93
“新基建”的哨聲吹響，想必大家已經(jīng)從各個渠道感受到了產(chǎn)業(yè)智能化的火熱。
這一次，AI 不再停留于“人工智能又碾壓人類了”的科幻劇情，而是化身為社會通用型技術(shù)，各種家居、汽車、商超、3C 產(chǎn)品等領(lǐng)域，都開始高頻出現(xiàn)帶有 AI 身影的宣傳。
其中，人工智能三要素——數(shù)據(jù)、算法、算力中，最基礎(chǔ)、最核心的部分——數(shù)據(jù)，自然也就成為烹飪產(chǎn)業(yè)智能化這道美味所必不可少的原材料，也愈加受到更多矚目。
如果我們將產(chǎn)業(yè)智能化的紅利，看做是等待切分的蛋糕。那么坐在電腦前對圖片或文字一點(diǎn)點(diǎn)打上標(biāo)簽的數(shù)據(jù)標(biāo)注師，可能就是在智能沃土上種植小麥的人。
這些處理好的食物，被算法工程師拿到后投喂給機(jī)器，教會它們認(rèn)識什么是貓，什么是狗，行人和紅綠燈的區(qū)別，“這幾天天天天氣不好”表達(dá)了什么意思……
聽起來，AI 數(shù)據(jù)的“種植”是不是挺簡單的。確實(shí)，在人工智能前期發(fā)展階段，AI 數(shù)據(jù)采集和標(biāo)注，也常常被看做一個“沒有壁壘”的事情，甚至稱之為新時(shí)代的血汗工廠。
但就如粗谷吃多了總會開始追逐健康、有機(jī)、精加工，AI 數(shù)據(jù)行業(yè)也早已在我們目之所及的地方，開啟了一次“制造升級”。
產(chǎn)業(yè)智能化的滋味，你和數(shù)據(jù)都想了解
雖然 AI 數(shù)據(jù)不是算法訓(xùn)練的唯一要素，但絕對是不可或缺的一部分。
一方面，AI 數(shù)據(jù)更豐富且廉價(jià)的領(lǐng)域，更容易誕生出 AI 的火苗。比如機(jī)器翻譯發(fā)展了數(shù)十年，積累了非常多的雙語對照語料，因此一遇機(jī)器學(xué)習(xí)便化龍，深度神經(jīng)網(wǎng)絡(luò)的引入很快讓翻譯系統(tǒng)的效果全面超越了以統(tǒng)計(jì)模型為基礎(chǔ)的 SMT（統(tǒng)計(jì)機(jī)器翻譯）。如今，NWT 神經(jīng)機(jī)器翻譯早已是智能語音產(chǎn)品的標(biāo)配了。
另外，AI 數(shù)據(jù)的質(zhì)量也決定了 AI 產(chǎn)品是否貼合使用場景，影響著用戶體驗(yàn)?zāi)酥廉a(chǎn)品生命周期。在挖掘人工智能產(chǎn)業(yè)化富礦的時(shí)候，對 AI 數(shù)據(jù)的重視，再怎么強(qiáng)調(diào)都不為過。
由此，也誕生出了專業(yè)的第三方 AI 數(shù)據(jù)產(chǎn)業(yè)鏈，來滿足高質(zhì)量、大規(guī)模的數(shù)據(jù)需求。
不過，當(dāng)人工智能高歌猛進(jìn)的時(shí)候，AI 數(shù)據(jù)產(chǎn)業(yè)的掣肘也接踵而至。
首先，傳統(tǒng)的爬蟲或眾包模式，數(shù)據(jù)采集的多而淺，難以滿足高性能、高精準(zhǔn)算法對數(shù)據(jù)的需求。舉個例子，在金融等場景中，銀行對人臉識別算法的精準(zhǔn)度要求可能是 99.99%，才能達(dá)到保護(hù)客戶財(cái)產(chǎn)安全、防范安全風(fēng)險(xiǎn)的級別，傳統(tǒng)的平面臉部數(shù)據(jù)顯然是不夠的，需要維度更加豐富、角度更加多樣的 3D 臉部圖像才能訓(xùn)練出所需的算法。
此外，機(jī)器學(xué)習(xí)的數(shù)據(jù)依賴，也增加了 AI 訓(xùn)練的直接成本。無論是采集或購買數(shù)據(jù)本身的支出，還是調(diào)用數(shù)據(jù)增強(qiáng)等技術(shù)來增加數(shù)據(jù)樣本，背后都是不小的成本。
