“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)技術企業(yè)都有自己的數(shù)據(jù)標注公司。”

目前人工智能落地場景不斷豐富，智能化應用正改變著我們的生活。而在AI產業(yè)高速發(fā)展的背后，數(shù)據(jù)標注師這個新職業(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算法能學習的數(shù)據(jù)，必須通過人力逐一標注，這些人力為AI產業(yè)提供養(yǎng)料，構建了AI金字塔的基礎。

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產業(yè)釋放出的大量就業(yè)機會，在貧困地區(qū)培訓相關職業(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)，她們可以受訓上崗，為AI機器學習進行數(shù)據(jù)的分類和標注工作，讓機器可以快速學習和認知文字、圖片、視頻等內容，成為一名“AI培育師”。

機器學習必需數(shù)據(jù)標注

AI數(shù)據(jù)標注員被稱作“人工智能背后的人工”。“數(shù)據(jù)是人工智能的血液。當下是大數(shù)據(jù)基礎上的人工智能，是數(shù)據(jù)智能的深度學習時代，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)絡的層數(shù)越多，神經(jīng)網(wǎng)絡越深，需要用于訓練的數(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。對于深度學習來講，數(shù)據(jù)只有加上標簽才有意義，才能用于機器的學習和進化。“標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、標注到校驗都離不開人工。數(shù)據(jù)標注最基本的就是畫框，比如檢測目標是車，標注員就需要把一張圖上的所有車都標出來，畫框要完全卡住車的外接矩形，框得不準確機器就可能“學壞”。再比如人的姿態(tài)識別，就包括18個關鍵點，經(jīng)過訓練的標注員才能掌握這些關鍵點的標注，標注完成的數(shù)據(jù)也才能符合機器學習的標準。

不同的數(shù)據(jù)類型對標注員的要求也不一樣。除了一般較為簡單、可以通過培訓掌握的標注，還有一些需要專業(yè)背景的標注，比如在醫(yī)療數(shù)據(jù)標注中，標注員需要做醫(yī)療圖像的分割，把腫瘤區(qū)域標出來，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注員。

人工標注幫助AI快速落地

隨著人工智能的發(fā)展，數(shù)據(jù)的訓練量非常大，數(shù)據(jù)標注公司應運而生，這些公司以網(wǎng)絡方式運作，一個平臺有產品經(jīng)理和項目經(jīng)理，接到一個任務就找人來做，大家通過網(wǎng)絡群組報名后，由產品經(jīng)理來培訓，之后各自領取自己的任務，登錄賬號進行標注，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)技術企業(yè)都有自己的數(shù)據(jù)標注公司。”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)標注分公司。

常見的報道中，數(shù)據(jù)標注總被描述為“血汗工廠”，這項工作和從業(yè)者被描述得廉價低質，人被重復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)，設計深度學習網(wǎng)絡，可以在特定場景特定應用中用數(shù)據(jù)訓練神經(jīng)網(wǎng)絡，從而在很多場景中可以讓AI快速落地占領市場、驅動行業(yè)應用、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推動產業(yè)革命的機會。

數(shù)據(jù)標注需求持續(xù)增加

“現(xiàn)在科研界研究的都是無監(jiān)督、小樣本的深度學習，通過三維合成數(shù)據(jù)，用虛實結合的數(shù)據(jù)生成方式來訓練機器，盡量減少數(shù)據(jù)的采集和標注，讓機器自主學習、自主進化。”王金橋說，但由于缺乏理論上的突破性技術，所以雖然技術增長速度很快，但整體水平還比較低，目前的深度學習還是依賴基于統(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、小樣本深度學習的進步，重復性標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容，有數(shù)據(jù)標簽，它才能學習，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)標注公司基本采取“計件付費”的模式，標注員的待遇與任務量和難度直接相關，熟練工一天能標幾千張圖片，月收入最高過萬。這項工作也有一定專業(yè)性，受過培訓才知道怎么標、標得清楚，人也要認真細心。“每天產生的數(shù)據(jù)量太大了，數(shù)據(jù)量持續(xù)增加，對標注的需求也持續(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標注”產業(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)服務發(fā)展新方向：細分化、多模態(tài)、專業(yè)化

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

當前AI已經(jīng)進入技術落地階段，應用場景涉及安防、金融、家居、交通等各大行業(yè)。而未來，在數(shù)據(jù)標注行業(yè)，從業(yè)者也將隨著AI行業(yè)而一同進入細分市場追逐階段。

同時多模態(tài)也成為了AI技術發(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、更真實。而在數(shù)據(jù)服務產業(yè)，企業(yè)也需要適應AI技術發(fā)展的多模態(tài)特征，掌握對多維傳感器融合的數(shù)據(jù)采集與標注。

此外，盡管當前AI技術已經(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，在技術上會更有前沿性。而這些企業(yè)的一些先進技術研究也很有可能成為未來數(shù)據(jù)服務行業(yè)的一大發(fā)展方向，所以數(shù)據(jù)服務企業(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。

責任編輯：ct