云測(cè)數(shù)據(jù)：離落地越近，AI 對(duì)數(shù)據(jù)就越挑剔

「你們的客戶有哪些?」「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,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?！副热缭谧詣?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?！沟磥?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)。

比如人臉識(shí)別,在 2015 年左右,許多的數(shù)據(jù)采集和數(shù)據(jù)標(biāo)注的小作坊開(kāi)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(kāi)源或是付費(fèi)的數(shù)據(jù)集開(kāi)始興起,與此同時(shí)數(shù)據(jù)標(biāo)注的眾包業(yè)務(wù)也在野蠻生長(zhǎng),據(jù)估計(jì)我國(guó)有數(shù)千個(gè)相關(guān)的企業(yè)或團(tuán)體,而從事數(shù)據(jù)標(biāo)注眾包的專(zhuān)職、兼職人員超過(guò)百萬(wàn)。

將識(shí)別準(zhǔn)確率從無(wú)提升到 95% 的過(guò)程中,這樣的數(shù)據(jù)是足夠用的,但實(shí)際落地中,將準(zhǔn)確率從 95% 提升到 99%,就顯得捉襟見(jiàn)肘了?！肝覀冃袠I(yè)里有一句話,『Garbage in , garbage out』,這是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的本質(zhì)決定的。」云測(cè)數(shù)據(jù)總經(jīng)理賈宇航說(shuō)。

在 iPhone 推出人臉認(rèn)證之后,許多安卓手機(jī)也跟進(jìn)這一功能,但人們卻發(fā)現(xiàn),有的手機(jī)無(wú)法識(shí)別照片和真實(shí)的人臉,打印出來(lái)的也能蒙混過(guò)關(guān)。而更進(jìn)一步的識(shí)別,需要機(jī)器對(duì)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(cè)的能力,甚至精細(xì)到對(duì)面部血管和極輕微抖動(dòng)的識(shí)別,來(lái)判斷識(shí)別對(duì)象是否有心跳等,這顯然是簡(jiǎn)單的數(shù)據(jù)獲取和標(biāo)注所難以滿足的。

「2015 年時(shí),數(shù)據(jù)的標(biāo)注需求很簡(jiǎn)單,可能客戶就說(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?！?/p>

工作人員正在講解人像標(biāo)注 | 圖片來(lái)源:云測(cè)數(shù)據(jù)

而數(shù)據(jù)標(biāo)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(guò)去幾年機(jī)器學(xué)習(xí)領(lǐng)域以「海量數(shù)據(jù)暴力計(jì)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(guó)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(wàn)小時(shí)的錄像中,有足夠拿來(lái)訓(xùn)練 AI 識(shí)別行人和車(chē)輛的內(nèi)容,但最需要安防攝像頭識(shí)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(wàn)小時(shí)的錄像中,這些是以分鐘為數(shù)量級(jí)的。顯然,這不足以訓(xùn)練出可以實(shí)際應(yīng)用的 AI,對(duì)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(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,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、光線還沒(méi)有什么要求?！官Z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。」

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,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?！副热玢y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?！官Z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。

「這也是深度神經(jīng)網(wǎng)絡(luò)的一個(gè)特點(diǎn),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(chǎng)景去采集數(shù)據(jù),才能提升識(shí)別精度?！乖?2018 年的年初,市場(chǎng)上任務(wù)需求一般是量大質(zhì)低,錢(qián)比較容易賺,而市場(chǎng)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(biāo)注電商平臺(tái)出現(xiàn),行業(yè)標(biāo)準(zhǔn)化和透明化成成都提高,進(jìn)一步加劇了行業(yè)的洗牌。

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,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?！肝覀儸F(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,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)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。