利用70万人的劳动力来标记数据和训练AI模型

数据集是人工智能(AI)的生命线 - 可以说,它们使模型成为可能。但是,没有相应注释的数据取决于正在运行的算法的类型(即,监督与无监督),或多或少是无用的。这就是为什么像Scale这样的样品标签创业公司筹集了数千万美元,并吸引了优步和通用汽车等客户。这就是为什么Kevin Guo和Dmitriy Karpman共同创办了Hive,这是一家使用由数十万志愿者提供的注释数据来培训特定领域AI模型的创业公司。

拥有近100名员工的Hive在从PayPal创始人Peter Thiel的创始人基金和其他人那里筹集了超过3000万美元的风险投资之前不久推出了旗舰产品--Hive Data,Hive Predict和Hive Enterprise。

Hive AI

“我们建立了[Hive],因为我们觉得虽然围绕人工智能和深度学习有很多兴奋,但我们没有看到很多实际的应用程序正在构建,”郭在电话采访中告诉VentureBeat。“有很多炒作,但他们真正要解决的问题似乎并不明显。大多数这些都是有些工作的演示,但并不是真正的企业级。“

为此,Hive通过Hive Work招募了大部分人类数据贴标人,Hive Work是一个智能手机应用程序和网站,指示他们完成分类图像和转录音频等任务。作为交换,Hive发放了一小笔奖励 - 每周数万美元。(郭说它可以使用“激增定价”来确保在必要时更快的周转时间,例如当Hive客户有特定项目时。)

该战略取得了成功。Hive在其贡献者社区中的30多个国家/地区拥有近700,000名用户,他们每天帮助处理大约一千万个标签,准确率达到99%。(这种准确性部分归因于一个淘汰系统,它每隔一段时间就会进入“已知”任务,确保用户不会对系统进行游戏。)客户通过提供数据标签服务的Hive Data挖掘员工队伍。针对多个垂直行业量身定制。

“获取培训数据来构建这些模型实际上非常非常重要。从某种意义上说,自动化的唯一方法就是招募大量的人力,这几乎具有讽刺意味,“郭说。“你可以拥有最好的框架,但如果没有良好的训练数据,你将无法获得良好的输出。我把它比作一个人类的头脑:你可以拥有最聪明的大脑,但如果你不教这个大脑猫狗之间的区别并展示它的好例子,它就永远不会认识到猫与狗之间的区别。“

Hive Work的输出还提供Hive Predict,为企业提供定制设计的计算机视觉模型,帮助企业实现业务流程自动化; Hive Enterprise,针对汽车,零售,安全和媒体等领域,提供从头开始构建的专有数据的定制深度学习模型。Hive使用基于Google开源TensorFlow框架的后端,通过API或云开发AI系统,或与集成合作伙伴合作设计内部部署解决方案。

到目前为止,凭借其内部服务器和网络基础设施,Hive创建了机器学习模型,可识别活动,预测年龄和性别,对汽车进行分类,确定相机传感器与感兴趣主体之间的距离,甚至可以检测爆炸等事件,电视节目中的枪声,战斗和广告。郭拒绝透露Hive的任何客户的名字,但表示每个客户每个月都会发出数千万的API请求。

Hive的模型之一 - 徽标模型API - 当然会检测徽标,但也会检测它们显示的产品或广告以及它们可见的持续时间。Hive声称,与Google Vision Cloud的5%召回率和66%的精确度相比,它具有99%的召回率和98精度。

Hive每周增加100个徽标,目标是在2018年第四季度达到10,000。

“我们的质量标准远远高于其他所有人,”郭说。“我不希望[Hive]成为另一个真正过度的人工智能公司,它实际上无法构建技术,我认为这对整个空间来说并不好。”


