数据标注是什么?机器感知世界的起点

谷歌AI团队近日推出了一款新型图像标注方式——“流体标注”,即采用机器学习来注释分类标签并勾勒出图片中的每个对象和背景区域。谷歌官方表示其可将标记数据集的速度提高三倍。


百度众测平台去年曾发布了5000万元的数据标注任务,而今年预计将达3亿元。面对如此大的市场需求,效率低、交付质量参差不齐的人工标注方式亟待改善。谷歌此次推出的“流体标注”如何为图像标注提速?


数据标注——机器感知世界的起点


“数据标注是人工智能产业的基础,是机器感知现实世界的起点。从某种程度上来说,没有经过标注的数据就是无用数据。”美国加州科技大学校长秦志刚教授在接受科技日报记者采访时表示,机器识别事物主要通过物体的一些特征。被识别的物体还需要通过数据标注才能让机器知道这个物体是什么。

数据标注是什么?机器感知世界的起点

在机器的世界里,图像与语音、视频等一样,是数据的一个种类。近年来,随着数码产品以及存储技术的迅速普及和发展,人们每天都可通过相机、可视电话、监控及医疗设备等制造大量图像。因此,现阶段图像已然成为标注产业发展的重点对象。


如果素材是一张人物图像,那么需要标注的信息往往是性别、面部朝向、人种、有无帽子眼镜等,也可以人为地将人物和背景的区域划分开来。将成千上万张经过标注的图片组成的数据集“投喂”给机器,它才能在一张全新的图像中分辨出人物在哪个区域、具有怎样的外貌特征。对于人来说“小儿科”的思考历程,机器却需要大量的标记数据集进行训练。


机器学习——缓解人工标注的压力


提到人工智能产业,人们往往联想到繁华的城市和干练的IT精英,但实际上,支撑起人工智能的数据标注产业,却是一个劳动密集型产业。百度搜索“数据标注”,会出现很多图片语音视频数据采集、标注公司。随机选择一个此类词条点进去,往往会看到“万人数据标注团队”等类似宣传语。可见人工标注是目前数据标注的主要方式。


“谷歌推出的流体标注模型主要利用人工智能学习的基础,对图像数据进行自动标注,对于标注不准确或者出现偏差的地方可以通过人工调整,从而提高标注效率。”秦志刚指出,即便该模型可借助机器学习提升标注速度,但最初还需进行人为地数据标注,为其提供初始训练数据集。事实也正是如此,为了标注图片,谷歌预先以约一千张具有分类标签和信任分数的图片训练了语意分割模型。


但该模型尚不完美,谷歌称,物体边界标记问题、界面操作速度以及类别扩展等仍需进一步研究或完善。


人工智能——致力于生活中的简单应用


虽然还有诸多难题尚待攻克,但以流体标注模型为代表的数据标注新方式无疑顺应着人工智能的大潮流。实际上,自人工智能逐渐走热以来,很多行业都想搭上这个热潮。然而,在灼热的潮流背后,掩藏着一个根本性的问题:人工智能终将走向何方?


“人工智能的本质是机器拥有‘学习’的能力,可想而知,人工智能可以极度缩短人类自身的学习时间,从而将人从大规模脑力学习活动中解放出来,去专注于更有价值的工作。”秦志刚表示,虽然人们普遍认为人工智能终将到来,但现阶段人工智能产业仍在云端。目前大多数人工智能的应用只能生存在高性能处理器的大型厂房中,就如同第一代通用计算机ENIAC一样“大而笨重”。“众所周知,随后的几十年内计算机飞速发展到小型的笔记本电脑,功能却比ENIAC更强大。人工智能也当如此”。


界面简单、功能友好、毫无相关知识基础的人都能使用并获得舒适感,这是秦志刚设想的人工智能时代。一枚小小的人工智能芯片,可以完成学习、训练、推理等一系列“思考”过程,而它的终端表现则或许只是人们生活中最为常见的简单应用。如下班回家,不需再拿出钥匙开门,智能门锁就像一位尽职的管家,会在第一时间感知你的到来,为你敞开家门。“十年之后,人工智能将会成为主流,潜移默化渗透到生活中的各种角落。别看是小事情,背后却是高密集的技术支撑。”秦志刚表示。


“愿景十分美好,但如何将人工智能落地和普及推广?这将是我们下一步亟待攻克的难题。”秦志刚说。

推荐文章

据相关资料显示,在中国至少有10万的全职数据标注员以及达到100万的兼职数据标注员。看到这个数据,不禁想问数据标注到底是一个怎样的行业?其实早在1998年第一家标注公司成立的时候,该行业就已经出现,只是那时人工智能尚未兴起,数据应用相对较少,直到2011年以后针对人工智能的数据标注才逐渐出现。人工智能行业离不开数据标注行业。为什么这么说呢?因为对于人工智能企业来说,优质的数据是不可或缺的。换而言之,数据的真正价值不在于数据本身,而在于数据背后所反映出的真实性与科学性。能够对数据进行分析、开发和利用,从中创造新的价值,取得实际应用效果这才实现了数据的价值,而数据标注就是体现数据价值的过程。最初,由于数据标注的需求量不是太多,基本是由公司内部的工程师或者算法团队自己完成。但随着人工智能的广泛应用和普及,计算机机器深度学习的不断深入,对数据的需求与日俱增,那大量的数据从何而来呢?于是专业的数据标注员产生了。数据标注员相当于互联网上的“编辑师”,用一些数据标注工具,对大量文本、图片、语音、视频等数据进行归类、整理、纠错和批注等工作。任何一家为人工智能企业提供数据标注服务的公司都离不开“编辑师”这样的角色。毕竟人类的认知一直领先于机器智慧一段距离,目前的AI还无法胜任数据标注员的工作,机器学习依赖人类“喂食”,而填饱机器的“美味佳肴”则需要标注员们烹饪。在大数据时代下,各行业都面临着新的机遇与挑战,作为与人工智能密切相关的数据标注行业更是如此。关于数据标注行业还有更多未知等待我们去探索。    

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。