「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)標注的門檻在不斷提高?！副热缭谧詣玉{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注。」但未來硬件成本的下降是必然的,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注的數(shù)據(jù)。

比如人臉識別,在 2015 年左右,許多的數(shù)據(jù)采集和數(shù)據(jù)標注的小作坊開始大規(guī)模出現(xiàn),主要以通用數(shù)據(jù)集和小規(guī)模采集為主,到了 2016 年,開源或是付費的數(shù)據(jù)集開始興起,與此同時數(shù)據(jù)標注的眾包業(yè)務(wù)也在野蠻生長,據(jù)估計我國有數(shù)千個相關(guān)的企業(yè)或團體,而從事數(shù)據(jù)標注眾包的專職、兼職人員超過百萬。

將識別準確率從無提升到 95% 的過程中,這樣的數(shù)據(jù)是足夠用的,但實際落地中,將準確率從 95% 提升到 99%,就顯得捉襟見肘了。「我們行業(yè)里有一句話,『Garbage in , garbage out』,這是機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的本質(zhì)決定的。」云測數(shù)據(jù)總經(jīng)理賈宇航說。

在 iPhone 推出人臉認證之后,許多安卓手機也跟進這一功能,但人們卻發(fā)現(xiàn),有的手機無法識別照片和真實的人臉,打印出來的也能蒙混過關(guān)。而更進一步的識別,需要機器對人臉的三維結(jié)構(gòu)有一定的理解,如果還要跟仿真的面具做區(qū)別,那么還需要加上活體檢測的能力,甚至精細到對面部血管和極輕微抖動的識別,來判斷識別對象是否有心跳等,這顯然是簡單的數(shù)據(jù)獲取和標注所難以滿足的。

「2015 年時,數(shù)據(jù)的標注需求很簡單,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,并在標注過程中隨時做抽查,看標注員的理解是否正確:「精度會有多高呢?一張人臉需要你準確地在內(nèi)眼角上標注人臉關(guān)鍵點,在圖片上,內(nèi)眼角也就不到 100 像素,而任務(wù)還會精確到標注到具體哪個像素上?！?/p>

工作人員正在講解人像標注 | 圖片來源:云測數(shù)據(jù)

而數(shù)據(jù)標注僅僅是復(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。過去幾年機器學(xué)習(xí)領(lǐng)域以「海量數(shù)據(jù)暴力計算」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、大批量標記的模式逐漸被定制化采集、高精度標記模式取代,要到趨近 AI 產(chǎn)品落地前的水平,高質(zhì)精準數(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?！妇珳蕛?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。「比如銀行、保險、汽車這些行業(yè),在引入人工智能時有很大的勢能?！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。

「這也是深度神經(jīng)網(wǎng)絡(luò)的一個特點,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)標注電商平臺出現(xiàn),行業(yè)標準化和透明化成成都提高,進一步加劇了行業(yè)的洗牌。

一開始就定位定制化采集和高精度標準的云測數(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)一的標準和強調(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)量標桿,只有以這種負責的態(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)標注基地。一般 AI 產(chǎn)品在發(fā)布前一個月就需要拿到標注好的數(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)采集和標準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。

生成海報

免責聲明：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確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(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。