至于 AI 學(xué)術(shù)界剛剛興起的膠囊網(wǎng)絡(luò)、少樣本甚至零樣本學(xué)習(xí)等，雖然能不必再為數(shù)據(jù)規(guī)模而掣肘，但目前都還在實(shí)驗(yàn)室階段，在產(chǎn)業(yè)落地上的成熟和穩(wěn)定性都不可預(yù)知，距離實(shí)用還有很遠(yuǎn)的距離。所以在當(dāng)下，以深度神經(jīng)網(wǎng)絡(luò)為核心的機(jī)器學(xué)習(xí)，依然是人工智能走向產(chǎn)業(yè)化的技術(shù)托舉。這也決定了對 AI 數(shù)據(jù)的饑渴，將在一段時(shí)間內(nèi)始終伴隨 AI 行業(yè)的發(fā)展。
從產(chǎn)業(yè)化與工程化的邏輯視角來看，今天企業(yè)想要打造出效果與口碑受到肯定的 AI 產(chǎn)品，可能購買的通用型“面粉”已經(jīng)不能滿足挑剔的用戶了，還得學(xué)會自己耕種數(shù)據(jù)的沃土。
夜來南風(fēng)起，小麥覆隴黃：AI 數(shù)據(jù)場景化的成熟時(shí)
?
新基建的風(fēng)潮一來，AI 數(shù)據(jù)產(chǎn)業(yè)也以超乎預(yù)期的速度在飛馳生長。
原因無他，數(shù)字技術(shù)與千行萬業(yè)的融合，是今天中國普遍展開的主基調(diào)，而數(shù)據(jù)更是遍灑在大地上的種子，等待完成一場智能的豐收。
那么，到底需要怎樣的種植邏輯，才能讓它們茁壯生長，有資格進(jìn)入生產(chǎn)車間，最后變成滋養(yǎng)社會智能的高營養(yǎng)食品呢？答案或許也隱藏在中國人的“耕種天賦”里：
第一，尊重規(guī)律的專業(yè)化。
我們知道，一些有實(shí)力的科技大廠如 BAT，往往都自建數(shù)據(jù)中心，來完成算法的精進(jìn)。而對于更廣大的企業(yè)來說，面對的是一片數(shù)據(jù)的洪潮，爆炸式創(chuàng)新也必然帶來爆發(fā)式增長的數(shù)據(jù)規(guī)模，有預(yù)測顯示，到 2025 年有 80%的計(jì)算來自于 AI 計(jì)算，涉及的數(shù)據(jù)也有 180ZB 之多，比現(xiàn)在增長了 4 倍。要在如此龐大且復(fù)雜的數(shù)據(jù)群落里，找出最適宜自家土壤的“種子”，顯然不是一件容易的事。
此前就有谷歌工程師在被問到眾包平臺 M-Turk（在公開平臺發(fā)布任務(wù)，參與者自由申領(lǐng)）的效果時(shí)，聲稱“回收的數(shù)據(jù)良莠不齊”。
用一句 AI 界的話來說，“garbage in，garbage out”，如果喂給算法垃圾食材，在無監(jiān)督學(xué)習(xí)的情況下，就很有可能發(fā)展出讓產(chǎn)品口碑崩盤的病灶。
比如此前市面上就出現(xiàn)過一款針對青少年的智能音箱，在對話時(shí)突然冒出了臟話。原來是訓(xùn)練時(shí)沒有對數(shù)據(jù)集做好清洗，導(dǎo)致不良數(shù)據(jù)混了進(jìn)去，讓 AI 化身“祖安人”，廠商不得不臨時(shí)全面停止調(diào)用，重新進(jìn)行大規(guī)模的內(nèi)部審查。
要是再一不小心用到了被限制的數(shù)據(jù)，比如歐盟 GDPR 通用數(shù)據(jù)保護(hù)條例的紅線，那不僅失去了當(dāng)年的收成不說，很可能還要搭上一大筆賠款。真是谷歌聽了沉默，F(xiàn)acebook 聽了流淚。
難以把控的數(shù)據(jù)質(zhì)量，很可能讓企業(yè)的心血直接變成秋風(fēng)中的寂寞。所以，更為專業(yè)的數(shù)據(jù)采集與標(biāo)注平臺，也就成為珍惜天時(shí)地利的 AI 企業(yè)者們所需要的伙伴。
