AI對(duì)數(shù)據(jù)的要求為什么越來(lái)越高

「你們的客戶(hù)有哪些？」「這個(gè)不能細(xì)說(shuō)，很多簽了保密協(xié)議。不過(guò)……」Testin 云測(cè) CMO 張鵬飛停頓了下，手指下意識(shí)地敲了敲桌面：「我們的客戶(hù)覆蓋智能駕駛、智慧城市、新零售、金融等領(lǐng)域?！顾^續(xù)補(bǔ)充道：「還有越來(lái)越多的智能化轉(zhuǎn)型的傳統(tǒng)行業(yè)客戶(hù)，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(cè)在移動(dòng)互聯(lián)網(wǎng)時(shí)代從應(yīng)用測(cè)試業(yè)務(wù)出發(fā)，順勢(shì)而起并成為企業(yè)服務(wù)明星企業(yè)。經(jīng)過(guò)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(cè)數(shù)據(jù)品牌。在數(shù)據(jù)標(biāo)注領(lǐng)域，云測(cè)數(shù)據(jù)已然是國(guó)內(nèi)的第一梯隊(duì)。

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(duì)數(shù)據(jù)標(biāo)注的門(mén)檻在不斷提高?！副热缭?u>自動(dòng)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(dá)，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(dá)的價(jià)格比較高，所以很少會(huì)有人去使用和標(biāo)注。」但未來(lái)硬件成本的下降是必然的，而在 Waymo、Uber 等較早做自動(dòng)駕駛的企業(yè)中，也已經(jīng)可以看到三維圖像增加的趨勢(shì)。

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(jìn)入快速增長(zhǎng)期，但許多問(wèn)題也同時(shí)爆發(fā)——「魚(yú)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(shí)，數(shù)據(jù)的標(biāo)注需求很簡(jiǎn)單，可能客戶(hù)就說(shuō)，我這有批圖片，人臉拉框，盡量貼合，這個(gè)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(méi)辦法把所有的要求寫(xiě)完。」對(duì)于這樣復(fù)雜的標(biāo)記任務(wù)，云測(cè)數(shù)據(jù)在做之前首先要小范圍實(shí)驗(yàn)，然后需要開(kāi)會(huì)由專(zhuān)人講解，并在標(biāo)注過(guò)程中隨時(shí)做抽查，看標(biāo)注員的理解是否正確：「精度會(huì)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(diǎn)，在圖片上，內(nèi)眼角也就不到 100 像素，而任務(wù)還會(huì)精確到標(biāo)注到具體哪個(gè)像素上。」

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(cè)數(shù)據(jù)的數(shù)據(jù)場(chǎng)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(duì)著攝像機(jī)拍攝，演員的周?chē)紳M(mǎn)了光源，讓其面部沒(méi)有任何死角。對(duì) AI 企業(yè)來(lái)說(shuō)，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(duì) AI 數(shù)據(jù)服務(wù)商有著光線(xiàn)，被采樣本等條件的嚴(yán)格要求。

表情采集講解中 | 圖片來(lái)源：云測(cè)數(shù)據(jù)

「我們?cè)谇皟赡曜鋈四樀牟杉瘯r(shí)，對(duì)背景、光線(xiàn)還沒(méi)有什么要求。」賈宇航說(shuō)，在過(guò)去兩年，AI 企業(yè)對(duì)數(shù)據(jù)的采集和標(biāo)注都變得更具有策略性：「比如說(shuō)自動(dòng)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(chē)、三輪車(chē)的特定場(chǎng)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(duì) AI 企業(yè)來(lái)說(shuō)，就像蛋白粉對(duì)于職業(yè)運(yùn)動(dòng)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(mén)檻較低，讓這個(gè)行業(yè)魚(yú)龍混雜，同質(zhì)化競(jìng)爭(zhēng)嚴(yán)重，甚至出現(xiàn)了以往傳統(tǒng)行業(yè)常見(jiàn)的多道販子。，而供過(guò)于求的市場(chǎng)和過(guò)去數(shù)年 AI 企業(yè)對(duì)數(shù)據(jù)質(zhì)量的相對(duì)不重視，以及數(shù)據(jù)標(biāo)注員被稱(chēng)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(dòng)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(guó)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(kāi)始朝著專(zhuān)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(guò)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(lái)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(mǎn)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(chēng)，BAT 和 AI 企業(yè)占到了數(shù)據(jù)標(biāo)注任務(wù)來(lái)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。「比如銀行、保險(xiǎn)、汽車(chē)這些行業(yè)，在引入人工智能時(shí)有很大的勢(shì)能。」賈宇航用車(chē)內(nèi)的疲勞檢測(cè)來(lái)舉例，雖然市面上有不少開(kāi)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(chē)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(hào)的汽車(chē)上，在后視鏡或是中控臺(tái)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。

一開(kāi)始就定位定制化采集和高精度標(biāo)準(zhǔn)的云測(cè)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(lái)看，比起歐美逐漸成熟的如 Scale AI 的眾包模式，云測(cè)數(shù)據(jù)想的會(huì)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(cè) CMO 張鵬飛補(bǔ)充道「從整體看來(lái)，AI 數(shù)據(jù)行業(yè)關(guān)于安全、隱私等方面并沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)和強(qiáng)調(diào)重視。但從我們長(zhǎng)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(shù)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(lái)服務(wù)客戶(hù)，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(huì)和人類(lèi)進(jìn)程」。

「安全」和「獨(dú)立」顯然密不可分。據(jù)了解，云測(cè)數(shù)據(jù)堅(jiān)持獨(dú)立第三方的立場(chǎng)，與所有數(shù)據(jù)采集的用戶(hù)都簽訂數(shù)據(jù)授權(quán)協(xié)議（包括支持歐盟 GDPR 協(xié)議），對(duì)客戶(hù)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(lái)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(cè)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(duì)追求速度的 AI 企業(yè)來(lái)說(shuō)是分秒必爭(zhēng)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(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(shū)》中稱(chēng)，中國(guó)在全球人工智能市場(chǎng)占比 12%，位居第二，但增速 64% 位居全球第一，云測(cè)數(shù)據(jù)在數(shù)據(jù)采集和標(biāo)準(zhǔn)的市場(chǎng)還有龐大的增長(zhǎng)空間，賈宇航認(rèn)為，未來(lái)他們會(huì)更加深入 AI 細(xì)分領(lǐng)域和場(chǎng)景，并會(huì)考慮在未來(lái)進(jìn)一步開(kāi)拓國(guó)際市場(chǎng)。