人工智能的發(fā)展離不開數(shù)據(jù)的支撐 更離不開AI數(shù)據(jù)做“燃料”

上個世紀(jì)五十年代，麥卡錫當(dāng)時為達特茅斯會議命名了一個在那時看起來別出心裁的名字：人工智能夏季研討會（Summer Research Project on Artificial Intelligence），由此“人工智能（ArtificialIntelligence）”這個概念開始走向世界。

歷經(jīng)了半個多世紀(jì)的AI一直都不溫不火，但近幾年AI突然爆發(fā)，在人工智能大量邊緣設(shè)備落地的同時，將其推上一個更為興盛的階段：圍棋人工智能程序AlphaGo橫掃棋壇，傳統(tǒng)與文化相結(jié)合獨具一格的“AI茶館”，甚至還有騰訊去年在“AI+醫(yī)療”領(lǐng)域打造的“救命AI”——騰訊AI醫(yī)療產(chǎn)品的聚合。

AI迅速爆發(fā)的背后究竟靠的是什么？現(xiàn)下眾多巨頭企業(yè)、初創(chuàng)公司等紛紛入局人工智能領(lǐng)域，都在嘗試尋找全新突破口。業(yè)內(nèi)曾流傳著這樣一句話：得“數(shù)據(jù)”者，得“人工智能”，而能將“人工智能”玩的轉(zhuǎn)的，便能稱的上是撬動世界第四次工業(yè)革命的先鋒了。

偏偏是“數(shù)據(jù)”扼住了AI命運的咽喉？

從發(fā)展意義來看，人工智能（AI）在不斷的進步，并且隨著這種進步勢必會改變一大批產(chǎn)業(yè)的形態(tài)。此外，從另一方面看，人工智能技術(shù)的背后有三大支柱：算法、算力和數(shù)據(jù)，這三者相輔相成、相互制約，但其中數(shù)據(jù)是核心要義，只要有了大量優(yōu)質(zhì)精準(zhǔn)的數(shù)據(jù)，再加上算法實現(xiàn)高效的機器運算、算力的推動，AI才能越走越遠(yuǎn)。

“沒有好的數(shù)據(jù)，人工智能將沒有未來”已經(jīng)成為業(yè)界共識。

值得一提的是，這里有兩個重要的點需要區(qū)分：一個是數(shù)據(jù)，另一個是好的數(shù)據(jù)：“高質(zhì)、精準(zhǔn)、安全”。

云測數(shù)據(jù)賈宇航表示：“首先數(shù)據(jù)是人工智能底層邏輯中不可或缺的支撐要素，因為人工智能的本質(zhì)就像人類要不斷的通過訓(xùn)練來獲取技能一樣，AI的根基就是訓(xùn)練，需要經(jīng)過大量數(shù)據(jù)進行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)才能總結(jié)出規(guī)律，進而熟能生巧的應(yīng)用到新樣本上”。

也就是說，數(shù)據(jù)是最基本的燃料，沒有燃料，AI這艘火箭是不可能直沖云霄，而商業(yè)落地更是遙不可及的夢。從自動駕駛到AI聊天、服務(wù)機器人，從人臉識別到各類AI邊緣落地化產(chǎn)品，數(shù)據(jù)是真正的“幕后英雄”，無“數(shù)據(jù)”不“AI”。

其次，要想經(jīng)算法訓(xùn)練后獲得的模型更加智能，僅“數(shù)據(jù)”遠(yuǎn)遠(yuǎn)不夠的，這背后更多的是對數(shù)據(jù)的“高質(zhì)、精準(zhǔn)、安全”的要求。

例如在訓(xùn)練的過程中，高質(zhì)精準(zhǔn)的數(shù)據(jù)扮演著“教科書”級別的重要角色。如果僅需要識別勺子，但在訓(xùn)練數(shù)據(jù)中勺子總和碗、筷子一起出現(xiàn)，那么AI系統(tǒng)可能會誤入歧途，進入一種“瞎猜”的狀態(tài)而產(chǎn)生混亂和誤差，結(jié)果很可能會將碗或筷子識別成勺子。所以對于人工智能來說，雖然大量的訓(xùn)練數(shù)據(jù)固然很重要，但更重要的是數(shù)據(jù)的“高質(zhì)精準(zhǔn)”。

