数据标注是人工智能的基础

如今,似乎每个公司都在用人工智能做事 - 或者如果他们不做,他们就会喜欢。该技术有望改善我们的工作和生活方式,从制造到零售,检查等各个行业都在努力构建自己的AI解决方案。但从哪里开始?

良好的AI从良好的数据开始

我喜欢说AI就像烹饪一样 - 这些都是关于成分的。没有好的成分,即使最好的食谱也会变得平淡无味。AI也是如此,但在这种情况下,成分就是你的数据。如果组织不密切关注他们开发人工智能解决方案所需的数据并确保其有效准备和组织,那么人工智能解决方案将充满效率低下 - 无论结果是有偏见的算法,无效的解决方案,还是仅仅没有人工智能的人工智能不行。
高功能的AI以良好的数据开始和结束。

数据:好,坏,丑

训练深度神经网络(DNN)的最大挑战之一是训练它们的繁琐过程 - 人工智能系统不仅需要数据来了解世界,它们还需要数万倍于人类的数据。

幸运的是,我们人类目前每天产生2.5个五分之一字节的数据。互联网是绝对数据金矿。不幸的是,大部分都不公平,因为人们通常不愿意分享他们的个人数据,即使这意味着建立更好的人工智能系统。

而且,如果你足够幸运地克服了拥有足够数据的障碍,那么仍然存在质量问题。并非所有数据都是平等的。为了识别物体或行为,必须从各种角度等对所有不同条件下的数据进行AI训练。否则,算法偏差是不可避免的。

正如数据科学家Daniel Shapiro在最近的一篇文章中所详述的那样,存在许多不同的数据质量缺陷,包括数据稀疏性,数据损坏,无关数据,缺少重要模式,错误模式和错误标签。

计算机视觉解决方案的正确数据

最成功的公司是那些能够打破整个组织的数据孤岛并收集他们可用数据的整体视图的公司。一旦他们完成了这项工作,他们就能够创建增强数据的流程,以达到产品化解决方案所需的水平。

这就是好数据存在的地方:它们拥有它,并且非常适合它们的特定用例。

人们经常问我需要多少数据来创建有意义的解决方案。对于给定用例,我们的经验法则是1000个图像/类是进入的障碍,并且为了达到生产水平准确度(90%+),需要5,000-10,000个图像/类。

然而,质量问题 - 即使看起来有足够数量的数据 - 也占上风。我在检测行业看到了这方面的例子,我惊讶于他们有多少图像只关注一个物体的一个角度,或者仅在一个特定的光照条件下拍摄。像这样的照片不会给他们的人工智能无人机提供他们完成工作所需的信息。

换句话说,坏照片等于糟糕的无人机。

当好图像出错时

但重要的不仅仅是照片本身的质量; 在标记过程中,有足够的机会让好的照片变得拙劣。

由于AI应用程序需要标记数千个图像,因此人类可能标记不佳或引入错误 - 特别是因为当前工具是简单的图片编辑工具,如Microsoft Paint,它们不是为此目的而构建的。即使很小的不精确,复杂的成千上万的图像,也会对计算机视觉模型的准确性产生很大的影响。如果您考虑生产级产品或解决方案,准确度每增加一个百分点就会对组织产生重大影响。

值得一提的是,由于数据标记成本与标记所花费的时间成正比,因此单独执行此步骤通常需要每个项目花费数十至数十万美元。

良好的标记工具是关键成分

我最近参加了一个关于为检查服务实施AI的网络研讨会。主持人谈到他们如何每小时支付五十到一百美元让土木工程师进行注释和分类工作。他们觉得他们需要行业专家来标记这些图像,但这花费了他们巨额资金,这是他们最大的瓶颈。

Scale API,Mighty AI和CloudFactory等数据标签服务与数百家贴标机(通常在海外)签订合同,是一种更有效,更具成本效益的替代方案。同时,希望在内部处理标记的公司需要一个精确的,自动化的,专用的注释工具。

A(I)成功秘诀

工程师经常将AI开发称为“sprint”,努力快速测试,迭代和部署AI。但是,人工智能深深植根于研究,现实情况是,传统上,生产的道路很漫长。但是,使用正确的数据标记工具,可以实现快速测试 - 反过来,可以实现更快的迭代和部署。

投资最好的工具和合适的人员来准确有效地注释您的数据将对生产级AI解决方案的成功产生巨大影响。而且 - 运气好的话 - 数据标记和AI应用程序开发成功的“配方”将让您的客户回来几秒钟。



管理开发项目的新方法

了解组织应用开发项目的最佳方法,保持代码直观,客户满意,并通过发布更轻松地呼吸。
 

通过众包的价值

弥合众包研究的孤岛,更快地建立更好的解决方案。

最新的Nerd Ranch指南(第3版)到Android编程

编写并运行代码的每一步,使用Android Studio创建与其他应用程序集成的应用程序,从Web下载和显示图片,播放声音等。每个章节和应用程序都经过设计和测试,以提供您开始Android开发所需的知识和经验。

开始自己的应用业务?