推荐文章

爱数智慧—人工智能数据服务商中的一匹黑马
大数据给人的印象貌似虚无缥缈,如今实则高频率的存在于每个人的身边。简单的说从你拿起手机订餐,到购买任何生活起居用品的时候已经形成了数据。当数据量足够大的时候,便为人工智能提供了可以进行从任何角度分析得出任何结论的基础库。这是一个“细思极恐”的事情。牛津大学的一项研究甚至显示,未来二十年将会有 47%的工作被机器人取代。这个叫做 Mighty AI 的公司,希望用众包平台的方式,帮助科技公司解决人工智能的数据来源。(上图为爱数智慧的主要业务-人脸标注)2017年年初,美国人工智能众包服务平台Spare5更名为Mighty AI,并宣布获得1400万美元B轮融资。本轮融资由英特尔投资(Intel  Capital)领投,谷歌风投和Accenture Ventures以及原有投资者也参加了此次融资。2016年4月,谷歌CEO Sundar  Pichai第一次明确的提出AI将优先作为公司大战略。谷歌以深度学习技术为依托,涉足语言理解、人机交互、机器人等人工智能核心技术应用领域,全方位布局人工智能帝国。到底是一家什么样的公司,竟然能够赢得人工智能风向标——Google的青睐和投资。Mighty AI于2014年成立,总部位于西雅图。迄今为止,Mighty  AI与微软、Pinterest和IBM等大型公司建立了合作关系,他们为Mighty AI社区提供识别照片、文章打分、情绪分析等任务。Mighty  AI通过付钱给主题相关的专家来用几分钟回答问题或完成任务。(上图为爱数智慧的主要业务-情感分析)Mighty AI之所以能够得到Google的投资,首先,Mighty AI足够专业,通过找到主题相关的专家对相应的数据进行标注和注释。其次,Mighty  AI对数据的标注和注释速度快。“我们喜欢Mighty  AI的地方在于我们的许多客户第一步都是要注释数据,他们只有做完之后才能在我们的人工智能芯片和软件基础上构建,”英特尔投资的总经理肯?埃莱凡特(Ken  Elefant)说。“通过Mighty AI,所有这些注释将会以更快的速度完成,这将帮助英特尔的客户更快地进行配置。”最后,Mighty  AI严格控制注释数据的质量,对注释工作完成好的人员提高薪酬及任务优先级,相反,任务完成不好的人员也会收到相应的反馈甚至解聘。不只国外投资者意识到数据管理对人工智能的重要性,国内的数据服务企业也获得了投资机构的青睐。据新经济创投数据服务商IT桔子报道,2017年,国内的数据管理平台类企业获投率在人工智能领域内遥遥领先,达到79.66%。中国的人工智能数据处理企业中,北京爱数智慧科技有限公司,称得上是人工智能数据服务业的一匹黑马,从2016年成立至今,已经获得数千万元的融资,市值近两亿元人民币。成立一年多,就已经与包括微软、阿里巴巴、腾讯、中国移动、滴滴、Nuance等国内外知名企业建立了战略性合作。爱数智慧之所以发展这么迅速,在短时间内与多家企业建立合作,主要原因有以下几点:首先,爱数智慧的标注团队非常专业,他们拥有各行各业的人员,他们专注处理自己擅长领域的数据;其次,由于团队的专业性,标注和注释的效率在行业内处于领先水平,这点深受客户的喜爱,合作过的客户都与其建立了长期合作战略;最后,爱数智慧自主研发的智能化数据处理系统可以随时监控数据标注和处理,并反馈数据处理效果,利于平台管理数据处理人员,更有利于提高数据标注效率和质量。(上图为爱数智慧的主要业务-交通目标物体标注)行业内不乏人工智能数据提供商,但是毫无疑问像爱数智慧这样的发展势头强劲的黑马不多见。爱数智慧会成为下一个Mighty  AI吗?让我们开始发挥想象力吧。从目前消费互联网的发展来看,可以很清楚的感受到大数据、人工智能对我们生活的影响,我们未来的发展终将离不开大数据。

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。