人工智能的深度學(xué)習(xí)算法建立在大數(shù)據(jù)的基礎(chǔ)上

做人工智能的都是靠腦力勞動(dòng)的高級(jí)程序員嗎？

真相并不是這樣的。

目前人工智能的深度學(xué)習(xí)算法是建立在大數(shù)據(jù)的基礎(chǔ)上的，人工智能在工作過程中首先要對(duì)大數(shù)據(jù)進(jìn)行挖掘，然后再利用大數(shù)據(jù)訓(xùn)練人工智能模型。

對(duì)于圖片數(shù)據(jù)來說，這一工作說起來好像很簡(jiǎn)單，但實(shí)際上整個(gè)工作過程并不智能，這背后隱藏著一個(gè)賺錢十分辛苦而且工作內(nèi)容非?？菰锏膭趧?dòng)密集型的產(chǎn)業(yè)。

人工智能女神李飛飛開創(chuàng)“數(shù)據(jù)標(biāo)注”產(chǎn)業(yè)

2005年，當(dāng)時(shí)還沒有出名的李飛飛進(jìn)入了斯坦福大學(xué)人工智能實(shí)驗(yàn)室，選擇了當(dāng)時(shí)還很冷門的研究方向——計(jì)算機(jī)視覺圖像識(shí)別。

計(jì)算機(jī)視覺圖象識(shí)別，主要目的讓計(jì)算機(jī)讀懂圖像——對(duì)計(jì)算機(jī)來說，每一張圖片都是3個(gè)矩陣按照不同權(quán)重疊加的結(jié)果，這3個(gè)數(shù)學(xué)上的矩陣被稱為RGB顏色矩陣。

對(duì)于自動(dòng)駕駛來說，計(jì)算機(jī)要從這三個(gè)矩陣中找出紅綠燈與斑馬線的位置，難度其實(shí)是很高的。對(duì)于人工智能安防監(jiān)控來說，也是一樣的道理，基礎(chǔ)的人臉識(shí)別需要用到很復(fù)雜的算法。

這些事情看起來十分困難。因?yàn)橐層?jì)算機(jī)識(shí)別“斑馬線”、“紅綠燈”、“人臉”其實(shí)就好像我們要訓(xùn)練一只小狗，讓它過馬路的時(shí)候要走斑馬線，要看得懂紅綠燈標(biāo)志，要記得住路上行人的相貌一樣。但實(shí)際上小狗的智商遠(yuǎn)比計(jì)算機(jī)要高得多，因此訓(xùn)練計(jì)算機(jī)做機(jī)器視覺遠(yuǎn)比訓(xùn)練小狗來得困難。

在2005年，計(jì)算機(jī)可識(shí)別的物體非常稀少。李飛飛與她的研究團(tuán)隊(duì)從互聯(lián)網(wǎng)上下載了近10億張圖片，然后試圖對(duì)這些圖片進(jìn)行分類、打上標(biāo)簽，為計(jì)算機(jī)提供學(xué)習(xí)用的“題庫”。這個(gè)“題庫”后來發(fā)展為著名的ImageNet。

那么，怎么樣才可以把10億張圖片分類打上標(biāo)簽?zāi)?？以一個(gè)人每天可以分類1000張圖片來計(jì)算工作量，10億張圖片需要一個(gè)人干上100萬天，也就是2740年。這是一個(gè)巨大的工作量。李飛飛曾想過雇用大學(xué)生來完成這個(gè)工作，預(yù)計(jì)支付給每人10美元一小時(shí)的工資來做人工歸類，但用她能找到的大學(xué)生來人工完成這個(gè)項(xiàng)目需要90年的時(shí)間，而且開支是一個(gè)天文數(shù)字。所以，最后李飛飛只能去找更便宜更快速的方法。

后來，李飛飛找到了一種更快速的方式，這就是亞馬遜的眾包平臺(tái)。通過眾包平臺(tái)，李飛飛在網(wǎng)上雇傭到了5萬人，請(qǐng)他們?yōu)檫@10億張圖片分類、打標(biāo)簽。

到2009年，李飛飛主導(dǎo)的ImageNet數(shù)據(jù)庫就包含了1500萬張已經(jīng)標(biāo)注好的照片，這是一筆非?？少F的數(shù)據(jù)財(cái)富。李飛飛把這個(gè)圖片數(shù)據(jù)庫免費(fèi)開放使用，極大地造福了全球所有致力于計(jì)算機(jī)視覺識(shí)別的研究團(tuán)隊(duì)。

