隨著智能系統(tǒng)的普及，深度學習和人工智能的不斷崛起，讓科學界看到了一切事物智能化的可能性。人工智能技術正被用來處理各類復雜的事情，然而要完成機器的智能化訓練，需要依靠數(shù)量極為龐大的數(shù)據(jù)集。而這些數(shù)據(jù)在用于機器學習訓練之前，需要先進行明確的標注，機器只有通過學習大量已明確標注名稱的數(shù)據(jù)后，才能做到自主識別并進一步作決策。

數(shù)據(jù)標注：機器的“導師”

機器學習分為有監(jiān)督學習和無監(jiān)督學習。無監(jiān)督學習的效果常被用來做探索性的實驗，是不可控的。而在實際產(chǎn)品應用中，通常使用的是有監(jiān)督學習，即用有標注的數(shù)據(jù)來作為先驗經(jīng)驗。某種程度上講，帶有標注的大量數(shù)據(jù)，就是機器學習的指導老師，每一個標注的圖像數(shù)據(jù)將會影響到最終的算法結果。

數(shù)據(jù)標注有許多類型，如分類、畫框、注釋、標記等等。在進行數(shù)據(jù)標注之前，首先要對數(shù)據(jù)進行清洗，得到符合要求的數(shù)據(jù)。數(shù)據(jù)的清洗包括去除無效的數(shù)據(jù)、整理成規(guī)整的格式等等。常見的幾種數(shù)據(jù)標注類型有：分類標注、標框標注、區(qū)域標注、描點標注等，還有一些需要根據(jù)不同的需求進行不同的標注。

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，所需用來完成數(shù)據(jù)標注工作的勞動力也隨之高漲。很多知名的科技公司會雇傭大量人力來完成這樣細碎的任務，用以支撐機器學習。亞馬遜，蘋果，谷歌，微軟等等，他們要么擁有自己的勞務眾包平臺，例如亞馬遜勞務眾包平臺“Amazon MechanicalTurk”；要么使用第三方服務，例如AMT。

而在國內(nèi)，除了有百度旗下類似眾包模式的數(shù)據(jù)平臺-百度眾測，還存在著這樣一套分工流程：上游的科技巨頭把任務交給中游的數(shù)據(jù)標注公司，再由中游眾包給下游的小公司、小作坊，有的小作坊還會進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)標注師薪酬就低得驚人。

目前的數(shù)據(jù)標注工廠，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)標注工廠又被冠以“人工智能行業(yè)的富士康”。為了應對龐大的數(shù)據(jù)標注需求，標注員們必須加班加點盯著電腦屏幕，夜以繼日地重復枯燥的工作。這些人力為AI產(chǎn)業(yè)提供養(yǎng)料，這是AI金字塔的基礎，處于最底層。

北京和貴陽，便是數(shù)據(jù)標注世界里的兩座“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；而貴陽則著力發(fā)展“大數(shù)據(jù)戰(zhàn)略”，以更低廉的勞動力成本支撐起聚集在首都的人工智能底層數(shù)據(jù)需求。

一名沒有任何經(jīng)驗的標注員，半天的培訓即可開工，一兩個月之后可變成熟練工，一天就可以完成1500張－2000張圖片的標注。然后，這些數(shù)據(jù)會被應用到自動駕駛、AI安防、智能身份認證等人工智能應用領域。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)標注的質(zhì)量，而把控這些質(zhì)量的，是完全不懂AI技術的一群人。

谷歌AI協(xié)助數(shù)據(jù)標注，效率提高三倍

前一段時間，谷歌在其AI博客上介紹了一款基于AI和深度學習的圖像標注方式——“流體標注”，它使用機器學習來注釋類標簽并勾勒出圖片中的每個對象和背景區(qū)域�？勺鳛槿斯�標注者的有力輔助工具，谷歌聲稱它可以將標記數(shù)據(jù)集的速度提高三倍，有望緩解目前機器學習研究中，高質(zhì)量的訓練數(shù)據(jù)獲取難的瓶頸。

流體標注從預訓練的語義分割模型（Mask R-CNN）的輸出開始，該模型生成大約1,000個具有類別標簽和置信度分數(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工作者以進行標記。注釋器可以通過儀表板修改圖像，選擇要更正的內(nèi)容和順序，將現(xiàn)有細分的標簽與自動生成的短名單進行交換，添加細分以覆蓋缺失的對象，移除現(xiàn)有細分或更改重疊細分的深度順序。

“流體注釋是使圖像注釋更快更容易的第一個探索性步驟，”Google機器感知部門的高級研究科學家Jasper Uijlings和Vittorio Ferrari在博客文章中寫道�！霸谖磥淼墓ぷ髦�，我們的目標是改進對象邊界的注釋，通過包含更多的機器智能使界面更快，最后擴展界面來處理以前看不見的類，最需要高效的數(shù)據(jù)收集�！�

雖然這種方式尚未落實到具體工作之中，但仍是值得期待的一項技術。并且在國外，谷歌并不是唯一一個將AI應用于數(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)貼標機和機器學習算法的組合，為Lyft，通用汽車等客戶分類未標記的數(shù)據(jù)�？偛课挥谌鸬涞腗apillary  創(chuàng)建了一個街道級圖像數(shù)據(jù)庫，并使用計算機視覺技術分析這些圖像中包含的數(shù)據(jù)。

以人力助AI，實則本末倒置

“有多少人工智能，就有多少人工�！逼鋵嵾@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勞動力托起人工智能的局面，當國外開始著手于使用AI解放勞動力時，國內(nèi)的人工智能公司是否也應該將視線移至最初最源端的數(shù)據(jù)標注呢?

用人力堆砌起來的人工智能，永遠不能稱為真正的人工智能。