工作人員正在講解人像標(biāo)注

圖片來源:云測數(shù)據(jù)

而數(shù)據(jù)標(biāo)注僅僅是復(fù)雜度上升的后半部分,AI 企業(yè)高精度數(shù)據(jù)的需求同樣體現(xiàn)在數(shù)據(jù)定制化的采集上。過去幾年機(jī)器學(xué)習(xí)領(lǐng)域以「海量數(shù)據(jù)暴力計(jì)算」的方式迅速發(fā)展,而現(xiàn)在這一模式也逐漸遇到了瓶頸,安防是國內(nèi) AI 落地最多的行業(yè)之一,以安防攝像頭獲取的數(shù)據(jù)為例,5 萬小時(shí)的錄像中,有足夠拿來訓(xùn)練 AI 識別行人和車輛的內(nèi)容,但最需要安防攝像頭識別的是什么呢?是打架斗毆、行人跌倒等異常事件,可能在 5 萬小時(shí)的錄像中,這些是以分鐘為數(shù)量級的。顯然,這不足以訓(xùn)練出可以實(shí)際應(yīng)用的 AI,對于這樣的小數(shù)據(jù),需要定制化的采集策略。

具體到 AI 數(shù)據(jù)服務(wù)中,以 AI 企業(yè)數(shù)據(jù)增強(qiáng)需求為例。在云測數(shù)據(jù)的數(shù)據(jù)場景實(shí)驗(yàn)室中,綠色的幕布前,一位群眾演員站在中央擺出不同的表情,正對著攝像機(jī)拍攝,演員的周圍布滿了光源,讓其面部沒有任何死角。對 AI 企業(yè)來說,拍攝這樣的一張「純凈數(shù)據(jù)「,可以拓展更多的數(shù)據(jù)價(jià)值。當(dāng)然,搭建這樣的采集環(huán)境,對 AI 數(shù)據(jù)服務(wù)商有著光線,被采樣本等條件的嚴(yán)格要求。

表情采集講解中

|圖片來源:云測數(shù)據(jù)

「我們在前兩年做人臉的采集時(shí),對背景、光線還沒有什么要求。」賈宇航說,在過去兩年,AI 企業(yè)對數(shù)據(jù)的采集和標(biāo)注都變得更具有策略性:「比如說自動駕駛,以前恨不得天天都在采集,把數(shù)據(jù)都標(biāo)上,現(xiàn)在就要是在雨天、雪天去采集,要去人流密集、或者是很多卡車、三輪車的特定場景,非常細(xì)化?！?/p>

而這也是 AI 真實(shí)落地的必由之路,以往粗放式采集、大批量標(biāo)記的模式逐漸被定制化采集、高精度標(biāo)記模式取代,要到趨近 AI 產(chǎn)品落地前的水平,高質(zhì)精準(zhǔn)數(shù)據(jù)對 AI 企業(yè)來說,就像蛋白粉對于職業(yè)運(yùn)動員一樣必不可少。

行業(yè)洗牌在即

數(shù)據(jù)標(biāo)注行業(yè)發(fā)展早期,由于門檻較低,讓這個(gè)行業(yè)魚龍混雜,同質(zhì)化競爭嚴(yán)重,甚至出現(xiàn)了以往傳統(tǒng)行業(yè)常見的多道販子。,而供過于求的市場和過去數(shù)年 AI 企業(yè)對數(shù)據(jù)質(zhì)量的相對不重視,以及數(shù)據(jù)標(biāo)注員被稱為 AI 從業(yè)人員的底層,讓這個(gè)行業(yè)進(jìn)一步陷入了低價(jià)低質(zhì)的怪圈。

大量勞動密集型的數(shù)據(jù)標(biāo)注工廠在 AI 產(chǎn)業(yè)爆發(fā)初期,為中國人工智能企業(yè)的崛起做出了巨大的貢獻(xiàn)。隨著人工智能產(chǎn)業(yè)的發(fā)展與進(jìn)化,數(shù)據(jù)標(biāo)注行業(yè)開始朝著專業(yè)化、精細(xì)化、定制化方向發(fā)展。AI 企業(yè)在逐步落地過程中發(fā)現(xiàn),所需要的數(shù)據(jù)維度和復(fù)雜度正變得越來越高,數(shù)據(jù)服務(wù)的眾包模式以及通用數(shù)據(jù)集已經(jīng)難以滿足 AI 企業(yè)的數(shù)據(jù)需求?！妇珳?zhǔn)優(yōu)質(zhì)」、「安全獨(dú)立」的數(shù)據(jù)被認(rèn)為是 AI 企業(yè)落地前的剛需。