第二，因地制宜的場景化。
在商業(yè) AI 數(shù)據(jù)平臺中，“基于 AI 落地場景”是一個相對較新的模式。
是開源數(shù)據(jù)集不香，還是通用數(shù)據(jù)不便宜呢？場景化數(shù)據(jù)開始流行，或許與 AI 計(jì)算產(chǎn)業(yè)接下來發(fā)展可能觸碰到的一個矛盾點(diǎn)有關(guān)，那就是競爭。
我們知道，目前 AI 已經(jīng)成為一種通用目的技術(shù) GPT，這也代表著它會以更廣泛地姿勢融入人類社會，在此基礎(chǔ)上生發(fā)出新產(chǎn)品新技術(shù)，甚至更新生產(chǎn)和組織方式。
既然是 GPT，就意味著泛 AI 算法不再稀缺，而是遍布在日常生活中的水和空氣。如何在 AI 產(chǎn)品上與同業(yè)者拉開競爭身位，從 AI 數(shù)據(jù)上重新奠定自己的核心優(yōu)勢，就成為科技企業(yè)們的必然選擇。
舉個例子，以前的商超門店大家都沒有智能化，如今則幾乎每家店都在嘗試引入零售智慧解決方案。這種情況下，一個零售商超的企業(yè)主，掌握了自己的獨(dú)家的場景化數(shù)據(jù)，也就能夠更精準(zhǔn)地認(rèn)識自己的經(jīng)營狀況。比如在此基礎(chǔ)上了解顧客面對貨架、在場內(nèi)走動的表情，能夠輔助判斷陳列方案以及個性化的營銷推送，進(jìn)一步提高轉(zhuǎn)化和復(fù)購。
這種更高級別的場景化數(shù)據(jù)，想要獲取并交付給算法端去使用，并不是一件簡單的事。
云測數(shù)據(jù)總經(jīng)理賈宇航舉了一個例子，比如在線上訂票這樣的對話場景中，會有許多種表達(dá)方式，“有去 XX 的航班嗎”“幫我查一下機(jī)票”……如何讓 AI 助理在不同的表達(dá)中都能明白對方的意圖，就需要 AI 數(shù)據(jù)服務(wù)企業(yè)與訂票平臺仔細(xì)地對接需求，并在標(biāo)注時(shí)往適當(dāng)?shù)姆较蛉?a class="article-link" target="_blank" href="/tag/%E6%8B%86%E8%A7%A3/">拆解和作業(yè)，這樣才能因地制宜，讓大量高質(zhì)量的數(shù)據(jù)轉(zhuǎn)化為垂直行業(yè)的智能養(yǎng)料。
一個有意思的數(shù)據(jù)是，盡管今天我們已經(jīng)聽到了太多 AI 的新聞，但 AI 與行業(yè)結(jié)合的整體滲透率只有 4%。在未來很長的一段時(shí)間內(nèi)，對于數(shù)據(jù)場景化的押注，值得重點(diǎn)關(guān)注。
第三，提升能效的工程化。
當(dāng)然，伴隨著數(shù)字經(jīng)濟(jì)進(jìn)入成熟期，二話不說就對 AI 一擲千金的情況已經(jīng)不存在了。企業(yè)在選擇數(shù)據(jù)模式時(shí)，勢必會考慮投入產(chǎn)出比。
那么場景化數(shù)據(jù)的重工重時(shí)，是否能夠讓產(chǎn)業(yè)智能化達(dá)到最大化回報(bào)呢？
答案是，不一定。場景化數(shù)據(jù)的成本并不低，“有多少人工，就有多少智能”在這里體現(xiàn)得淋漓盡致。曾經(jīng)有某 AI 算法平臺的工作人員告訴我，為了訓(xùn)練出一個精準(zhǔn)識別人體動作的模型，他們合作的 3D 建模數(shù)據(jù)方會聘請人員，在姿勢采集中心拍攝好 CV 數(shù)據(jù)，因?yàn)閿?shù)據(jù)量太大，只能放在硬盤里，靠工作人員不斷往返兩地，將數(shù)據(jù)送到實(shí)驗(yàn)室。
聽起來是不是一點(diǎn)也不“高科技”？