李飛飛所開創(chuàng)的這個(gè)行業(yè)，后來在人工智能領(lǐng)域被稱為“數(shù)據(jù)標(biāo)注”。目前，這一行業(yè)已經(jīng)在中國(guó)形成了一個(gè)勞動(dòng)密集型產(chǎn)業(yè)。

數(shù)據(jù)標(biāo)注產(chǎn)業(yè)是人工智能的“富士康”

在人工智能的光環(huán)背后，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)其實(shí)由一個(gè)個(gè)類似于“富士康”的勞動(dòng)密集型工廠組成的。

在這些工廠里往往布滿了一排排的電腦，這些電腦屏幕上是各個(gè)被放大的物體圖像的細(xì)節(jié)，還有一個(gè)一個(gè)標(biāo)注框。數(shù)據(jù)標(biāo)注員的工作內(nèi)容包括拉框標(biāo)點(diǎn)，打標(biāo)簽，分割，批注等等。

其中對(duì)圖片最常見的分類就是打標(biāo)簽，比如有一種打標(biāo)簽的方法是描點(diǎn)標(biāo)注，一般用于細(xì)致的人臉標(biāo)注：這需要在人臉的眉毛、眼睛、鼻子、嘴巴等關(guān)鍵部位做二十多個(gè)標(biāo)記點(diǎn)——這個(gè)過程很像微軟的KINECT的骨架圖，也類似于數(shù)學(xué)上的“三角剖分”。

硅谷動(dòng)力君在網(wǎng)上查閱了做數(shù)據(jù)標(biāo)注的公司——“北京博雅海圖數(shù)據(jù)服務(wù)有限公司”。該公司是這樣介紹自己的：博雅數(shù)據(jù)相繼成立以“博雅上海”、“博雅北京”、“博雅溫哥華”三家子公司，同時(shí)又在衡水、濟(jì)南、武漢、西安等城市建立了自己的數(shù)據(jù)加工中心，目前是國(guó)內(nèi)生產(chǎn)規(guī)模較大的數(shù)據(jù)錄入服務(wù)企業(yè)，現(xiàn)全職錄入員超過200人，博雅的管理人員，均從事錄入行業(yè)五年以上，具有良好的敬業(yè)精神和團(tuán)隊(duì)精神。

從“博雅海圖數(shù)據(jù)服務(wù)”的相關(guān)介紹來看，該公司在河北、山東、山西與湖北建立了自己的數(shù)據(jù)加工中心，這些數(shù)據(jù)加工中心有一部分業(yè)務(wù)就是為人工智能企業(yè)提供“數(shù)據(jù)標(biāo)注”服務(wù)。

另據(jù)報(bào)道，翊澳數(shù)據(jù)也是一家類似的數(shù)據(jù)標(biāo)注公司，其在河南的十幾個(gè)縣市里建立了類似的數(shù)據(jù)標(biāo)注工廠。為什么要在河南的縣城建立這樣的工廠呢？原來“下面這些地方場(chǎng)地租金更便宜，員工工資也低，更省成本?！彼?，這也讓這些工廠看起來像“富士康”，服務(wù)于“高科技”，但實(shí)際上卻是“勞動(dòng)密集型產(chǎn)業(yè)”。

因?yàn)閿?shù)據(jù)標(biāo)注其實(shí)沒有什么技術(shù)難度，只要有會(huì)用電腦的初中生就可以勝任這樣的工作。整個(gè)工作流程也相對(duì)單一，只需要把圖片中的事物識(shí)別出來，然后在圖片上標(biāo)記出來就可以了。但這個(gè)工作需要一個(gè)工人每天處理上千張圖片，工作內(nèi)容相對(duì)單一，眼睛也十分疲憊。所以，很多人因?yàn)槿淌懿涣巳绱烁邚?qiáng)度的視力勞動(dòng)，選擇了跳槽。但也有很多工人堅(jiān)持了下來，雖然他們不一定懂得他們處理的這些圖片是怎么用到人工智能行業(yè)的，但毫無疑問的是，這些工人是人工智能產(chǎn)業(yè)鏈上“沉默的大多數(shù)”，他們給人工智能行業(yè)提供了源源不斷的原材料。

數(shù)據(jù)標(biāo)注眾包模式正在造就一個(gè)新產(chǎn)業(yè)

