人工智能數據標注這些年：從幕后到前臺丨曼孚科技

2020年03月20日 17:50作者：黃頁編輯：

分享

“你了解人工智能行業嗎?”

10個人中可能有9個人會給出肯定的回答。

“你了解數據標注行業嗎?”

10個人中可能有9個人會茫然地搖頭。

與處在聚光燈中心的人工智能科技公司不同，數據標注行業長期處于聚光燈之外的灰色地帶，很長一段時間內都是被邊緣化乃至低視的一個存在。

不過，隨著時代發展帶來需求的改變，數據標注行業也在發生著日新月異的變化，開始從幕后走向前臺。

一.幕后：粗放與混亂交織

數據標注行業里流傳著這樣的一段話：“有多少智能，就有多少人工”。

這句話在某種程度上道出了人工智能的本質。

事實上，現階段讓ai提升認知世界能力的最有效途徑仍然是監督學習，而目前ai算法能學習的數據，幾乎全部都是通過人力逐一進行標注而得來的。

一張經過數據標注后的圖片(來源：曼孚科技)

需求即意味著市場，據相關機構預測，未來幾年，國內數據服務市場將達上百億。

如此龐大的市場規模，讓很多人都想趁機分一杯羹，于是大大小小的標注團隊如雨后春筍一樣大量出現。

然而，問題也隨之而來。

與人工智能高科技含量不同，數據標注仍屬于勞動密集型產業，且模式通常以外包形式為主。

標注員每天從事標框、拉點等重復枯燥的工作，勞動力水平參差不齊導致產出的標注數據質量偏低，無法滿足ai企業的需求，影響ai產品商業化落地進程。

與此同時，低端產能過低的技術含量，也使數據標注行業幾乎沒有任何壁壘限制，很多標注團隊隨意拉進來幾個人經過簡單培訓就可以接業務了。

這樣的后果就是行業混亂且競爭加劇，絕大部分標注團隊只能存活于產業鏈最底層，壓價情況嚴重，甚至接不到業務導致生存艱難。

二.前臺：ai對于高質量數據的依賴

人工智能行業內有一個很重要的共識：

數據集質量的高低直接決定最終模型效果的好壞。

換句話說，數據對于模型性能的貢獻是最大的，數據越多越豐富、代表性越強、模型效果越好，算法的健壯性和魯棒性就越強。

隨著ai企業商業化落地進程的加快，越來越多的企業開始意識到標注數據的重要性。

以自動駕駛為例，目前很多企業都已經生產出自己的無人駕駛汽車樣車，并頻頻出現在公共視野內。

然而，雖然這些樣車在實驗室內表現良好，但距離真正的商用仍然有很遙遠的距離，一個很重要的原因就是真實路況場景與實驗室場景差距過大。

自動駕駛標注場景(來源：曼孚科技)

在實驗室內，只需要少量的道路數據即可滿足實驗的需要，但是到了真實的道路上，無人駕駛汽車將會遇到很多無法預知的情況，在沒有足夠數據支撐的前提下，車載電腦無法做出自己的判斷，導致潛在的風險劇增。

因此，以自動駕駛企業為代表的眾多ai企業對數據標注行業提出了更高的要求，數據標注行業已然開始處于聚光燈的焦點，從幕后走向了前臺。

三.未來：智能化、精細化、場景化

ai數據是人工智能的重中之重。眾所周知，人工智能的三駕馬車是算法、算力與數據，其中數據是人工智能行業的發展基石。

隨著人工智能行業商業化落地進程的加快，ai數據服務領域泥沙下沉，清泉上涌，行業變革已初露端倪。未來，智能化、精細化、場景化將是數據標注行業的主要發展方向。

智能化，即意味著標注工具ai化。以曼孚科技自研的語音標注工具為例，ai預標注技術可以自動識別轉寫語音數據，標注員只需要在工具預標注的結果上略作修改即可，這在提升標注效率的同時也減輕了對于人力的依賴。

精細化，即意味對標注數據集質量與細節提出了新的要求。以往數據集的準確率可能達到90%以上即可滿足要求，但隨著ai商業化落地進程的加快，ai企業對于標注數據的質量要求達到了95%，甚至99%以上，同時更加注重細節，比如曼孚科技在進行自動駕駛領域數據標注業務時，項目方會對諸如情緒捕捉、疲勞駕駛等等提出更加細節化的標注需求。

精細化標注能力(來源：曼孚科技)

場景化，即意味數據標注行業要滿足多樣化應用場景標注需求。以計算機視覺領域為例，目前數據標注可以應用在自動駕駛、無人機、ai教育、工業機器人、新零售、安全防護等場景中。每一個應用場景都有自己的數據類型與具體標注要求，因此極為考驗數據標注企業的場景化標注能力。

可以預見的是，未來幾年數據標注行業將迎來一場大變革，理念更先進、技術更硬核、服務更專業的ai數據服務企業將會把數據標注行業帶入全新的精細化運營時代。

而未來，相信隨著5g技術的逐步應用，數據與5g的結合將碰撞出更多創新火花，共同托起ai發展的基石。

以上是網絡信息轉載，信息真實性自行斟酌。