所以，工欲善其事必先利其器，隨著場景化 AI 數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，工程化能力的提升、效率工具的引入，才會讓場景數(shù)據(jù)的整體成本接近商業(yè)平衡點(diǎn)，降低 AI 企業(yè)的成本風(fēng)險(xiǎn)。
顯然，對于 AI 數(shù)據(jù)的場景化，既是產(chǎn)業(yè) AI 的必由之路，也密布著大量的冰層等待鑿穿。
穿透數(shù)據(jù)冰層：云測數(shù)據(jù)在產(chǎn)業(yè)端如何種植 AI
當(dāng)社會經(jīng)濟(jì)體與智能技術(shù)開始耦合，場景化數(shù)據(jù)的產(chǎn)業(yè)服務(wù)者也開始展露頭角。
目前來看，成立于 2011 年的 Testin 云測，旗下 AI 數(shù)據(jù)采集標(biāo)注品牌——云測數(shù)據(jù)已經(jīng)成為了中國市場 AI 數(shù)據(jù)場景化的首選。
在 AI 數(shù)據(jù)的土壤上遍布的冰層，是如何被云測數(shù)據(jù)一一鏟除的？
1. 手把鋤犁的硬件。
場景化數(shù)據(jù)的采集與標(biāo)注，有不少硬骨頭。比如 NLP、CV（計(jì)算機(jī)視覺）等，既需要標(biāo)注者精準(zhǔn)理解相關(guān)語義，又要結(jié)合具體的產(chǎn)業(yè)需求進(jìn)行標(biāo)注。
為了保證 AI 數(shù)據(jù)的高質(zhì)量交付，云測數(shù)據(jù)在華東、華北、華南設(shè)有數(shù)據(jù)標(biāo)注基地和數(shù)據(jù)采集場景實(shí)驗(yàn)室，用來保障 AI 數(shù)據(jù)的專業(yè)化、場景化與精細(xì)化。
賈宇航（云測數(shù)據(jù)總經(jīng)理）給我們舉了一個例子，為了幫助疲勞檢測系統(tǒng)精準(zhǔn)判斷駕駛員的狀態(tài)，疲勞狀態(tài)的數(shù)據(jù)是必不可少的。因此，云測數(shù)據(jù)會還原駕駛場景中的疲勞駕駛狀態(tài)，來幫助采集到貼合真實(shí)場景的疲勞數(shù)據(jù)。讓訓(xùn)練算法模型能夠精準(zhǔn)識別并及時(shí)預(yù)警，來保護(hù)人員的行車安全。
除此之外，為了提升 AI 數(shù)據(jù)的標(biāo)注能效，云測數(shù)據(jù)還開發(fā)了不少工程化工具，不斷提升數(shù)據(jù)標(biāo)注工具的技術(shù)含量。
比如云測數(shù)據(jù)自研的數(shù)據(jù)標(biāo)注平臺上，就對 3D 點(diǎn)云的標(biāo)注系統(tǒng)優(yōu)化了渲染引擎，可以融合多幀點(diǎn)云數(shù)據(jù)和異維數(shù)據(jù)，讓數(shù)據(jù)視圖一目了然，保證整個過程的流暢和快捷，從而減輕標(biāo)注員的重復(fù)勞動壓力。
2. 潤物無聲的軟件。
在 AI 的世界里，我們總是在強(qiáng)調(diào)硬件——更大的算力，更好的數(shù)據(jù)，更優(yōu)的算法。是不是擁有這些就意味一切呢？事實(shí)顯然并非如此，否則 Deepmind 早就是商業(yè)化最成功的 AI 公司。
從技術(shù)概念到產(chǎn)業(yè)落地之間的管理邏輯，就如同產(chǎn)業(yè)之上的春雨，“隨風(fēng)潛入夜，?潤物細(xì)無聲”。
我們都知道“好雨知時(shí)節(jié)”，“好”在哪里？
好在適時(shí)而下。比如 Testin 云測在企業(yè)服務(wù)領(lǐng)域積累了近 9 年的經(jīng)驗(yàn)，其管理模式也讓數(shù)據(jù)采集與標(biāo)注不再是枯燥的流水線作業(yè)，十分注重對標(biāo)注人員的培養(yǎng)，以應(yīng)對越來越高標(biāo)準(zhǔn)的數(shù)據(jù)要求。
