文 | 曾响铃
来源 | 科技向令说
新基建驱动AI加速落地,也让它背后的“粮草”——AI数据标注产业进入发展快车道。
不久前,今年首场国家级重大国际经贸活动服贸会的成果发布环节上,数据标注领域的头部企业云测数据首次对外展示了一项成果,其数据项目的最高交付精准度竟然达到了99．99%。
这个决定AI产品落地水平的领域里,99．99%的精准度刷新了一个行业记录,按照实际AI项目的需要,AI客户可选择的服务标准跨越到了一个新的时代。
事实上,在多元化的人工智能场景落地背景下,更高标准的AI数据质量已成为AI的刚需。这次服贸会上,数据标注的头部企业所进行的99．99%的成果展示,其背后也隐含着行业高阶进化的改变,最突出的就是“劳动密集”的标签,可能要被彻底撕掉了。
高精度,成就数据标注的“差异化”?
AI数据标注产业是人工智能链条上最偏“人工”的部分,早期的低门槛使得市面上存在着大大小小的企业、工作室,泥沙俱下,良莠不齐。
但现如今,我们已经看到这一现状正在发生变化,AI数据服务行业随着AI产业需求进行着优胜劣汰。现在,当行业头部企业将最高项目交付精准度提升到一个“顶尖”时,马太效应突出,差异化趋势愈发明显。
1、表面同质化服务下,数据精度推动数据标注企业获得“差异化认知”
在过去很长一段时间内,AI企业多根据自身项目需求为导向来选择数据标注服务商,AI数据行业内并没有太多严谨的规则。可以说,过去的数据标注,是一个有些缺乏“差异化认知”的行业,A企业和B企业到底怎么区分,没有明确的标准。
当头部企业从自身出发首次规范行业标准,将最高99．99%的数据标注精准度进行正式发布,实际上就等于给行业设定了一个可行的认知标准,这样的AI数据才是高质量数据。
至此,不管是AI企业客户还是业界人士,或都可以借助精准度对数据标注行业进行企业与企业的区分,而不是在认知上一锅烩。
而这,当然也来源于99．99%这个精确度与其他诸如92%、95%、98%之类的数字存在着跨越时代级别的差异。
这某种程度上也表明数据标注产业在伴随AI发展多年后,自身开始趋向成熟,头部玩家强者恒强,产业内优势资源和技术得到有效聚集,朝着无限接近100%进发,99．99%更像是一个里程碑,将加快人工智能时代的到来。
2、用高精度切中AI发展需求,数据标注企业更容易获得“差异化竞争优势”
跳出普通人“认知”方面的驱动力,高精度数据的另一重差异化价值是切中AI发展需求。
随着AI的持续深度发展,场景落地已经代替技术研究成为主旋律,数据标注的服务方向从“AI产品训练”走向“AI产品落地”,这意味着AI项目试错空间相较于技术研究大幅下降,要求更高的精确度来满足用户体验。
更进一步看,新基建中的重要版块AI新基建,生来就带有强烈的落地应用导向——要驱动各大产业升级,也必须更贴近落地。
在数据质量决定AI算法的精度、算法的精度又决定产品质量的关联逻辑下,更注重落地的AI项目会更积极主动寻找那些数据质量(精确度)更高的供应商,数据标注行业将会形成过去没有的梯度,发布最高99．99%精确度标准的头部企业云测数据,还将藉此获得“差异化竞争优势”吸引更多产业客户,如果没有更多企业跟随上来,则将一直保持唯一的“第一梯队”。
PK高精度后,是时候放弃对数据标注“劳动密集”偏见了?
劳动密集是之前业界对AI数据标注的主要评价,或者说刻板印象,AI界的“富士康”之类的说法揭示出这个产业的外在尴尬形象。
但这一切,随着更高精度的数据标注成果出现而开始改变。
一个普通的草台班子数据标注团队可能也能实现及格线上的AI数据精确度,这是机械式的人力操作天然具备的能力,毕竟数据标注确实主要靠的是人力的劳动。但再要提升精度,尤其是无限往100%靠近,就必须更多依赖各种技能的支撑,不断进行高位再优化,榨取精度提升的空间。
数据标注的精准度越高,再次上升(并保证配套服务质量)能够从“人力”中获得的支持越少,从“技能”获得的支持越多。
因此,当数据标注产业出现99．99%这类高精度成果时,也意味着技能的成分可能超越了人力的成分,行业已经走向了各类前沿技术支撑的“技能密集”阶段。
这种支撑高精确度的“技能密集”,应当包括四个方面:
1、专业人才技能:需求专业化倒逼数据标注人才素养提升
专业、垂直类的数据标注,比泛化的数据标注更需要技能支撑,尤其在需要获得高精准度的情况下,单纯的体力劳动已经不可能完成。
一是特殊的数据标注类型,例如,云测数据的主要服务场景之一自动驾驶,常常会有激光雷达传感器产生的数据需要标注。一般车载摄像头的数据标注,比较“体力化”,框出指定的元素教会算法识别即可:
而激光雷达的数据则与人类现实世界差距甚远:
这时候,云测数据不得不要求人工对雷达数据有丰富的知识技能和处理经验,可能还牵扯很多物理学方面的知识,绝不再是简单地体力劳动了。
