人工智能的興起帶火了一系列與其相關(guān)的產(chǎn)業(yè)，數(shù)據(jù)標(biāo)注作為其基礎(chǔ)產(chǎn)業(yè)之一，也在人工智能的加持之下短短幾年內(nèi)迎來了飛速的發(fā)展。然而對于不少人來說，數(shù)據(jù)標(biāo)注仍具是一個“盲區(qū)”。那么什么是數(shù)據(jù)標(biāo)注，他又是如何助力人工智能發(fā)展的呢？
要想了解數(shù)據(jù)標(biāo)注，首先需要了解人工智能的學(xué)習(xí)方法。監(jiān)督學(xué)習(xí)是目前應(yīng)用最廣泛的機(jī)器學(xué)習(xí)算法，該方法強(qiáng)依賴標(biāo)注數(shù)據(jù)，它通過學(xué)習(xí)大量標(biāo)注的訓(xùn)練樣本來構(gòu)建預(yù)測模型。深度學(xué)習(xí)也需要大量數(shù)據(jù)的“投喂”，以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)框架都需要在大型的監(jiān)督數(shù)據(jù)集上進(jìn)行訓(xùn)練，百分點(diǎn)首席算法科學(xué)家蘇海波曾表示，深度學(xué)習(xí)只有在擁有充足標(biāo)注數(shù)據(jù)的場景下才能發(fā)揮它的威力，但在很多實(shí)際的應(yīng)用中卻沒有足夠的標(biāo)注數(shù)據(jù)。
《2019年中國人工智能基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)白皮書》分析指出，2010-2016年為數(shù)據(jù)服務(wù)行業(yè)的“初生期”，早期數(shù)據(jù)標(biāo)注需求激增，加之入行門檻低，涌入了大量玩家，魚龍混雜。
自2017年以來，伴隨著AI深入落地到各個應(yīng)用場景中，數(shù)據(jù)標(biāo)注行業(yè)了進(jìn)入成長期，上層應(yīng)用端的廠商對數(shù)據(jù)標(biāo)注質(zhì)的要求不斷提高，如自動駕駛、運(yùn)動圖像、計(jì)算機(jī)視覺等領(lǐng)域的數(shù)據(jù)標(biāo)注難度很高。
行業(yè)格局漸漸清晰，馬太效應(yīng)明顯。據(jù)了解，國內(nèi)從事數(shù)據(jù)標(biāo)注業(yè)務(wù)團(tuán)隊(duì)約有幾百家，其中獨(dú)立做整個數(shù)據(jù)質(zhì)量服務(wù)的約百余家，能夠提供數(shù)據(jù)采標(biāo)服務(wù)一體化的有幾十家，能夠提供高標(biāo)準(zhǔn)基礎(chǔ)數(shù)據(jù)服務(wù)的僅有十幾家。
這些意味這目前，數(shù)據(jù)標(biāo)注行業(yè)仍舊處于一個快速發(fā)展的階段，整體在朝著個性化、專業(yè)化的方向發(fā)展，從早期較簡單的、通用的數(shù)據(jù)過渡到更復(fù)雜的個性化的、場景化的數(shù)據(jù)，對于很多細(xì)分領(lǐng)域，需要大量真實(shí)的模型進(jìn)行標(biāo)注去迭代模型。
行業(yè)的發(fā)展核心內(nèi)驅(qū)力是人才。在數(shù)據(jù)標(biāo)注行業(yè)飛速發(fā)展的背景之下，如何加強(qiáng)人才的培養(yǎng)和輸出，為行業(yè)提供更多人才成為了目前亟待解決的問題。AI優(yōu)評結(jié)合相關(guān)部門，對于數(shù)據(jù)標(biāo)注人才的培養(yǎng)建立起了一整套科學(xué)專業(yè)的評價體系，并直接對接到用人單位，為行業(yè)輸送人才，保障行業(yè)的發(fā)展。相信在努力之下，未來，數(shù)據(jù)標(biāo)注將會以一個全新的面貌展現(xiàn)在所有人的面前。
