（原標(biāo)題：數(shù)據(jù)標(biāo)注師人工智能背后的人工力量）
“目前我國(guó)已有龐大的數(shù)據(jù)加工隊(duì)伍，僅北京就有一百多家專門(mén)從事數(shù)據(jù)標(biāo)注的公司，全國(guó)從事這項(xiàng)工作的人大概超過(guò)千萬(wàn)，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(chǎng)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(gè)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(guò)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(huì)、阿里巴巴人工智能實(shí)驗(yàn)室聯(lián)合中國(guó)婦女發(fā)展基金會(huì)在貴州銅仁萬(wàn)山區(qū)啟動(dòng)了“AI豆計(jì)劃”，這是該計(jì)劃在全國(guó)啟動(dòng)的第一個(gè)試點(diǎn)地區(qū)。作為一種“AI+扶貧”的公益新模式，計(jì)劃旨在通過(guò)AI產(chǎn)業(yè)釋放出的大量就業(yè)機(jī)會(huì)，在貧困地區(qū)培訓(xùn)相關(guān)職業(yè)人才、孵化社會(huì)企業(yè)，讓貧困群眾實(shí)現(xiàn)在家門(mén)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(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)的分類和標(biāo)注工作，讓機(jī)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(jī)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(shí)代，可以說(shuō)誰(shuí)掌握了數(shù)據(jù)，誰(shuí)就有可能做好。”中科院自動(dòng)化所研究員、視語(yǔ)科技創(chuàng)始人王金橋告訴科技日?qǐng)?bào)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(gè)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(shí)別做得好的是中青年人臉識(shí)別系統(tǒng)，因?yàn)槟贻p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(duì)較少。”
但同時(shí)，只有數(shù)據(jù)是沒(méi)用的。對(duì)于深度學(xué)習(xí)來(lái)講，數(shù)據(jù)只有加上標(biāo)簽才有意義，才能用于機(jī)器的學(xué)習(xí)和進(jìn)化。“標(biāo)注是一個(gè)必須的工作。”王金橋說(shuō)。
王金橋介紹，從數(shù)據(jù)的收集、清洗、標(biāo)注到校驗(yàn)都離不開(kāi)人工。數(shù)據(jù)標(biāo)注最基本的就是畫(huà)框，比如檢測(cè)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(lái)，畫(huà)框要完全卡住車的外接矩形，框得不準(zhǔn)確機(jī)器就可能“學(xué)壞”。再比如人的姿態(tài)識(shí)別，就包括18個(gè)關(guān)鍵點(diǎn)，經(jīng)過(guò)訓(xùn)練的標(biāo)注員才能掌握這些關(guān)鍵點(diǎn)的標(biāo)注，標(biāo)注完成的數(shù)據(jù)也才能符合機(jī)器學(xué)習(xí)的標(biāo)準(zhǔn)。
不同的數(shù)據(jù)類型對(duì)標(biāo)注員的要求也不一樣。除了一般較為簡(jiǎn)單、可以通過(guò)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(lái)，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(guó)文字，需要的也是掌握那門(mén)語(yǔ)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(yùn)而生，這些公司以網(wǎng)絡(luò)方式運(yùn)作，一個(gè)平臺(tái)有產(chǎn)品經(jīng)理和項(xiàng)目經(jīng)理，接到一個(gè)任務(wù)就找人來(lái)做，大家通過(guò)網(wǎng)絡(luò)群組報(bào)名后，由產(chǎn)品經(jīng)理來(lái)培訓(xùn)，之后各自領(lǐng)取自己的任務(wù)，登錄賬號(hào)進(jìn)行標(biāo)注，檢驗(yàn)經(jīng)理校驗(yàn)合格后就付錢(qián)，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(duì)伍，僅北京就有一百多家專門(mén)從事數(shù)據(jù)標(biāo)注的公司，全國(guó)從事這項(xiàng)工作的人大概超過(guò)千萬(wàn)，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(shuō)，“這個(gè)階段數(shù)據(jù)對(duì)性能的貢獻(xiàn)是最大的，數(shù)據(jù)越多越豐富、代表性越強(qiáng)、模型效果越好，算法的健壯性和魯棒性就越強(qiáng)。目前情況是大部分AI公司都還沒(méi)有實(shí)現(xiàn)盈利，但標(biāo)注公司除外。”
