在AI大行其道的當(dāng)下，算法、算力與數(shù)據(jù)這驅(qū)動(dòng)AI崛起的三大因素，誰(shuí)將成為檢驗(yàn)其能否產(chǎn)業(yè)化的試金石？答案必然是數(shù)據(jù)。

眾所周知，深度學(xué)習(xí)作為當(dāng)前AI技術(shù)的研究前沿，其成功與否背后直接與產(chǎn)品落地直接掛鉤。從學(xué)術(shù)角度來(lái)講，深度學(xué)習(xí)的原理是將標(biāo)注的數(shù)據(jù)特征反向輸送給機(jī)器，以實(shí)現(xiàn)機(jī)器智能這一目標(biāo)。然巧婦難為無(wú)米之炊，沒(méi)有AI數(shù)據(jù)便無(wú)法應(yīng)用更復(fù)雜的模型，亦無(wú)法得出效果更優(yōu)的算法。

尤其隨著AI技術(shù)在行業(yè)內(nèi)的落地應(yīng)用，原有通用AI數(shù)據(jù)集很難對(duì)算法準(zhǔn)確率與魯棒性能力實(shí)現(xiàn)進(jìn)步一提升，因此破局之道全部寄希望在了場(chǎng)景化的高質(zhì)量AI數(shù)據(jù)之上。

數(shù)據(jù)難求?高質(zhì)量AI數(shù)據(jù)更可遇不可求

回歸本質(zhì)來(lái)看，以近年來(lái)炒得最熱的CV+AI為例，其不僅可實(shí)現(xiàn)人臉識(shí)別，也可應(yīng)用于養(yǎng)殖領(lǐng)域。而這套模式之所以能在其他領(lǐng)域跑通，原理在于技術(shù)本身是有共性的，差異取決于所訓(xùn)練的AI數(shù)據(jù)樣本。

在這其中算法僅是一小部分，核心依舊離不開(kāi)AI數(shù)據(jù)。誰(shuí)能夠擁有高質(zhì)量的還原落地場(chǎng)景的AI數(shù)據(jù)，誰(shuí)便能快人一步實(shí)現(xiàn)產(chǎn)業(yè)化落地。

因此對(duì)于人工智能企業(yè)來(lái)說(shuō)，優(yōu)質(zhì)AI數(shù)據(jù)的必要性毋庸置疑。企業(yè)深知AI數(shù)據(jù)的真正價(jià)值已不在數(shù)據(jù)本身之上，而在于背后所反映出的真實(shí)性與科學(xué)性。但數(shù)據(jù)難求，高質(zhì)量的AI數(shù)據(jù)更是可遇而不可求，也正是基于這樣一個(gè)背景，數(shù)據(jù)標(biāo)注行業(yè)開(kāi)始出現(xiàn)在視野中。

然目前來(lái)看，早期的數(shù)據(jù)標(biāo)注發(fā)展仿佛讓人們看到了十年前IT外包行業(yè)的縮影。層層眾包與轉(zhuǎn)包的服務(wù)模式，致使數(shù)據(jù)交付精度層次不齊、數(shù)據(jù)隱私無(wú)法保障等現(xiàn)象頻發(fā)，直接拉低了AI數(shù)據(jù)行業(yè)整體服務(wù)質(zhì)量。

此外，過(guò)于依賴人力的標(biāo)注方式，也讓各個(gè)環(huán)節(jié)暴露了大量弊端。如在語(yǔ)音轉(zhuǎn)寫(xiě)類標(biāo)注時(shí)，人類標(biāo)注員很難在長(zhǎng)時(shí)間下保持時(shí)刻專注。再比如機(jī)器視覺(jué)類項(xiàng)目中，一套項(xiàng)目至少涉及數(shù)以萬(wàn)計(jì)的圖片標(biāo)注工作，常會(huì)引發(fā)標(biāo)注任務(wù)不夠細(xì)化、缺乏定制化標(biāo)注能力等問(wèn)題。而此時(shí)若投入大量人力，則又會(huì)產(chǎn)生極大成本負(fù)荷，外加中間商等各項(xiàng)因素的影響，久而久之讓行業(yè)進(jìn)入了一個(gè)惡性循環(huán)當(dāng)中。

