隨著智能系統(tǒng)的普及，深度學(xué)習(xí)和人工智能的不斷崛起，讓科學(xué)界看到了一切事物智能化的可能性。人工智能技術(shù)正被用來(lái)處理各類(lèi)復(fù)雜的事情，然而要完成機(jī)器的智能化訓(xùn)練，需要依靠數(shù)量極為龐大的數(shù)據(jù)集。而這些數(shù)據(jù)在用于機(jī)器學(xué)習(xí)訓(xùn)練之前，需要先進(jìn)行明確的標(biāo)注，機(jī)器只有通過(guò)學(xué)習(xí)大量已明確標(biāo)注名稱(chēng)的數(shù)據(jù)后，才能做到自主識(shí)別并進(jìn)一步作決策。

數(shù)據(jù)標(biāo)注：機(jī)器的“導(dǎo)師”

機(jī)器學(xué)習(xí)分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。無(wú)監(jiān)督學(xué)習(xí)的效果常被用來(lái)做探索性的實(shí)驗(yàn)，是不可控的。而在實(shí)際產(chǎn)品應(yīng)用中，通常使用的是有監(jiān)督學(xué)習(xí)，即用有標(biāo)注的數(shù)據(jù)來(lái)作為先驗(yàn)經(jīng)驗(yàn)。某種程度上講，帶有標(biāo)注的大量數(shù)據(jù)，就是機(jī)器學(xué)習(xí)的指導(dǎo)老師，每一個(gè)標(biāo)注的圖像數(shù)據(jù)將會(huì)影響到最終的算法結(jié)果。

數(shù)據(jù)標(biāo)注有許多類(lèi)型，如分類(lèi)、畫(huà)框、注釋、標(biāo)記等等。在進(jìn)行數(shù)據(jù)標(biāo)注之前，首先要對(duì)數(shù)據(jù)進(jìn)行清洗，得到符合要求的數(shù)據(jù)。數(shù)據(jù)的清洗包括去除無(wú)效的數(shù)據(jù)、整理成規(guī)整的格式等等。常見(jiàn)的幾種數(shù)據(jù)標(biāo)注類(lèi)型有：分類(lèi)標(biāo)注、標(biāo)框標(biāo)注、區(qū)域標(biāo)注、描點(diǎn)標(biāo)注等，還有一些需要根據(jù)不同的需求進(jìn)行不同的標(biāo)注。

有多少智能，就有多少人工

隨著數(shù)據(jù)的需求量日益猛增，所需用來(lái)完成數(shù)據(jù)標(biāo)注工作的勞動(dòng)力也隨之高漲。很多知名的科技公司會(huì)雇傭大量人力來(lái)完成這樣細(xì)碎的任務(wù)，用以支撐機(jī)器學(xué)習(xí)。亞馬遜，蘋(píng)果，谷歌，微軟等等，他們要么擁有自己的勞務(wù)眾包平臺(tái)，例如亞馬遜勞務(wù)眾包平臺(tái)“Amazon MechanicalTurk”；要么使用第三方服務(wù)，例如AMT。

而在國(guó)內(nèi)，除了有百度旗下類(lèi)似眾包模式的數(shù)據(jù)平臺(tái)-百度眾測(cè)，還存在著這樣一套分工流程：上游的科技巨頭把任務(wù)交給中游的數(shù)據(jù)標(biāo)注公司，再由中游眾包給下游的小公司、小作坊，有的小作坊還會(huì)進(jìn)一步眾包給兼職的自由人士。這條產(chǎn)業(yè)鏈上，隨著層層分包，最終落到最底層的數(shù)據(jù)標(biāo)注師薪酬就低得驚人。

目前的數(shù)據(jù)標(biāo)注工廠，多集中在河北、河南、山東、山西等傳統(tǒng)人力密集企業(yè)的選址偏好的地區(qū)。然而這些數(shù)據(jù)標(biāo)注工廠又被冠以“人工智能行業(yè)的富士康”。為了應(yīng)對(duì)龐大的數(shù)據(jù)標(biāo)注需求，標(biāo)注員們必須加班加點(diǎn)盯著電腦屏幕，夜以繼日地重復(fù)枯燥的工作。這些人力為AI產(chǎn)業(yè)提供養(yǎng)料，這是AI金字塔的基礎(chǔ)，處于最底層。

北京和貴陽(yáng)，便是數(shù)據(jù)標(biāo)注世界里的兩座“雙子星”城市。北京聚集著大量的人工智能公司，不斷地涌出數(shù)據(jù)需求；而貴陽(yáng)則著力發(fā)展“大數(shù)據(jù)戰(zhàn)略”，以更低廉的勞動(dòng)力成本支撐起聚集在首都的人工智能底層數(shù)據(jù)需求。

