人工智能會取代你的工作嗎?

站在2022年的當(dāng)下,大部分人給出的回答是——不會。事實上,AI產(chǎn)業(yè)的蓬勃發(fā)展,正在創(chuàng)造更多工作崗位。

AI產(chǎn)業(yè)的工作機會不僅僅局限于工程師崗位。如今,從城市到鄉(xiāng)村,從學(xué)生到上班族,越來越多人開始將AI數(shù)據(jù)標(biāo)注員作為一項兼職工作,為AI模型添磚加瓦。

但在AI數(shù)據(jù)標(biāo)注領(lǐng)域,服務(wù)于數(shù)據(jù)標(biāo)注的平臺、工具卻一直不夠豐富。特別是可供中小企業(yè)、個人開發(fā)者使用的開源、免費的標(biāo)注工具,更是少之又少。

如今,越來越多的AI開發(fā)者注意到了這一問題,并開始改變這一現(xiàn)狀。為了滿足以上需求,LabelFree數(shù)據(jù)標(biāo)注平臺目前發(fā)布了最新版本,提供高效的標(biāo)注能力,并原生對接YMIR開源AI模型生產(chǎn)平臺,提供了一站式的AI解決方案。這些低門檻的AI數(shù)據(jù)標(biāo)注解決方案,或?qū)⒃谖磥磉M一步加速AI的普及。

數(shù)據(jù)標(biāo)注平臺,能做到既便宜又好用嗎?

在AI產(chǎn)業(yè),數(shù)據(jù),意味著什么?

數(shù)據(jù),是AI生產(chǎn)的基座。一個AI模型從誕生到完善,直至應(yīng)用于產(chǎn)品,實現(xiàn)商業(yè)化落地,需要大量數(shù)據(jù)的喂養(yǎng)。而在這一過程中,數(shù)據(jù)標(biāo)注給AI模型提供了學(xué)習(xí)數(shù)據(jù)的重要基礎(chǔ),是AI從“人工”到“智能”的第一步。

在AI產(chǎn)業(yè)鏈條中,數(shù)據(jù)標(biāo)注平臺基本可劃分為四類:

其一,是大型企業(yè)開發(fā)的數(shù)據(jù)標(biāo)注平臺,大多服務(wù)于企業(yè)內(nèi)部的AI項目,不會對外開放。

其二,是SaaS類的數(shù)據(jù)標(biāo)注解決方案,企業(yè)及個人開發(fā)者可付費使用。這類服務(wù)的優(yōu)勢是無需部署,可以直接使用;而劣勢則是不支持本地化部署,可能存在數(shù)據(jù)合規(guī)風(fēng)險,且大多不支持定制及二次開發(fā)。

其三,是直接將數(shù)據(jù)標(biāo)注服務(wù)交給外包服務(wù)商,通過服務(wù)商的團隊完成數(shù)據(jù)標(biāo)注工作。其優(yōu)勢在于省心省力,而劣勢也十分明顯:數(shù)據(jù)安全、交付速度、標(biāo)注質(zhì)量均不可控。特別是一些具有一定專業(yè)性的標(biāo)注工作,如醫(yī)學(xué)影像類標(biāo)注,更是考驗數(shù)據(jù)標(biāo)注服務(wù)商的專業(yè)能力。

最后,是開源的數(shù)據(jù)標(biāo)注平臺。與前幾者相比,開源方案的使用門檻更低,且支持二次開發(fā),并支持本地化部署。但與此同時,市面上的開源數(shù)據(jù)標(biāo)注平臺數(shù)量有限,且許多產(chǎn)品在標(biāo)注員使用、項目管理方面均存在流程復(fù)雜、效率低的問題。因此,開源解決方案始終未能成為行業(yè)主流。

綜上所述,在數(shù)據(jù)標(biāo)注的工具選擇上,AI開發(fā)者度的需求其實十分清晰:低成本使用,最好是開源項目,或支持免費授權(quán);支持定制或二次開發(fā);可以本地化部署,滿足數(shù)據(jù)可控需求;標(biāo)注、項目管理流程簡便;最后,最好可以與MLOps平臺緊密結(jié)合,更快、更好地開發(fā)、測試及部署模型。

為了滿足以上需求,開源AI模型生產(chǎn)平臺項目YMIR在日前上線了數(shù)據(jù)標(biāo)注平臺——LabelFree,希望通過免費、可定制、支持本地部署的解決方案,提升數(shù)據(jù)標(biāo)注平臺的易用性。

