“目前我國已有龐大的數(shù)據(jù)加工隊伍，僅北京就有一百多家專門從事數(shù)據(jù)標(biāo)注的公司，全國從事這項工作的人大概超過千萬，很多頭部的互聯(lián)網(wǎng)技術(shù)企業(yè)都有自己的數(shù)據(jù)標(biāo)注公司。”

目前人工智能落地場景不斷豐富，智能化應(yīng)用正改變著我們的生活。而在AI產(chǎn)業(yè)高速發(fā)展的背后，數(shù)據(jù)標(biāo)注師這個新職業(yè)的從業(yè)人數(shù)也正在壯大。數(shù)據(jù)標(biāo)注行業(yè)流行著一句話，“有多少智能，就有多少人工”。目前AI算法能學(xué)習(xí)的數(shù)據(jù)，必須通過人力逐一標(biāo)注，這些人力為AI產(chǎn)業(yè)提供養(yǎng)料，構(gòu)建了AI金字塔的基礎(chǔ)。

近日，支付寶公益基金會、阿里巴巴人工智能實驗室聯(lián)合中國婦女發(fā)展基金會在貴州銅仁萬山區(qū)啟動了“AI豆計劃”，這是該計劃在全國啟動的第一個試點地區(qū)。作為一種 “AI+扶貧”的公益新模式，計劃旨在通過AI產(chǎn)業(yè)釋放出的大量就業(yè)機會，在貧困地區(qū)培訓(xùn)相關(guān)職業(yè)人才、孵化社會企業(yè)，讓貧困群眾實現(xiàn)在家門口就業(yè)脫貧。

這些從業(yè)者不需要背井離鄉(xiāng)，她們可以受訓(xùn)上崗，為AI機器學(xué)習(xí)進行數(shù)據(jù)的分類和標(biāo)注工作，讓機器可以快速學(xué)習(xí)和認(rèn)知文字、圖片、視頻等內(nèi)容，成為一名“AI培育師”。

機器學(xué)習(xí)必需數(shù)據(jù)標(biāo)注

AI數(shù)據(jù)標(biāo)注員被稱作“人工智能背后的人工”。“數(shù)據(jù)是人工智能的血液。當(dāng)下是大數(shù)據(jù)基礎(chǔ)上的人工智能，是數(shù)據(jù)智能的深度學(xué)習(xí)時代，可以說誰掌握了數(shù)據(jù)，誰就有可能做好。”中科院自動化所研究員、視語科技創(chuàng)始人王金橋告訴科技日報記者。他解釋，當(dāng)前的人工智能也被稱作數(shù)據(jù)智能，在這個發(fā)展階段，神經(jīng)網(wǎng)絡(luò)的層數(shù)越多，神經(jīng)網(wǎng)絡(luò)越深，需要用于訓(xùn)練的數(shù)據(jù)量越大，“比如目前人臉識別做得好的是中青年人臉識別系統(tǒng)，因為年輕人坐車住酒店，采集的數(shù)據(jù)量大，小孩和老年人數(shù)據(jù)相對較少。”

但同時，只有數(shù)據(jù)是沒用的。對于深度學(xué)習(xí)來講，數(shù)據(jù)只有加上標(biāo)簽才有意義，才能用于機器的學(xué)習(xí)和進化。“標(biāo)注是一個必須的工作。”王金橋說。

王金橋介紹，從數(shù)據(jù)的收集、清洗、標(biāo)注到校驗都離不開人工。數(shù)據(jù)標(biāo)注最基本的就是畫框，比如檢測目標(biāo)是車，標(biāo)注員就需要把一張圖上的所有車都標(biāo)出來，畫框要完全卡住車的外接矩形，框得不準(zhǔn)確機器就可能“學(xué)壞”。再比如人的姿態(tài)識別，就包括18個關(guān)鍵點，經(jīng)過訓(xùn)練的標(biāo)注員才能掌握這些關(guān)鍵點的標(biāo)注，標(biāo)注完成的數(shù)據(jù)也才能符合機器學(xué)習(xí)的標(biāo)準(zhǔn)。