例如，云測數(shù)據(jù)會專門招聘一些法律、金融等垂直領(lǐng)域的相關(guān)人員，對標(biāo)注人員進(jìn)行專業(yè)知識的培訓(xùn)，使其能夠從產(chǎn)業(yè)端的視角去揣測語料中的具體意圖，進(jìn)而對數(shù)據(jù)進(jìn)行更加細(xì)致的標(biāo)注，以滿足客戶的精度訴求。
此外，在管理流程上，云測數(shù)據(jù)也做到了任務(wù)的合理派發(fā)，不同類型數(shù)據(jù)的人員不混用、多層交叉質(zhì)檢等等。
正是這樣的“軟實(shí)力”，不僅鑄造了云測數(shù)據(jù)的能力優(yōu)勢，也拉高了整個行業(yè)的人員素質(zhì)和業(yè)務(wù)標(biāo)準(zhǔn)，轉(zhuǎn)化為滋養(yǎng)整個 AI 產(chǎn)業(yè)的雨水。
3. 捍衛(wèi)底線的信念。
如果你聽說過三聚氰胺、地溝油之類的食品安全事件，那么 AI 領(lǐng)域一旦出現(xiàn)數(shù)據(jù)安全問題，損害的可能就是數(shù)萬人的財(cái)產(chǎn)和人身安全。
舉個例子，不少數(shù)據(jù)都是企業(yè)的最高級機(jī)密，如果不慎從第三方平臺手中流出，不僅可能讓企業(yè)聲譽(yù)掃地，還可能成為競爭對手的利劍，造成搬起石頭砸自己腳的局面。
目前來看，AI 數(shù)據(jù)行業(yè)還沒有形成統(tǒng)一的安全保障規(guī)范和標(biāo)準(zhǔn)，所以，企業(yè)的自我意識、技術(shù)措施就顯得尤為重要。
就云測數(shù)據(jù)而言，就設(shè)置了一系列安全保障機(jī)制，比如對于客戶的定制數(shù)據(jù)在交付后絕不留底、絕不復(fù)用，徹底清刪杜絕了泄露隱患；
另外，在數(shù)據(jù)采集時(shí)也會與被采集方簽訂數(shù)據(jù)授權(quán)協(xié)議，讓 AI 企業(yè)拿到的數(shù)據(jù)都合規(guī)合法，沒有侵犯隱私風(fēng)險(xiǎn)的后顧之憂。
防火墻設(shè)置、內(nèi)部信息系統(tǒng)、終端不聯(lián)網(wǎng)、USB 接口封死等機(jī)制，也從源頭保護(hù)了客戶的數(shù)據(jù)安全。
賈宇航（云測數(shù)據(jù)總經(jīng)理）也曾多次公開表示，無論是 AI 公司還是數(shù)據(jù)服務(wù)公司，眼光都要長遠(yuǎn)一些，采用未經(jīng)授權(quán)的數(shù)據(jù)當(dāng)然可以控制成本，野蠻發(fā)展終究會造成不良后果。
云測數(shù)據(jù)的業(yè)務(wù)場景覆蓋了智能駕駛、智慧城市、智能家居、智慧金融、新零售等多個領(lǐng)域，無不是對數(shù)據(jù)安全要求奇高的領(lǐng)域。作為 AI 數(shù)據(jù)服務(wù)的頭部企業(yè)，云測數(shù)據(jù)的安全探索，可以看做是在安全合規(guī)層面對整個行業(yè)交上的參考答案。
對于數(shù)據(jù)安全底線的捍衛(wèi)，也是這個新興產(chǎn)業(yè)的生命線。
?
從云測數(shù)據(jù)的耕耘之中，不難發(fā)現(xiàn)，解鎖 AI 數(shù)據(jù)的每一步縱然充滿難題，但也是形成產(chǎn)業(yè)壁壘的關(guān)鍵過程。
像云測數(shù)據(jù)這樣持續(xù)為 AI 訓(xùn)練注入安全高質(zhì)的數(shù)據(jù)“養(yǎng)料”，這些都將轉(zhuǎn)化為產(chǎn)業(yè)的優(yōu)勢積累，并撬動智能時(shí)代的無限可能。
對數(shù)據(jù)沃土的耕種，才能讓我們在 AI 風(fēng)起時(shí)，得見一片片豐收的麥浪。