再從另一方面看“高質(zhì)精準(zhǔn)的數(shù)據(jù)”對算法模型來講究竟有多重要？

現(xiàn)在人工智能處在產(chǎn)業(yè)落地前夕，可以說AI產(chǎn)品的精準(zhǔn)數(shù)據(jù)訓(xùn)練直接影響落地產(chǎn)品的良品率；舉個不恰當(dāng)?shù)睦?，如果自動駕駛系統(tǒng)的訓(xùn)練數(shù)據(jù)的缺乏或不精準(zhǔn)，則很可能在行駛過程中由于未正確識別物體數(shù)據(jù)直接導(dǎo)致人身傷亡，這些后果都是不堪設(shè)想的。

此外，數(shù)據(jù)標(biāo)注的價值不僅體現(xiàn)在物體識別上。當(dāng)下人工智能整個行業(yè)都在往多模態(tài)的方向發(fā)展，比如以智能駕駛為例，基于傳統(tǒng)的車外環(huán)境感知系統(tǒng)一般都采用攝像頭做設(shè)計，以至于存在著測距效果差等缺陷，現(xiàn)在引入激光雷達后，在數(shù)據(jù)的提升上對應(yīng)是既有圖像又有3D點云的三維數(shù)據(jù)的耦合。

隨著人工智能逐漸從學(xué)術(shù)走向產(chǎn)品化、落地化、市場化，企業(yè)對于場景數(shù)據(jù)的要求也越來越多維，所以引入更多維度的數(shù)據(jù)去完善AI產(chǎn)品落地前的模型，也是當(dāng)下行業(yè)發(fā)展的趨勢。

直擊行業(yè)痛點，這樣的“數(shù)據(jù)一把手”才更性感

傳統(tǒng)的數(shù)據(jù)清洗標(biāo)注工作呈現(xiàn)出一種“數(shù)據(jù)粗放型處理”的狀況，從移動互聯(lián)中大量獲取公開、通用的數(shù)據(jù)，通過雇傭廉價的勞動力完成數(shù)據(jù)的清晰標(biāo)注工作，“道路、天空、大樹”大致標(biāo)注粗糙勾選后，便全部投入應(yīng)用到神經(jīng)網(wǎng)絡(luò)中。

但隨著人工智能發(fā)展至商業(yè)落地前夕，算法模型對高質(zhì)量、高精度數(shù)據(jù)的需求極速提升，以往的通用數(shù)據(jù)集越來越不能滿足AI企業(yè)的數(shù)據(jù)需要，人工智能落地越來越專注于小場景和專業(yè)領(lǐng)域。人工智能不再是漂浮在“空中的樓閣”，基于AI實際應(yīng)用場景的數(shù)據(jù)服務(wù)，已成為人工智能落地的核心地基。

賈宇航表示：“在這個行業(yè)中有一個‘garbage in garbage out’的理論，即如果標(biāo)注完的數(shù)據(jù)精度達不到標(biāo)準(zhǔn)，那么訓(xùn)練出來的算法也是不精準(zhǔn)的?！比缃褚晃洞址诺奶幚砟Ｊ郊炔荒軡M足逐漸商用的AI企業(yè)的數(shù)據(jù)需求，甚至還將影響技術(shù)本身的發(fā)展。

面對這樣的產(chǎn)業(yè)趨勢，云測數(shù)據(jù)作為行業(yè)的典型代表，直擊行業(yè)痛點：將“精準(zhǔn)高質(zhì)”“獨立安全”作為業(yè)務(wù)發(fā)展的核心，并隨著AI企業(yè)數(shù)據(jù)需求不斷的演進。

