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

    最近几年人工智能行业异常的火热,最显著的代表性行业就是无人驾驶的发展。其实有相当一部分人都对这个行业有好多问题都不明白:人工智能到底是怎么回事?数据标注到底是做什么的?到底怎么实现人工智能?等等。    我们今天就来讨论下人工智能相关的数据标注行业。那到底数据标注行业是怎么一回事儿?数据标注接单平台有哪些?数据标注从哪里接单?工程师们设计构架好的软硬件,然后要把上亿图片存储进去,并且告诉它图片上是什么,它才会识别物体,扫描到一个苹果,系统以极快速度检索数据库,就知道这是苹果,数据库没有预存的,骚瑞,俺不懂,在这项高科技背后,是庞杂的图片数据饲养,驯化出智能的机器,这就出现一个行业----数据标注。无人驾驶上路,识别的事物更多,各角度形形色色的人、动物、障碍物、标志线等等,要上亿张标注图片作为数据库,这些简单枯燥门槛很低的工作谁来做呢---数据标注公司的大量数据标注员。    随着人工智能行业的快速发展那么这些行业项目的研发公司自然的就需要大量的图片声音等标注好的数据代人工智能去学习。而这也就造成了今天大量的数据标注员职业的出现。    数据标注员因为其门槛低入门快带动了一大批人员的就业,而这大量业务需求的都是从哪里找来的?数据有哪些接单平台?数据标注接单平台有哪些?这个问题对所有想从事数据标注行业的人来说是个迫切需要知道的问题。    笔者通过调查分析给大家梳理了下目前数据标注行业有哪些可靠的接单平台,通过调查发现目前国内的数据接单平台还真没多少家        一、百度、京东、科大讯飞这类数据标注众包平台,这类平台是目前国内规则信誉比较可靠的平台。这类头部公司他们本身就有大量的项目资源,无论是价格 ,信誉都是可靠的。        二、像龙猫、海天瑞声、数据堂、数加加这类的公司,这类公司数量也不多他们本身主要的运营模式就是接项目找团队走项目发包模式。目前这类公司数据比较人但标注行业从业人员庞大,真正能拿到这些平台项目的工作室公司数量是少数的,多数还是要从其它渠道来找项目。        三,余下的一部分工作室小公司他们主要通过 QQ行业社群,聚合人群社交渠道,接二手三手的项目来做    目前国内成熟的标注项目接单标注公司工作室找项目行业交流的聚合平台实在是屈指可数,郑州点我科技公司运营的找标注网也算是目前标注行业 找标注项目,找标注团队,采集团队,行业交流人气比较好的平台。平台目前形成了聚集上千家的标注公司工作室社群。

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。