數(shù)據(jù)標(biāo)注眾包模式最早出現(xiàn)在美國(guó)，前面說過的人工智能女神李飛飛就是在2005年亞馬遜剛推出勞務(wù)眾包平臺(tái)（Amazon Mechanical Turk）找到那批數(shù)據(jù)標(biāo)注員的。

截至2017年底，亞馬遜的數(shù)據(jù)勞務(wù)眾包平臺(tái)注冊(cè)用戶量已經(jīng)累計(jì)超過50萬，這其實(shí)類似于美團(tuán)把很多送外賣的快遞小哥連接在了一起，亞馬遜的數(shù)據(jù)勞務(wù)眾包平臺(tái)也把眾多的數(shù)據(jù)標(biāo)注員連接在了一起。

目前在中國(guó)，還沒有出現(xiàn)面向個(gè)人的眾包數(shù)據(jù)標(biāo)注平臺(tái)，但已經(jīng)出現(xiàn)了一批做數(shù)據(jù)標(biāo)注的企業(yè)，這些企業(yè)相對(duì)于個(gè)人來說更加專業(yè)，工作效率更高，服務(wù)質(zhì)量更有保障，所以得到了很多人工智能企業(yè)的好評(píng)。因?yàn)楹芏嗳斯ぶ悄芷髽I(yè)本身位于一二線大城市，很難承擔(dān)這種勞動(dòng)密集型工作的人員工資，于是把數(shù)據(jù)標(biāo)注這部分工作外包給數(shù)據(jù)標(biāo)注企業(yè)，可以節(jié)省很多用工成本。

因此，有人高幄建瓴地總結(jié)這個(gè)產(chǎn)業(yè)：沒有“人工”就沒有“智能”，這一幕很可能是人工智能產(chǎn)業(yè)發(fā)展史上的最為隱秘而壯觀的一幕。

數(shù)據(jù)標(biāo)注的工作內(nèi)容非常枯燥而且需要極大的耐心，這處于人工智能高科技產(chǎn)業(yè)鏈的低端，這一工作內(nèi)容看起來基本沒有技術(shù)含量。

那么，中國(guó)有哪些從事數(shù)據(jù)標(biāo)注的企業(yè)呢？除了前文提到的博雅海圖與翊澳數(shù)據(jù)這兩家公司，其他的相關(guān)公司還有BasicFinder、龍貓數(shù)據(jù)、星塵數(shù)據(jù)、愛數(shù)智慧、周同科技等。

除了圖片標(biāo)注，目前還誕生了語音標(biāo)注與視頻標(biāo)注等相關(guān)的業(yè)務(wù)方向，其原則上與圖片標(biāo)注沒有太大的區(qū)別，都是依靠大量的人力進(jìn)行工作。

另外，像京東、百度、騰訊、阿里這樣的大公司都有自己的標(biāo)注平臺(tái)和工具。

數(shù)據(jù)標(biāo)注行業(yè)的轉(zhuǎn)包現(xiàn)象與未來

數(shù)據(jù)標(biāo)注行業(yè)屬于勞動(dòng)密集型行業(yè)，所以很容易出現(xiàn)層層轉(zhuǎn)包地現(xiàn)象，上游的人工智能企業(yè)會(huì)把任務(wù)交給中游的數(shù)據(jù)標(biāo)注公司，這些中游的公司會(huì)分包給下游的小公司與小作坊，有的小作坊還會(huì)進(jìn)一步分包給個(gè)人，比如在校學(xué)生或家庭主婦。轉(zhuǎn)包的中間過程產(chǎn)生了大量賺差價(jià)的“中間商”，這使得整個(gè)行業(yè)的利潤(rùn)空間越來越小，已經(jīng)不利于整個(gè)行業(yè)的發(fā)展。所以，硅谷動(dòng)力君認(rèn)為，應(yīng)該采取一定的措施禁止這種層層轉(zhuǎn)包的事情發(fā)生。

另外一方面，我們需要展望未來，目前看來，數(shù)據(jù)標(biāo)注員的工作是最不智能、最沒有技術(shù)含量的。對(duì)于未來的人工智能來說，科學(xué)家們還必須研究如何讓人工智能自主學(xué)習(xí)，自主標(biāo)記，而不依賴人類對(duì)人工智能的標(biāo)注與訓(xùn)練。這種更高級(jí)的人工智能，是未來的發(fā)展方向之一。