一名沒(méi)有任何經(jīng)驗(yàn)的標(biāo)注員，半天的培訓(xùn)即可開(kāi)工，一兩個(gè)月之后可變成熟練工，一天就可以完成1500張－2000張圖片的標(biāo)注。然后，這些數(shù)據(jù)會(huì)被應(yīng)用到自動(dòng)駕駛、AI安防、智能身份認(rèn)證等人工智能應(yīng)用領(lǐng)域。在某種程度上，這就意味著AI算法的優(yōu)化，取決于數(shù)據(jù)標(biāo)注的質(zhì)量，而把控這些質(zhì)量的，是完全不懂AI技術(shù)的一群人。

谷歌AI協(xié)助數(shù)據(jù)標(biāo)注，效率提高三倍

前一段時(shí)間，谷歌在其AI博客上介紹了一款基于AI和深度學(xué)習(xí)的圖像標(biāo)注方式——“流體標(biāo)注”，它使用機(jī)器學(xué)習(xí)來(lái)注釋類(lèi)標(biāo)簽并勾勒出圖片中的每個(gè)對(duì)象和背景區(qū)域�？勺鳛槿斯�標(biāo)注者的有力輔助工具，谷歌聲稱(chēng)它可以將標(biāo)記數(shù)據(jù)集的速度提高三倍，有望緩解目前機(jī)器學(xué)習(xí)研究中，高質(zhì)量的訓(xùn)練數(shù)據(jù)獲取難的瓶頸。

流體標(biāo)注從預(yù)訓(xùn)練的語(yǔ)義分割模型（Mask R-CNN）的輸出開(kāi)始，該模型生成大約1,000個(gè)具有類(lèi)別標(biāo)簽和置信度分?jǐn)?shù)的圖像片段，其中具有最高置信度的片段將被傳遞給人類(lèi)工作者以進(jìn)行標(biāo)記。注釋器可以通過(guò)儀表板修改圖像，選擇要更正的內(nèi)容和順序，將現(xiàn)有細(xì)分的標(biāo)簽與自動(dòng)生成的短名單進(jìn)行交換，添加細(xì)分以覆蓋缺失的對(duì)象，移除現(xiàn)有細(xì)分或更改重疊細(xì)分的深度順序。

“流體注釋是使圖像注釋更快更容易的第一個(gè)探索性步驟，”Google機(jī)器感知部門(mén)的高級(jí)研究科學(xué)家Jasper Uijlings和Vittorio Ferrari在博客文章中寫(xiě)道�！霸谖磥�(lái)的工作中，我們的目標(biāo)是改進(jìn)對(duì)象邊界的注釋?zhuān)�通過(guò)包含更多的機(jī)器智能使界面更快，最后擴(kuò)展界面來(lái)處理以前看不見(jiàn)的類(lèi)，最需要高效的數(shù)據(jù)收集�！�

雖然這種方式尚未落實(shí)到具體工作之中，但仍是值得期待的一項(xiàng)技術(shù)。并且在國(guó)外，谷歌并不是唯一一個(gè)將AI應(yīng)用于數(shù)據(jù)注釋的人。

舊金山創(chuàng)業(yè)公司Scale采用人工數(shù)據(jù)貼標(biāo)機(jī)和機(jī)器學(xué)習(xí)算法的組合，為L(zhǎng)yft，通用汽車(chē)等客戶分類(lèi)未標(biāo)記的數(shù)據(jù)。總部位于瑞典的Mapillary  創(chuàng)建了一個(gè)街道級(jí)圖像數(shù)據(jù)庫(kù)，并使用計(jì)算機(jī)視覺(jué)技術(shù)分析這些圖像中包含的數(shù)據(jù)。

以人力助AI，實(shí)則本末倒置

“有多少人工智能，就有多少人工�！逼鋵�(shí)這就是一種本末倒置，原本人工智能是為了方便人們生活，協(xié)助人們工作，提高工作效率，如今卻形成了憑借大量廉價(jià)勞動(dòng)力托起人工智能的局面，當(dāng)國(guó)外開(kāi)始著手于使用AI解放勞動(dòng)力時(shí)，國(guó)內(nèi)的人工智能公司是否也應(yīng)該將視線移至最初最源端的數(shù)據(jù)標(biāo)注呢?

用人力堆砌起來(lái)的人工智能，永遠(yuǎn)不能稱(chēng)為真正的人工智能。