云測(cè)數(shù)據(jù)服務(wù)成果發(fā)布?引領(lǐng)數(shù)據(jù)標(biāo)注跨入高質(zhì)量時(shí)代

反觀整個(gè)數(shù)據(jù)標(biāo)注市場(chǎng)，雖有公開(kāi)數(shù)據(jù)集、標(biāo)注工具、以及半監(jiān)督學(xué)習(xí)一類技術(shù)的存在，但對(duì)于現(xiàn)階段AI產(chǎn)品面臨落地的產(chǎn)業(yè)環(huán)境，沒(méi)有高質(zhì)量還原場(chǎng)景的AI數(shù)據(jù)的支撐，想要產(chǎn)業(yè)落地?zé)o疑是空中樓閣。

正如行業(yè)流行的那句話所言——“前面有多少智能?后面就有多少人工”。因此如何將人類經(jīng)驗(yàn)與學(xué)習(xí)規(guī)則充分結(jié)合以獲取符合算法需求的高質(zhì)量標(biāo)注數(shù)據(jù)，如何制定標(biāo)準(zhǔn)審核流程和控制標(biāo)注質(zhì)檢成本等問(wèn)題，既是擋在AI產(chǎn)業(yè)化前方的攔路虎，也是擺在高質(zhì)量AI數(shù)據(jù)獲取面前的難題。

為解決行業(yè)存在的現(xiàn)實(shí)問(wèn)題，助力企業(yè)占領(lǐng)未來(lái)發(fā)展高地。在9月6日的北京服貿(mào)會(huì)上，Testin云測(cè)旗下AI數(shù)據(jù)服務(wù)品牌——云測(cè)數(shù)據(jù)的服務(wù)成果正式發(fā)布，并向外界展示了最高交付精準(zhǔn)度達(dá)99.99%這一傲人成果。

區(qū)別于傳統(tǒng)模式，云測(cè)數(shù)據(jù)以自建形式搭建了數(shù)據(jù)場(chǎng)景實(shí)驗(yàn)室與數(shù)據(jù)標(biāo)注基地來(lái)對(duì)相應(yīng)AI數(shù)據(jù)進(jìn)行生產(chǎn)。以標(biāo)準(zhǔn)化服務(wù)為抓手，在前期幫助客戶梳理更貼合實(shí)際情況的需求，試標(biāo)驗(yàn)收合格后開(kāi)始大規(guī)模作業(yè)。作業(yè)提交后，還有三層質(zhì)檢環(huán)節(jié)和抽檢環(huán)節(jié)來(lái)確保AI數(shù)據(jù)的高質(zhì)量輸出，并有項(xiàng)目經(jīng)理全程跟蹤數(shù)據(jù)交付的流程。通過(guò)這種服務(wù)模式來(lái)解決AI數(shù)據(jù)質(zhì)量參差不齊這一詬病。

再者，過(guò)往數(shù)據(jù)標(biāo)注人員常以單臺(tái)電腦部署軟件形式為主，這種工作模式基本毫無(wú)協(xié)同性可言，極大程度拖慢了人員效率與項(xiàng)目周期。而云測(cè)數(shù)據(jù)在AI數(shù)據(jù)生產(chǎn)中，設(shè)計(jì)了從創(chuàng)建任務(wù)、分配任務(wù)、標(biāo)注流轉(zhuǎn)、到質(zhì)檢/抽檢環(huán)節(jié)和最后的驗(yàn)收等更完善的管理流程，每個(gè)環(huán)節(jié)有相應(yīng)專業(yè)人員來(lái)把控?cái)?shù)據(jù)標(biāo)注的質(zhì)量和時(shí)間節(jié)點(diǎn)，進(jìn)行好上下游工作環(huán)節(jié)銜接，得以在保證質(zhì)量的前提現(xiàn)下將效率最大化。

另一方面，與多數(shù)開(kāi)源與在線標(biāo)注工具相比，后者存在著極高的部署門(mén)檻與學(xué)習(xí)成本，如不同版本間的不同編譯與配置部署、標(biāo)簽設(shè)置繁瑣、數(shù)據(jù)導(dǎo)出限制過(guò)多等問(wèn)題。這對(duì)于技術(shù)驅(qū)動(dòng)型的AI企業(yè)而言，將成為業(yè)務(wù)最致命的死穴。