YMIR的定位是“一站式AI模型生產(chǎn)和部署平臺”,其簡化了AI模型的訓(xùn)練流程,支持以無代碼開發(fā)的模式,實現(xiàn)數(shù)據(jù)管理、數(shù)據(jù)挖掘、模型訓(xùn)練、模型驗證等功能。而LabelFree支持與YMIR平臺無縫銜接,用戶可以在YMIR平臺選擇數(shù)據(jù)集后直接跳轉(zhuǎn)至LabelFree進行標(biāo)注,圖片的標(biāo)注信息會同步至YMIR,標(biāo)注完成后的數(shù)據(jù)集可以直接用來在YMIR平臺進行模型訓(xùn)練。在后續(xù)模型迭代的過程中,用戶也可以在YMIR和LabelFree之間快速切換,通過挖掘、標(biāo)注和重訓(xùn)練的多次循環(huán),獲得滿意的模型。

YMIR GitHub頁面

今年5月,YMIR在GitHub上線。公開資料顯示,其核心發(fā)起人包括云天勵飛首席科學(xué)家,IEEE Fellow王孝宇;美國硅谷NEC實驗室媒體分析部主管,印裔科學(xué)家Manmohan Chandraker;前谷歌、亞馬遜、Snap機器學(xué)習(xí)研究員,硅谷初創(chuàng)公司Heali聯(lián)合創(chuàng)始人、首席AI官,法裔科學(xué)家William Brendel等。

事實上,YMIR的許多特性,如一站式服務(wù)、開放式設(shè)計、免費使用等等,都在LabelFree上得以體現(xiàn)。LabelFree提供的低門檻、優(yōu)體驗的數(shù)據(jù)標(biāo)注服務(wù),也契合了YMIR的開發(fā)理念——通過開源AI系統(tǒng)能力,讓每一家企業(yè)都能擁抱AI,加速AI產(chǎn)業(yè)化、平民化。

專注視覺信息標(biāo)注,LabelFree有何不一樣?

與市面上的大部分?jǐn)?shù)據(jù)標(biāo)注平臺相比,LabelFree的優(yōu)勢是什么?

在產(chǎn)品定位方面,大部分AI數(shù)據(jù)標(biāo)注平臺都會同時支持視覺、語音、文本類數(shù)據(jù)標(biāo)注,而LabelFree則不追求大而全,而是聚焦于計算機視覺領(lǐng)域。事實上,這也是AI數(shù)據(jù)領(lǐng)域最大的數(shù)據(jù)板塊。根據(jù)艾瑞咨詢發(fā)布的《中國AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)發(fā)展報告》,中國AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場中,圖像類數(shù)據(jù)需求占比為49.7%,遠高于其他類型數(shù)據(jù)。

對于專精于計算機視覺領(lǐng)域的原因,LabelFree工程師給出的答案是——LabelFree專注于計算機視覺數(shù)據(jù)的標(biāo)注,希望依托于頂尖的AI算法團隊、成熟的數(shù)據(jù)標(biāo)注體系、大規(guī)模算法落地經(jīng)驗提供最低成本、最高效率的數(shù)據(jù)標(biāo)注能力,讓LabelFree的數(shù)據(jù)標(biāo)注能力躋身行業(yè)第一梯隊。

在圖像分割技術(shù)上,LabelFree集成了輔助分割算法。在傳統(tǒng)的標(biāo)注模式下,標(biāo)注員需要手動點擊錨點,將被標(biāo)注物從圖片中分割出來;引入輔助分割算法后,標(biāo)注員只需點擊標(biāo)注物,系統(tǒng)會自動將標(biāo)注物分割,標(biāo)注員只需要對錨點進行微調(diào),即可完成標(biāo)注。圖像分割等技術(shù)的加入,提升了標(biāo)注員在LabelFree平臺的標(biāo)注效率,從而降低AI開發(fā)成本。

事實上,目前市面上的大部分?jǐn)?shù)據(jù)標(biāo)注平臺,在產(chǎn)品設(shè)計上更傾向于管理者視角,鮮少關(guān)注數(shù)據(jù)標(biāo)注員的使用體驗。在英文世界中,AI數(shù)據(jù)標(biāo)注員常常被媒體稱為“幽靈工人”(ghost worker),他們大多以兼職或遠程辦公的身份進行工作,是AI時代中常常被忽視的“看不見的人”。

因此,在AI時代,數(shù)據(jù)標(biāo)注員的話語權(quán)是缺失的。此外,計件而非計時的計薪模式,也讓許多數(shù)據(jù)標(biāo)注平臺沒有動力在產(chǎn)品層面優(yōu)化標(biāo)注員的標(biāo)注效率。

而LabelFree開發(fā)團隊針對數(shù)據(jù)標(biāo)注員群體開展了大量調(diào)研工作,以優(yōu)化標(biāo)注員的使用體驗,幫助他們減輕工作壓力,提升工作效率。例如,在圖像復(fù)雜、目標(biāo)眾多的目標(biāo)檢測場景中,標(biāo)注員對目標(biāo)的標(biāo)簽設(shè)置存在大量重復(fù)操作,為此,LabelFree特別設(shè)計了“無限模式“,讓標(biāo)注員可以快捷地對某一類型連續(xù)操作,達到最高的生成效率。