有剛性需求便會有實時供給，有痛點問題便就有解決方案。云測數(shù)據(jù)基于其自建的數(shù)據(jù)標(biāo)注基地和場景實驗室，根據(jù)AI企業(yè)數(shù)據(jù)需求，進行特定動作、表情和表情的捕捉，將精準(zhǔn)的數(shù)據(jù)投入到流程化規(guī)范生產(chǎn)的數(shù)據(jù)標(biāo)注環(huán)節(jié)中，最終輸出精準(zhǔn)高質(zhì)的數(shù)據(jù)。解決特定場景化下的數(shù)據(jù)缺失、質(zhì)量良莠不齊、安全性等行業(yè)問題，以幫助AI企業(yè)打造以高精度數(shù)據(jù)為核心的行業(yè)壁壘。

場景實驗室是云測數(shù)據(jù)布局高度定制化、多模態(tài)的AI數(shù)據(jù)服務(wù)的重要組成部分，以AI企業(yè)的具體算法模型的特定需求來定制化搭建采集場景，致力于覆蓋盡可能多的實際場景及邊際場景，從數(shù)據(jù)產(chǎn)生的源頭把控數(shù)據(jù)質(zhì)量。

自建標(biāo)注基地是云測數(shù)據(jù)保證數(shù)據(jù)精準(zhǔn)高質(zhì)的又一強力保證。基地內(nèi)的全職標(biāo)注人員有利于協(xié)同化管理和快速響應(yīng)企業(yè)數(shù)據(jù)需求。同時云測數(shù)據(jù)還基于不同場景對標(biāo)注人員進行領(lǐng)域內(nèi)的細(xì)分，接受固定領(lǐng)域的知識培訓(xùn)。得到高效的行業(yè)知識輸入，在理解企業(yè)客戶的需求上就能做到準(zhǔn)確無誤的輸出。

所以，AI的背后是數(shù)據(jù)，行業(yè)的幕后是云測數(shù)據(jù)——這樣的“行業(yè)數(shù)據(jù)一把手”才著實性感。

數(shù)據(jù)安全成核心，行業(yè)規(guī)范亟需建立

目前云測數(shù)據(jù)基于自建的數(shù)據(jù)場景實驗室和數(shù)據(jù)標(biāo)注基地，服務(wù)領(lǐng)域已涉及智能駕駛、智能家居、智慧城市、智慧金融、新零售等領(lǐng)域，實時為領(lǐng)域內(nèi)各個AI企業(yè)提供定制化的數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注服務(wù)，全方位支持文本、語音、圖像、視頻等各類型數(shù)據(jù)的處理。

更重要的一條前置底線是，云測數(shù)據(jù)除了提供優(yōu)質(zhì)數(shù)據(jù)，更是把數(shù)據(jù)隱私安全做到了極致。從防火墻的設(shè)置、到內(nèi)部信息系統(tǒng)的管護，乃至標(biāo)準(zhǔn)化的流程作業(yè)體系等，將一整套的安全防護和信息保護的機制，應(yīng)用在數(shù)據(jù)標(biāo)注生產(chǎn)的各環(huán)節(jié)。

賈宇航告訴獵云網(wǎng)：“對于一個企業(yè)來講，擁有了數(shù)據(jù)便就擁有了核心競爭力，數(shù)據(jù)安全一直都是我們極其重視的一點。首先我們要做到的，是數(shù)據(jù)絕不復(fù)用，第二就是保證數(shù)據(jù)隱私性。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，確保AI企業(yè)用于訓(xùn)練的數(shù)據(jù)合法合規(guī)?！?/p>

TesTIn云測CMO張鵬飛也強調(diào)“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(yuǎn)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(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，改變整個社會和人類進程”。

人工智能的發(fā)展離不開數(shù)據(jù)的支撐，更離不開AI數(shù)據(jù)做“燃料”。如果非要用一句話來定義這個時代的“人工智能”和“數(shù)據(jù)”的關(guān)系，可以說是：數(shù)據(jù)是人工智能的核心要義，而“高質(zhì)精準(zhǔn)、獨立安全”的數(shù)據(jù)，則是撬動世界第四次工業(yè)革命（人工智能浪潮）的關(guān)鍵所在。