二是,专业领域的数据标注。这方面较为典型的是垂直领域的语音、文本类数据标注,例如金融、家居领域,这些数据标注的需求不亚于这些领域一线的业务人员(需要深度理解业务,才能标注好包括专业词汇、逻辑等数据),因此,像云测数据这类平台培养了金融、家居等领域的“专才”,甚至于,在为一些金融机构服务时,还要按照需求提供达到素质要求的标注队伍进行作业。
2、复杂工具技能:数据标注本身也在进行某种数字化升级
高精度的实现,除了数据标注人员由流水线工人转化为有特定技能的专业人才之外,随着业务量的扩大,还配套有渗透全流程的各种数字化工具来提高准确率、效率,这就如同一个制造业企业进行了数字化、智能化升级来应对严苛的市场竞争一样。
从云测数据的案例看,99．99%的准确率背后是一大堆技术工具在支撑。
标准API接口的数据处理平台支持各种主流格式,跟众多AI企业可以做到短时间无缝衔接,省略线下做导入导出的繁琐步骤。数据生产过程通过模板化的任务创建,数据采集,清洗到标注全部线上流转,传统线下流转可能面临的信息丢失、失真问题得到解决。
此外,云测数据引入了基于规则的机器筛查方式,在人工校验流程前根据所标注内容要求引入相关查错规则,这种数字化辅助直接提升了数据精度和效率。
事实上,强化工具能力一直是各数据标注平台在做的事,甚至AI本身的发展也反过来支撑数据标注工作。云测数据这类扎根行业的企业这些年投入了大量资源在工具开发上,打个不恰当的比方,这就好比富士康不断增加工厂智能化水平、引入大量智能机械一样,朝着“高端制造”前进一样。
3、综合研发技能:“解决方案”输出下的采集、标注一体化
随着AI技术深入到各个细分领域,企业对AI在商业化落地中的表现要求越来越高。在很多领域,客户企业对服务供应商会提出更多样化的需求,这时候,“解决方案”式的合作方式不可能避免出现在数据标注产业中,在拿出99．99%精准度的同时,云测数据还对外发布了智慧城市、智能家居、智能驾驶、智慧金融这四个场景的“全链条的AI训练数据服务方案”。
这些解决方案,简单说,就是过去合作的拓宽、拓深,为了同样保证超高精准度,这个过程必然伴随大量专业技术性的工作。
在数据标注产业链上,采集与标注不分家,华东、华北、华南设有数据交付中心和数据场景实验室的云测数据,在给出的四个场景解决方案中,都十分强调场景化的数据采集服务。
例如,智慧城市数据解决方案的一个重要亮点或者说价值,是为客户企业提供“长尾场景数据”——如不同光线下人员检测、危险动作检测等长尾情形,都需要不断充实长尾场景,来提升“智慧”的覆盖能力(处理、统计一些城市管理任务)。
云测数据建立的“数据场景实验室”,通过还原场景、研究长尾场景的特点完成对应传感器下的场景数据采集工作,这种行为,本质上相当于数据标注企业为智慧城市AI项目完成特定规则下的知识图谱搭建。
类似的,还有智能家居场景中,在各类复杂语音背景下采集语音数据,实验室开发底噪、混响、方言、语种等特殊要求下的数据采集;此外,在智能驾驶场景中,云测数据为了更加贴近真实场景,甚至通过改造轿车、标定传感器这种参照智能驾驶汽车行驶场景的方式来采集所需要的AI数据。
显然,这些方式方法都远远超出了“劳动密集”的范畴。
4、安全技能:被忽视的数据标注“硬核”技术能力
AI越往深处走,数据资产的重要性就越高,尤其是AI数据更加立体和丰富、精准度到达一个新的高度后,AI数据的价值变得更高,数据安全就更加成为客户企业的刚需。
从数据标注产业的演变来看,对安全的重视,导致不少数据标注企业至少在数据安全维护方面拥有可圈可点的技术耕耘,甚至不输于其他被打上技术公司标签的巨头。
一个现实是,像云测数据这样的头部企业,即便拥有行业内最专业的全职团队,能够保证高质量数据也能够实现高效的作业效率,甚至不断引导行业的规范化发展,这些地位、价值或者优势,也都是建立在数据隐私安全的原则之上。
数据精准度做得越高,云测数据这种企业就更看重数据隐私安全的保护。这些年,除了流程和工作方式的严格控制,云测数据内部还开发了数据隔离、质量保障等一系列数据安全方面的技术,这也使得数据标注企业的“技术”标签更加浓厚。
Testin云测CMO张鹏飞也强调,“从目前看来,AI数据行业关于安全、隐私等方面并没有统一的标准。但从我们长远角度出发,一直在隐私和安全防护角度下大力气服务行业、树立数据质量标杆,只有以这种负责的态度来服务客户,我们的行业才能‘良币驱除劣币’,真正让人工智能成为新一轮技术革命,改变整个社会和人类进程”。
结语
99．99%的AI数据精准度虽然是云测数据技术实力和服务能力积累的产物,但它也是行业发展到一定程度向更高阶段跃迁的标志。
更进一步看,企业将精准度推高到接近100%的动作,本质上也代表着数据标注产业正在走出“劳动密集”,转入“技能密集”发展阶段,这是与精准度一样重要的行业发展里程碑。数据标注最终将撕掉旧有偏见下的标签,走入与AI同行的强技术服务产业行列。