與此同時,針對數(shù)據(jù)標(biāo)注效率,LabelFree也完善了多人標(biāo)注協(xié)作體驗,并原生支持分布式對象存儲,以解決海量標(biāo)注數(shù)據(jù)的存儲問題,降低存儲成本,提升數(shù)據(jù)安全。

在提升數(shù)據(jù)標(biāo)注效率的同時,LabelFree與YMIR的無縫銜接也簡化了AI模型的訓(xùn)練流程。在LabelFree平臺上完成標(biāo)注后,AI工程師可以直接在YMIR上進行模型訓(xùn)練,檢驗?zāi)Ｐ陀?xùn)練成果,并將新的模型在LabelFree上進行預(yù)標(biāo)注,同時提升數(shù)據(jù)標(biāo)注與模型訓(xùn)練的工作流效率。

LabelFree使用文檔

此外,最重要的是,LabelFree支持本地化、私有化部署,用戶可以在以私有化的形式安裝LabelFree,將數(shù)據(jù)留存在可控范圍內(nèi),在保證數(shù)據(jù)安全的前提下完成數(shù)據(jù)標(biāo)注流程。而這一特性,對于醫(yī)院、學(xué)校等信息敏感類客戶而言至關(guān)重要。

在商業(yè)化方面,LabelFree提供數(shù)據(jù)標(biāo)注解決方案、定制化開發(fā)、技術(shù)支持,以滿足專業(yè)商業(yè)客戶的需求。此外,有AI需求的客戶可以在算法商城模塊上試用現(xiàn)有的算法方案,結(jié)合自身數(shù)據(jù)完善自己的AI模型。

提煉「數(shù)據(jù)石油」——AI數(shù)據(jù)服務(wù)市場迅速成長

未來,AI數(shù)據(jù)服務(wù)行業(yè)將駛向何方?

早在2017年,《經(jīng)濟學(xué)人》雜志就曾發(fā)表封面文章,提出了“數(shù)據(jù)石油”的概念——“世界上最有價值的資源不再是石油,而是數(shù)據(jù)”。與石油類似,數(shù)據(jù)本身價值有限,只有經(jīng)過“提煉”之后,才能爆發(fā)出巨大的價值。

而數(shù)據(jù)標(biāo)注平臺則成為了“提煉數(shù)據(jù)石油”的關(guān)鍵。一方面,越來越好用的數(shù)據(jù)標(biāo)注平臺,完善了AI產(chǎn)業(yè)的基礎(chǔ)設(shè)施,從而帶動更多開發(fā)者及企業(yè)加入到AI產(chǎn)業(yè),也可以做大AI數(shù)據(jù)標(biāo)注員的就業(yè)市場,創(chuàng)造更多就業(yè)崗位。

2020年2月,人力資源社會保障部聯(lián)合多部門發(fā)布通知,正式將“人工智能訓(xùn)練師”列為新職業(yè),并納入國家職業(yè)分類目錄。這意味著AI數(shù)據(jù)標(biāo)注員這一職業(yè)獲得了國家層面的認(rèn)可。

而另一方面,以數(shù)據(jù)標(biāo)注、處理為代表的AI基礎(chǔ)數(shù)據(jù)服務(wù)市場,仍處于高速增長之中。這意味著,數(shù)據(jù)標(biāo)注平臺、數(shù)據(jù)采集服務(wù)等AI基礎(chǔ)數(shù)據(jù)服務(wù),在未來存在著巨大的增長空間。

艾瑞咨詢的數(shù)據(jù)顯示,包括數(shù)據(jù)采集、數(shù)據(jù)處理(標(biāo)注)、數(shù)據(jù)存儲、數(shù)據(jù)挖掘等模塊在內(nèi)的AI基礎(chǔ)數(shù)據(jù)服務(wù)市場,將在未來數(shù)年內(nèi)持續(xù)增長,到2025年,國內(nèi)AI基礎(chǔ)數(shù)據(jù)服務(wù)市場的整體規(guī)模預(yù)計將達到101.1億元,整體市場增速將達到31.8%(2024-2025年)。

AI數(shù)據(jù)基礎(chǔ)設(shè)施的不斷完善,將會推動更多數(shù)據(jù)流動起來,投入到AI模型訓(xùn)練的應(yīng)用之中,并緩解困擾行業(yè)已久的“數(shù)據(jù)煙囪”問題。在大數(shù)據(jù)時代,挖掘數(shù)據(jù)價值比以往任何時刻都更重要,正如“大數(shù)據(jù)之父”、牛津大學(xué)舍恩伯格在《大數(shù)據(jù)時代》一書所言:“在大數(shù)據(jù)時代,我們不必非得知道現(xiàn)象背后的原因,而是要讓數(shù)據(jù)自己‘發(fā)聲’。”

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）