2018 年初,甲子光年曾報(bào)道稱,BAT 和 AI 企業(yè)占到了數(shù)據(jù)標(biāo)注任務(wù)來源的約 7 成,但隨著 AI 落地到傳統(tǒng)行業(yè),這個(gè)比例正發(fā)生變化?！副热玢y行、保險(xiǎn)、汽車這些行業(yè),在引入人工智能時(shí)有很大的勢能?！官Z宇航用車內(nèi)的疲勞檢測來舉例,雖然市面上有不少開源或付費(fèi)的數(shù)據(jù)集,企業(yè)也可以比較容易地獲取算法然后進(jìn)行訓(xùn)練,但作為整車廠,關(guān)心的并不是模擬器上的準(zhǔn)確度,而是具體在自己某一型號的汽車上,在后視鏡或是中控臺上擺放的攝像頭的具體效果,如果數(shù)據(jù)不是真實(shí)地在這個(gè)環(huán)境下采集,很難實(shí)際論證。

「這也是深度神經(jīng)網(wǎng)絡(luò)的一個(gè)特點(diǎn),比如人臉數(shù)據(jù)是在室內(nèi)采集的,放到室外用可能就不行了,要產(chǎn)品化的話必須要結(jié)合使用場景去采集數(shù)據(jù),才能提升識別精度?！乖?2018 年的年初,市場上任務(wù)需求一般是量大質(zhì)低,錢比較容易賺,而市場需求的轉(zhuǎn)變,讓數(shù)據(jù)服務(wù)的難度不斷提升,再加上百度眾包、京東眾智等數(shù)據(jù)標(biāo)注電商平臺出現(xiàn),行業(yè)標(biāo)準(zhǔn)化和透明化成成都提高,進(jìn)一步加劇了行業(yè)的洗牌。

一開始就定位定制化采集和高精度標(biāo)準(zhǔn)的云測數(shù)據(jù),采取的是自建基地模式,全職雇傭數(shù)據(jù)服務(wù)人員。從商業(yè)模式上來看,比起歐美逐漸成熟的如 Scale AI 的眾包模式,云測數(shù)據(jù)想的會更遠(yuǎn)一些,自建基地模式要更穩(wěn)定高效,另一方面,也能更規(guī)范性地保護(hù)數(shù)據(jù)隱私。

Testin 云測 CMO 張鵬飛補(bǔ)充道「從整體看來,AI 數(shù)據(jù)行業(yè)關(guān)于安全、隱私等方面并沒有統(tǒng)一的標(biāo)準(zhǔn)和強(qiáng)調(diào)重視。但從我們長遠(yuǎn)角度出發(fā),一直在隱私和安全防護(hù)角度下大力氣服務(wù)行業(yè)、樹立數(shù)據(jù)質(zhì)量標(biāo)桿,只有以這種負(fù)責(zé)的態(tài)度來服務(wù)客戶,我們的行業(yè)才能『良幣驅(qū)除劣幣』,真正讓人工智能成為新一輪技術(shù)革命,改變整個(gè)社會和人類進(jìn)程」。

「安全」和「獨(dú)立」顯然密不可分。據(jù)了解,云測數(shù)據(jù)堅(jiān)持獨(dú)立第三方的立場,與所有數(shù)據(jù)采集的用戶都簽訂數(shù)據(jù)授權(quán)協(xié)議(包括支持歐盟 GDPR 協(xié)議),對客戶定制的數(shù)據(jù)交付后不留底全部刪除,并建立了從防火墻到內(nèi)部信息系統(tǒng)管護(hù)、各終端不聯(lián)網(wǎng)、USB 接口封死等數(shù)據(jù)保障機(jī)制來保證數(shù)據(jù)安全。

為了盡量提升效率和保證數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全,云測數(shù)據(jù)在華北、華東、華南建立數(shù)據(jù)標(biāo)注基地。一般 AI 產(chǎn)品在發(fā)布前一個(gè)月就需要拿到標(biāo)注好的數(shù)據(jù)進(jìn)行訓(xùn)練,而數(shù)據(jù)訓(xùn)練前一個(gè)月就應(yīng)該完成數(shù)據(jù)的采集,對追求速度的 AI 企業(yè)來說是分秒必爭的?！肝覀儸F(xiàn)在千人規(guī)模的全職的數(shù)據(jù)人員,但還是遠(yuǎn)遠(yuǎn)不夠?！?/p>

不久前 IDC 聯(lián)合量子位發(fā)布的《AI 落地白皮書》中稱,中國在全球人工智能市場占比 12%,位居第二,但增速 64% 位居全球第一,云測數(shù)據(jù)在數(shù)據(jù)采集和標(biāo)準(zhǔn)的市場還有龐大的增長空間,賈宇航認(rèn)為,未來他們會更加深入 AI 細(xì)分領(lǐng)域和場景,并會考慮在未來進(jìn)一步開拓國際市場。

songjy