量要求低等等,他们这种公司工作室是以收培训费会费为目的,团队管理松散,质量体系管理混乱,培训管理不严格,相当多项目到最后都会出现质量差合格率低结算比例低扣费等情况 ,到最后给会员 说一句你们的质量太差,结算价格低等等理由。            最后给大家说一点做任何事情态度很重要,好的态度是成功的前提,防骗防上当要时刻警惕,多做调查多了解尽量做大平台信誉好的平台的任务。

热门文章

简单讲:互联网数据标注员是借助电脑或者移动设备对一些原始的数据进行处理,生产出满足AI公司机器学习需要数据的一群人。按照数据处理对象的不同,工作内容也会有差别,标注员的工作内容可以分为:分类;框选;注释;标记。按照所处公司的不同,标注员的工作方式也会有差别:有的人工智能公司处于对数据安全性考虑会自建标注团队,在这些公司工作的标注员可以保证自己工作内容不会出现太大变动;但一些服务于人工智能公司非专业外包公司标注员的工作则是项目制的,一个项目忙完紧接着做另一个项目,这样工作内容连续性较差,对一种类型的项目经验也不会积累的太多。就目前来说,人工智能还处于人工增长阶段,机器依然需要大量的数据进行训练,测试。标注员在当下也会一直存在,而且从业群体会越来越多,所以暂时不用担心这份职业会不会短期消失。就标注员从业来说,建议选择人工智能公司和专业的数据公司,这样可以保证自己在一个方向上了解的足够深入。就职场晋升来说,以牛牛数据为例:标注员——项目经理——项目总监——数据运营总监。首先谈谈什么是数据标注。数据标注有许多类型,如分类、画框、注释、标记等等,我们会在下面详谈。要理解数据标注,得先理解AI其实是部分替代人的认知功能。回想一下我们是如何学习的,例如我们学习认识苹果,那么就需要有人拿着一个苹果到你面前告诉你,这是一个苹果。然后以后你遇到了苹果,你才知道这玩意儿叫做“苹果”。类比机器学习,我们要教他认识一个苹果,你直接给它一张苹果的图片,它是完全不知道这是个啥玩意的。我们得先有苹果的图片,上面标注着“苹果”两个字,然后机器通过学习了大量的图片中的特征,这时候再给机器任意一张苹果的图片,它就能认出来了。这边可以顺带提一下训练集和测试集的概念。训练集和测试集都是标注过的数据,还是以苹果为例子,假设我们有1000张标注着“苹果”的图片,那么我们可以拿900涨作为训练集,100张作为测试集。机器从900张苹果的图片中学习得到一个模型,然后我们将剩下的100张机器没有见过的图片去给它识别,然后我们就能够得到这个模型的准确率了。想想我们上学的时候,考试的内容总是不会和我们平时的作业一样,也只有这样才能测试出学习的真正效果,这样就不难理解为什么要划分一个测试集了。我们知道机器学习分为有监督学习和无监督学习。无监督学习的效果是不可控的,常常是被用来做探索性的实验。而在实际产品应用中,通常使用的是有监督学习。有监督的机器学习就需要有标注的数据来作为先验经验。在进行数据标注之前,我们首先要对数据进行清洗,得到符合我们要求的数据。数据的清洗包括去除无效的数据、整理成规整的格式等等。具体的数据要求可以和算法人员确认。二、常见的几种数据标注类型1.分类标注:分类标注,就是我们常见的打标签。一般是从既定的标签中选择数据对应的标签,是封闭集合。如下图,一张图就可以有很多分类/标签:成人、女、黄种人、长发等。对于文字,可以标注主语、谓语、宾语,名词动词等。<img src="https://pic2.zhimg.com/50/v2-df93dc0a7e8a5fe387dc3774748b5f05_hd.jpg" data-caption="" data-size="normal" data-rawwidth="700" data-rawheight="400" class="origin_image zh-lightbox-thumb" width="700" data-original="https://pic2.zhimg.com/v2-df93dc0a7e8a5fe387dc3774748b5f05_r.jpg">适用:文本、图像、语音、视频应用:脸龄识别,情绪识别,性别识别2.标框标注:机器视觉中的标框标注,很容易理解,就是框选要检测的对象。如人脸识别,首先要先把人脸的位置确定下来。行人识别,如下图。<img src="https://pic2.zhimg.com/50/v2-7824903d6d840e2bb08d96b5c2fa5874_hd.jpg" data-caption="" data-size="normal" data-rawwidth="591" data-rawheight="398" class="origin_image zh-lightbox-thumb" width="591" data-original="https://pic2.zhimg.com/v2-7824903d6d840e2bb08d96b5c2fa5874_r.jpg">适用:图像应用:人脸识别,物品识别3.区域标注:相比于标框标注,区域标注要求更加精确。边缘可以是柔性的。如自动驾驶中的道路识别。<img src="https://pic3.zhimg.com/50/v2-4bc1dd2278182acf94fc426d7e6f2dc1_hd.jpg" data-caption="" data-size="normal" data-rawwidth="601" data-rawheight="377" class="origin_image zh-lightbox-thumb" width="601" data-original="https://pic3.zhimg.com/v2-4bc1dd2278182acf94fc426d7e6f2dc1_r.jpg">适用:图像应用:自动驾驶4.描点标注:一些对于特征要求细致的应用中常常需要描点标注。人脸识别、骨骼识别等。<img src="https://pic4.zhimg.com/50/v2-5e24f394516c75e45942c37ba0da85c0_hd.jpg" data-caption="" data-size="normal" data-rawwidth="583" data-rawheight="387" class="origin_image zh-lightbox-thumb" width="583" data-original="https://pic4.zhimg.com/v2-5e24f394516c75e45942c37ba0da85c0_r.jpg">适用:图像应用:人脸识别、骨骼识别5.其他标注:标注的类型除了上面几种常见,还有很多个性化的。根据不同的需求则需要不同的标注。如自动摘要,就需要标注文章的主要观点,这时候的标注严格上就不属于上面的任何一种了。(或则你把它归为分类也是可以的,只是标注主要观点就没有这么客观的标准,如果是标注苹果估计大多数人标注的结果都差不多。)三、有什么发展前途?数据标注员可以说是AI消灭了一部分工作又创造出来的一种工作。在未来AI发展良好的前提下,数据的缺口一定是巨大的。可以预见3-5年内数据标注员的需求会一直存在。至于发展,其实所谓一些熟能生巧的工作,都是有被替代掉的风险的。深度学习解决的一件事情就是熟能生巧。在这个岗位上,其实你的一些想法就代表了AI的想法,AI会根据你标注的数据进行学习,想想还是有点成就感的。数据标注可以说是AI的入门级岗位,未来可转向其他AI岗位。如项目实施顾问等,这就要求更多的工作技能,需要再工作中积累。作者:跹尘链接:https://www.zhihu.com/question/30654399/answer/264828926来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。