而云測(cè)數(shù)據(jù)這套模式，全方位支持企業(yè)在文本、語(yǔ)音、圖像、視頻等各類AI數(shù)據(jù)處理需求，且已完成對(duì)智慧城市、智能家居、智能駕駛、智慧金融等不同行業(yè)的覆蓋。這種服務(wù)體驗(yàn)，將企業(yè)精力重新聚焦在業(yè)務(wù)自身之上，從長(zhǎng)遠(yuǎn)來(lái)看也更符合當(dāng)前降本增效的業(yè)務(wù)需求。

Testin云測(cè)總裁徐琨在采訪中指出：“為客戶降本增效，不斷為客戶創(chuàng)造價(jià)值，幫助客戶在這個(gè)充滿不確定性的時(shí)代，或保持優(yōu)勢(shì)，或突圍而出，依然是我們的初衷。”

此外，考慮到不同業(yè)務(wù)類型不同敏感級(jí)別的數(shù)據(jù)隱私需求，云測(cè)數(shù)據(jù)亦設(shè)置了一系列嚴(yán)格措施。其中一條核心原則就是數(shù)據(jù)絕不復(fù)用，當(dāng)AI數(shù)據(jù)合格交付后絕不留底。其二便是所有與云測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)采集的用戶都會(huì)簽訂數(shù)據(jù)授權(quán)協(xié)議，從來(lái)源上確保企業(yè)用于訓(xùn)練的AI數(shù)據(jù)合法合規(guī)。并通過(guò)內(nèi)部設(shè)定的數(shù)據(jù)隔離、質(zhì)量保障等一系列數(shù)據(jù)安全流程和技術(shù)，從多個(gè)維度破解潛在的數(shù)據(jù)泄露風(fēng)險(xiǎn)。

高質(zhì)量數(shù)據(jù)攻破AI行業(yè)天花板

復(fù)盤(pán)近年來(lái)AI發(fā)展，這個(gè)時(shí)代標(biāo)志性技術(shù)，已然從學(xué)術(shù)界逐步走進(jìn)了產(chǎn)業(yè)界中。雖然其催生出的大量新業(yè)態(tài)被看好，但真正能夠支撐落地的應(yīng)用仍屬鳳毛麟角。

如近幾年炒的異常火熱的無(wú)人駕駛，之所以很難脫離測(cè)試道路，原因便在于機(jī)器對(duì)復(fù)雜道路的理解不盡人意，而究其根源依舊是高質(zhì)量AI數(shù)據(jù)的稀缺。再如近期發(fā)表在《歐洲心臟雜志》上的一項(xiàng)AI看診新技術(shù)，之所以對(duì)其的描述仍為‘深度學(xué)習(xí)工具邁出的新一步’，問(wèn)題本質(zhì)仍出在精確度遠(yuǎn)未達(dá)到推廣到臨床環(huán)境中所需水平方面。

不可置否，高質(zhì)量AI數(shù)據(jù)已是AI能否實(shí)現(xiàn)產(chǎn)業(yè)化的關(guān)鍵。尤其在當(dāng)前5G商用落地加速以及“新基建”的雙重帶動(dòng)下，產(chǎn)業(yè)與經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整升級(jí)、新舊動(dòng)能穩(wěn)步轉(zhuǎn)換推進(jìn)已是大勢(shì)所趨。因此，云測(cè)數(shù)據(jù)最高交付精準(zhǔn)度達(dá)99.99%的這一成果，必將成為AI產(chǎn)業(yè)打破自身天花板的一個(gè)全新變量。

正如Testin云測(cè)總裁徐琨所說(shuō)：“效率的提升最終都是通過(guò)技術(shù)來(lái)實(shí)現(xiàn)的，新技術(shù)孕育著新機(jī)會(huì)。人工智能是劃時(shí)代的技術(shù)，我相信，在不久的未來(lái)，人工智能將成為像互聯(lián)網(wǎng)一樣的通用型技術(shù)，云測(cè)數(shù)據(jù)作為人工智能技術(shù)的AI數(shù)據(jù)服務(wù)提供商，將成為AI創(chuàng)新的土壤和支撐。”
責(zé)任編輯:pj