不同的數(shù)據(jù)類型對標(biāo)注員的要求也不一樣。除了一般較為簡單、可以通過培訓(xùn)掌握的標(biāo)注，還有一些需要專業(yè)背景的標(biāo)注，比如在醫(yī)療數(shù)據(jù)標(biāo)注中，標(biāo)注員需要做醫(yī)療圖像的分割，把腫瘤區(qū)域標(biāo)出來，類似工作就需要看得懂片子的醫(yī)生完成。再比如地方方言或外國文字，需要的也是掌握那門語言的標(biāo)注員。

人工標(biāo)注幫助AI快速落地

隨著人工智能的發(fā)展，數(shù)據(jù)的訓(xùn)練量非常大，數(shù)據(jù)標(biāo)注公司應(yīng)運而生，這些公司以網(wǎng)絡(luò)方式運作，一個平臺有產(chǎn)品經(jīng)理和項目經(jīng)理，接到一個任務(wù)就找人來做，大家通過網(wǎng)絡(luò)群組報名后，由產(chǎn)品經(jīng)理來培訓(xùn)，之后各自領(lǐng)取自己的任務(wù)，登錄賬號進行標(biāo)注，檢驗經(jīng)理校驗合格后就付錢，不合格則需要重新修正。

“目前已經(jīng)形成龐大的數(shù)據(jù)加工隊伍，僅北京就有一百多家專門從事數(shù)據(jù)標(biāo)注的公司，全國從事這項工作的人大概超過千萬，很多頭部的互聯(lián)網(wǎng)技術(shù)企業(yè)都有自己的數(shù)據(jù)標(biāo)注公司。”王金橋說，“這個階段數(shù)據(jù)對性能的貢獻是最大的，數(shù)據(jù)越多越豐富、代表性越強、模型效果越好，算法的健壯性和魯棒性就越強。目前情況是大部分AI公司都還沒有實現(xiàn)盈利，但標(biāo)注公司除外。”

據(jù)王金橋介紹，國外也是一樣，無人零售、無人駕駛等都需要大量的人力，基于用工成本的問題，除了隱私數(shù)據(jù)之外，他們會把標(biāo)注工作放在第三世界國家完成，馬來西亞、泰國、印度等國家都有數(shù)據(jù)標(biāo)注分公司。

常見的報道中，數(shù)據(jù)標(biāo)注總被描述為“血汗工廠”，這項工作和從業(yè)者被描述得廉價低質(zhì)，人被重復(fù)性機械式的勞動異化。在王金橋的解釋下，這一刻板印象也被逐漸打破。

他直言，目前這種大量的人工標(biāo)注是有價值的，因為理論上解決問題很難，但有了大量數(shù)據(jù)，設(shè)計深度學(xué)習(xí)網(wǎng)絡(luò)，可以在特定場景特定應(yīng)用中用數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而在很多場景中可以讓AI快速落地占領(lǐng)市場、驅(qū)動行業(yè)應(yīng)用、促進行業(yè)升級和迭代。

“比如在手機玻璃缺陷、高鐵軌道的缺陷、電網(wǎng)高壓線絕緣子損壞等檢測工作中，無人機拍攝畫面后，由人來檢測，隨著數(shù)據(jù)量增加，機器得到的訓(xùn)練越來越充分，機器慢慢可以自動檢測，類似工作可以很大程度上由機器代勞。”王金橋說，目前人工智能的智能性雖然比較弱，但在各行各業(yè)都會帶來改變，這是AI推動產(chǎn)業(yè)革命的機會。

數(shù)據(jù)標(biāo)注需求持續(xù)增加

“現(xiàn)在科研界研究的都是無監(jiān)督、小樣本的深度學(xué)習(xí)，通過三維合成數(shù)據(jù)，用虛實結(jié)合的數(shù)據(jù)生成方式來訓(xùn)練機器，盡量減少數(shù)據(jù)的采集和標(biāo)注，讓機器自主學(xué)習(xí)、自主進化。”王金橋說，但由于缺乏理論上的突破性技術(shù)，所以雖然技術(shù)增長速度很快，但整體水平還比較低，目前的深度學(xué)習(xí)還是依賴基于統(tǒng)計意義的大數(shù)據(jù)模型，這要求數(shù)據(jù)足夠多、足夠均衡、基本滿足真實世界的分布。