據(jù)王金橋介紹，國(guó)外也是一樣，無(wú)人零售、無(wú)人駕駛等都需要大量的人力，基于用工成本的問(wèn)題，除了隱私數(shù)據(jù)之外，他們會(huì)把標(biāo)注工作放在第三世界國(guó)家完成，馬來(lái)西亞、泰國(guó)、印度等國(guó)家都有數(shù)據(jù)標(biāo)注分公司。
常見(jiàn)的報(bào)道中，數(shù)據(jù)標(biāo)注總被描述為“血汗工廠”，這項(xiàng)工作和從業(yè)者被描述得廉價(jià)低質(zhì)，人被重復(fù)性機(jī)械式的勞動(dòng)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(jià)值的，因?yàn)槔碚撋辖鉀Q問(wèn)題很難，但有了大量數(shù)據(jù)，設(shè)計(jì)深度學(xué)習(xí)網(wǎng)絡(luò)，可以在特定場(chǎng)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(chǎng)景中可以讓AI快速落地占領(lǐng)市場(chǎng)、驅(qū)動(dòng)行業(yè)應(yīng)用、促進(jìn)行業(yè)升級(jí)和迭代。
“比如在手機(jī)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(cè)工作中，無(wú)人機(jī)拍攝畫(huà)面后，由人來(lái)檢測(cè)，隨著數(shù)據(jù)量增加，機(jī)器得到的訓(xùn)練越來(lái)越充分，機(jī)器慢慢可以自動(dòng)檢測(cè)，類似工作可以很大程度上由機(jī)器代勞。”王金橋說(shuō)，目前人工智能的智能性雖然比較弱，但在各行各業(yè)都會(huì)帶來(lái)改變，這是AI推動(dòng)產(chǎn)業(yè)革命的機(jī)會(huì)。
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(wú)監(jiān)督、小樣本的深度學(xué)習(xí)，通過(guò)三維合成數(shù)據(jù)，用虛實(shí)結(jié)合的數(shù)據(jù)生成方式來(lái)訓(xùn)練機(jī)器，盡量減少數(shù)據(jù)的采集和標(biāo)注，讓機(jī)器自主學(xué)習(xí)、自主進(jìn)化。”王金橋說(shuō)，但由于缺乏理論上的突破性技術(shù)，所以雖然技術(shù)增長(zhǎng)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(jì)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(shí)世界的分布。
因此，標(biāo)注這項(xiàng)工作會(huì)一直存在。
但王金橋也表示，隨著無(wú)監(jiān)督、小樣本深度學(xué)習(xí)的進(jìn)步，重復(fù)性標(biāo)注的工作量會(huì)越來(lái)越少。“機(jī)器的識(shí)別和人一樣，人經(jīng)過(guò)幾千年的進(jìn)化，用語(yǔ)言用文字記錄和存儲(chǔ)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(jī)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(huì)有智能。數(shù)據(jù)的加工是一個(gè)長(zhǎng)期存在的過(guò)程，由畫(huà)框到基礎(chǔ)詞匯，慢慢形成自己的知識(shí)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(jì)件付費(fèi)”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(guò)萬(wàn)。這項(xiàng)工作也有一定專業(yè)性，受過(guò)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(duì)標(biāo)注的需求也持續(xù)增加。”王金橋說(shuō)。
據(jù)阿里巴巴集團(tuán)副總裁、阿里巴巴人工智能實(shí)驗(yàn)室總經(jīng)理陳麗娟介紹，貴州萬(wàn)山僅僅是一個(gè)起點(diǎn)，未來(lái)項(xiàng)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(lái)落地。同時(shí)，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(jī)會(huì)。陳麗娟說(shuō)。