如何创建有利可图的可持续业务开发和营销移动应用程序。


推荐文章

自动标注、平滑过渡、音乐鉴权、AI创作,当AI技术应用于音乐行业为人类的精神文化与娱乐生活带来便利和更多选择时,也是一件让人激动不已的事情。随着深度学习算法的出现、大数据和5G技术的成熟,AI人工智能已逐渐融入我们的生产生活中,在教育、医疗、政务办公、城市管理等多个方面发挥作用。随着AI技术在音乐行业研究及应用的深入,音乐人工智能已经不新鲜,很多新的应用和产品已经惊艳亮相。基于对于音乐技术及产品的了解,简单梳理一下目前AI技术在音乐类产品的各类应用场景。一.动标注当平台曲库量达到定量级时,如果再依赖传统的为打标签模式就会花费量成本且受到主观影响较。频动标注相关技术就受到泛关注,动标注的作不仅仅只是能替代标注以达到节省成本,同时可以客观评价乐内容,因此还可以拓展到流媒体播放的乐推荐。例如:Spodify、KKBOX都有利深度学习做推荐,其中KKBOX采频件、歌词以及户相关标注和评论等数据作为输从曲、场景及情绪等多个维度来判断乐是否满推荐的条件。般的动标注功能也和KKBOX的推荐维度类似,从曲、应场景、器乐和情绪等维度来进标注。HFIIVE旗下曲多多(AGM)音乐标签对于动标注,笔者也在上听到过一些不太专业的吐槽,比如之前有看到说音频自动标注可能会出现将一首歌曲的情绪同时标注为“欢乐”和“悲伤”两种情绪。在解释这原因之前,可以简单普及下机器学习中分类器、单标签多分类任务和多标签多分类任务。简单来说,分类器就是利已知的输和输出数据来训练,然后该分类器就会对未知的输数据进分类或输出个值。对于个分类器模型,它预测的结果是2个或于2个以上的(结果只有1个代表结果确定就不需要分类模型了)。如果可能的结果数为2称之为分类任务于2就是多分类任务;对于情绪可能有:亢、欢快、安静、悲伤等多个结果,因此情绪分类是个多分类任务。如果认为情绪模型是个单标签多分类任务,那么绝对是不可能出现”欢乐“和”悲伤”同时出现的情况。如果同时出现“欢乐”和“悲伤”,则只能存在于多标签多分类任务。“欢乐”和“悲伤”同时出现就定是错误的吗?也不定!基于深度学习的乐处理式般是分段处理,也就是将乐划分为多个段然后对每个段进预测判断它可能的标签。如果歌曲情绪存在波动,比如一首歌曲的情绪从开始的“欢乐”转向了“悲伤”,那么这种情况也是完全可能出现,现实活中很多歌曲的确是存在多个情绪甚互斥的标签存在的情况。二、平滑过渡平滑过渡功能是近年新出现的“炫酷”功能。简单理解,就是当歌曲快要播放完毕时下歌曲可能缝接,这种歌曲间的平滑过渡,不会让听众觉得非常突兀。这种功能的实现,也有依赖于基于深度学习的技术。致原理是将歌曲的末尾段和可能平滑过渡的其他歌曲的头部段作为训练样本。训练出来的模型可以预测当前输段可以过渡的下个段,然后当播放器播放歌曲尾部段的时候利该模型得到可平滑过渡的下歌曲。三、音乐鉴权互联网上的音乐侵权一直存在,但音乐版权方要在互联网上维护自己的权益,往往比较困难。因为互联网具有海量的内容,而且内容形式具有复合性,比如音乐内容仅仅作为视频的背景音乐,靠人工去发现和识别,难度太大。在这方面,AI技术的运用,已经能够实现实时监控视频、直播或播节中是否有存 在歌曲的侵权情况。其中的原理是,将版权的曲库中歌曲提取出关键特征保存在集群数据库,然后提取待检测的频特征,并通过数据技术进快速检索数据库中是否存在相似数据。目前,拥有类似技术的公司,除了笔者所在公司外,ACRCloud也较具有代表性。四、AI创作当AI进入到音乐创作层面,在互联网行业也已有不少AI音乐创作工具,Amper Music、AIVA、Jukedeck、Ecrett Music、Melodrive、等ORB Composer等。公司层面,索尼、谷歌、百度以及人工智能非营利组织OpenAI等均在AI作曲领域有所尝试。2016年,索尼公司使用一种名为“流机器”(Flow Machines)的软件,创作了一首披头士(Beatles)风格的旋律,然后作曲家伯努瓦卡雷(Benoit Carre)将其制作成一首完整的流行歌曲《Daddy ‘s Car》(爸爸的车)。2018年,微软宣布第四代小冰加入到虚拟歌手市场竞争当中,并“演唱”了一首《隐形的翅膀》。AIVA科技开发的AI作曲家“Aiva”创作摇滚乐曲《On the Edge》并与歌手Taryn Southern合作创作流行乐曲《Love Sick》;在国内,笔者所在公司的相关产品在AI智能创作上,能够实现识曲(识别音乐作品中的音乐元素)、作词、作曲等功能,并已实现了商业化授权和应用。(HIFIVE小嗨 AI识曲/作曲/作词)在具体的AI智能音乐创作层面,AI作曲工具可辅助创意生成。如英国音乐制作人Alexa Da Kid利用IBM沃森认知计算平台中的机器学习音乐生成算法创作出单曲《Not Easy》、歌手Taryn Southern与AI作曲公司Amper Music开发的工具共同创作出《Break Free》与Aiva合作创作流行乐曲《Love Sick》。这些作品都曾一度成为热播曲目。随着越来越多AI音乐创作工具的诞生,充当音乐人的辅助,协助创作出更多优质的作品,AI作曲家的音乐创作能力也在逐渐得到认可。当AI遇上音乐,音乐被注入了越加鲜活的生命力,智能化大潮来袭,AI+音乐,未来值得期待!

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。