因此，標(biāo)注這項工作會一直存在。

但王金橋也表示，隨著無監(jiān)督、小樣本深度學(xué)習(xí)的進步，重復(fù)性標(biāo)注的工作量會越來越少。“機器的識別和人一樣，人經(jīng)過幾千年的進化，用語言用文字記錄和存儲幾千年的文明，所以看到桌子就知道是桌子，看到靈芝知道是靈芝。機器也需要不斷理解更多的內(nèi)容，有數(shù)據(jù)標(biāo)簽，它才能學(xué)習(xí)，才會有智能。數(shù)據(jù)的加工是一個長期存在的過程，由畫框到基礎(chǔ)詞匯，慢慢形成自己的知識圖譜，才能自我推理和思考。”

目前的數(shù)據(jù)標(biāo)注公司基本采取“計件付費”的模式，標(biāo)注員的待遇與任務(wù)量和難度直接相關(guān)，熟練工一天能標(biāo)幾千張圖片，月收入最高過萬。這項工作也有一定專業(yè)性，受過培訓(xùn)才知道怎么標(biāo)、標(biāo)得清楚，人也要認(rèn)真細(xì)心。“每天產(chǎn)生的數(shù)據(jù)量太大了，數(shù)據(jù)量持續(xù)增加，對標(biāo)注的需求也持續(xù)增加。”王金橋說。

據(jù)阿里巴巴集團副總裁、阿里巴巴人工智能實驗室總經(jīng)理陳麗娟介紹，貴州萬山僅僅是一個起點，未來項目的整體規(guī)劃將聚焦貧困地區(qū)，尋找更多更適合發(fā)展“AI標(biāo)注”產(chǎn)業(yè)的地區(qū)來落地。同時，也希望更多的人工智能企業(yè)加入，把AI標(biāo)注的訂單定向輸送給貧困地區(qū)，為貧困群眾提供更多就業(yè)機會。陳麗娟說。

延伸閱讀

AI數(shù)據(jù)服務(wù)發(fā)展新方向：細(xì)分化、多模態(tài)、專業(yè)化

數(shù)據(jù)表明，當(dāng)前AI發(fā)展出現(xiàn)了細(xì)分化、多模態(tài)以及專業(yè)化三大特征。相應(yīng)的，新變化對于AI數(shù)據(jù)服務(wù)行業(yè)也形成了一定的影響與方向指引。

當(dāng)前AI已經(jīng)進入技術(shù)落地階段，應(yīng)用場景涉及安防、金融、家居、交通等各大行業(yè)。而未來，在數(shù)據(jù)標(biāo)注行業(yè)，從業(yè)者也將隨著AI行業(yè)而一同進入細(xì)分市場追逐階段。

同時多模態(tài)也成為了AI技術(shù)發(fā)展的一個特征。所謂多模態(tài)，即是對多維時間、空間、環(huán)境數(shù)據(jù)的感知與融合。如當(dāng)前的自動駕駛需要雷達+攝像頭才能跑的更穩(wěn)，安防行業(yè)需要攝像頭+雷達紅外RFID才能感知得更精準(zhǔn)、更真實。而在數(shù)據(jù)服務(wù)產(chǎn)業(yè)，企業(yè)也需要適應(yīng)AI技術(shù)發(fā)展的多模態(tài)特征，掌握對多維傳感器融合的數(shù)據(jù)采集與標(biāo)注。

此外，盡管當(dāng)前AI技術(shù)已經(jīng)進入落地階段，但是頭部AI企業(yè)的落地場景相較傳統(tǒng)行業(yè)的AI落地場景，在技術(shù)上會更有前沿性。而這些企業(yè)的一些先進技術(shù)研究也很有可能成為未來數(shù)據(jù)服務(wù)行業(yè)的一大發(fā)展方向，所以數(shù)據(jù)服務(wù)企業(yè)也需要在這些前沿場景中不斷探索，才能在行業(yè)競爭中獲得長期發(fā)展。