AI對數(shù)據(jù)的要求為什么越來越高

「你們的客戶有哪些？」「這個不能細說，很多簽了保密協(xié)議。不過……」Testin 云測 CMO 張鵬飛停頓了下，手指下意識地敲了敲桌面：「我們的客戶覆蓋智能駕駛、智慧城市、新零售、金融等領(lǐng)域?！顾^續(xù)補充道：「還有越來越多的智能化轉(zhuǎn)型的傳統(tǒng)行業(yè)客戶，選擇采用我們的數(shù)據(jù)標(biāo)注服務(wù)」。

創(chuàng)建于 2011 年的 TesTIn 云測在移動互聯(lián)網(wǎng)時代從應(yīng)用測試業(yè)務(wù)出發(fā)，順勢而起并成為企業(yè)服務(wù)明星企業(yè)。經(jīng)過行業(yè)前瞻判斷，積極布局定制化數(shù)據(jù)標(biāo)注業(yè)務(wù)領(lǐng)域，成立了云測數(shù)據(jù)品牌。在數(shù)據(jù)標(biāo)注領(lǐng)域，云測數(shù)據(jù)已然是國內(nèi)的第一梯隊。

人工智能正迅速向應(yīng)用人工智能發(fā)展，擁抱產(chǎn)業(yè)的人工智能對數(shù)據(jù)標(biāo)注的門檻在不斷提高?！副热缭?u>自動駕駛領(lǐng)域，現(xiàn)在主流的是多傳感器融合方案，從攝像頭增加到激光雷達，從二維圖像數(shù)據(jù)發(fā)展到三維圖像數(shù)據(jù)，多模態(tài)的數(shù)據(jù)幫助算法模型更好的訓(xùn)練，只是由于激光雷達的價格比較高，所以很少會有人去使用和標(biāo)注?！沟磥碛布杀镜南陆凳潜厝坏?，而在 Waymo、Uber 等較早做自動駕駛的企業(yè)中，也已經(jīng)可以看到三維圖像增加的趨勢。

AI 訓(xùn)練的「蛋白粉」

數(shù)據(jù)采集和標(biāo)注都不是新鮮的事情，伴隨著 AI 興起，約在 2011 年相應(yīng)的商業(yè)生態(tài)也隨之而生，2015 年行業(yè)進入快速增長期，但許多問題也同時爆發(fā)——「魚龍混雜」，可以這樣形容早期采集和標(biāo)注的數(shù)據(jù)。

「2015 年時，數(shù)據(jù)的標(biāo)注需求很簡單，可能客戶就說，我這有批圖片，人臉拉框，盡量貼合，這個需求文檔就已經(jīng)描述完了，而今年，我們發(fā)現(xiàn)同樣是做人臉標(biāo)記的企業(yè)需求，一張 A4 紙都沒辦法把所有的要求寫完?！箤τ谶@樣復(fù)雜的標(biāo)記任務(wù)，云測數(shù)據(jù)在做之前首先要小范圍實驗，然后需要開會由專人講解，并在標(biāo)注過程中隨時做抽查，看標(biāo)注員的理解是否正確：「精度會有多高呢？一張人臉需要你準(zhǔn)確地在內(nèi)眼角上標(biāo)注人臉關(guān)鍵點，在圖片上，內(nèi)眼角也就不到 100 像素，而任務(wù)還會精確到標(biāo)注到具體哪個像素上?！?/p>

具體到 AI 數(shù)據(jù)服務(wù)中，以 AI 企業(yè)數(shù)據(jù)增強需求為例。在云測數(shù)據(jù)的數(shù)據(jù)場景實驗室中，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，對背景、光線還沒有什么要求?！官Z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，非常細化?！?/p>

而這也是 AI 真實落地的必由之路，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，讓這個行業(yè)魚龍混雜，同質(zhì)化競爭嚴重，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，讓這個行業(yè)進一步陷入了低價低質(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。隨著人工智能產(chǎn)業(yè)的發(fā)展與進化，數(shù)據(jù)標(biāo)注行業(yè)開始朝著專業(yè)化、精細化、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。「精準(zhǔn)優(yōu)質(zhì)」、「安全獨立」的數(shù)據(jù)被認為是 AI 企業(yè)落地前的剛需。

2018 年初，甲子光年曾報道稱，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)，這個比例正發(fā)生變化?！副热玢y行、保險、汽車這些行業(yè)，在引入人工智能時有很大的勢能。」賈宇航用車內(nèi)的疲勞檢測來舉例，雖然市面上有不少開源或付費的數(shù)據(jù)集，企業(yè)也可以比較容易地獲取算法然后進行訓(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)不是真實地在這個環(huán)境下采集，很難實際論證。

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)范性地保護數(shù)據(jù)隱私。

TesTIn 云測 CMO 張鵬飛補充道「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)和強調(diào)重視。但從我們長遠角度出發(fā)，一直在隱私和安全防護角度下大力氣服務(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，改變整個社會和人類進程」。

「安全」和「獨立」顯然密不可分。據(jù)了解，云測數(shù)據(jù)堅持獨立第三方的立場，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、各終端不聯(lián)網(wǎng)、USB 接口封死等數(shù)據(jù)保障機制來保證數(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)布前一個月就需要拿到標(biāo)注好的數(shù)據(jù)進行訓(xùn)練，而數(shù)據(jù)訓(xùn)練前一個月就應(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。「我們現(xiàn)在千人規(guī)模的全職的數(shù)據(jù)人員，但還是遠遠不夠?！?/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，賈宇航認為，未來他們會更加深入 AI 細分領(lǐng)域和場景，并會考慮在未來進一步開拓國際市場。