“如果非要用一句話來定義這個時代的“人工智能”和“數(shù)據(jù)”的關(guān)系，可以說是：數(shù)據(jù)是人工智能的核心要義，而“高質(zhì)量、獨立安全”的數(shù)據(jù)則是撬動世界第四次工業(yè)革命（人工智能浪潮）的關(guān)鍵所在?！?/p>

上個世紀五十年代，麥卡錫當時為達特茅斯會議命名了一個在那時看起來別出心裁的名字：人工智能夏季研討會（Summer Research Project on Artificial Intelligence），由此“人工智能（ArtificialIntelligence）”這個概念開始走向世界。

歷經(jīng)了半個多世紀的AI一直都不溫不火，但近幾年AI突然爆發(fā)，在人工智能大量邊緣設(shè)備落地的同時，將其推上一個更為興盛的階段：圍棋人工智能程序AlphaGo橫掃棋壇，傳統(tǒng)與文化相結(jié)合獨具一格的“AI茶館”，甚至還有騰訊去年在“AI+醫(yī)療”領(lǐng)域打造的“救命AI”——騰訊AI醫(yī)療產(chǎn)品的聚合。

AI迅速爆發(fā)的背后究竟靠的是什么？現(xiàn)下眾多巨頭企業(yè)、初創(chuàng)公司等紛紛入局人工智能領(lǐng)域，都在嘗試尋找全新突破口。業(yè)內(nèi)曾流傳著這樣一句話：得“數(shù)據(jù)”者，得“人工智能”，而能將“人工智能”玩的轉(zhuǎn)的，便能稱的上是撬動世界第四次工業(yè)革命的先鋒了。

偏偏是“數(shù)據(jù)”扼住了AI命運的咽喉？

從發(fā)展意義來看，人工智能（AI）在不斷的進步，并且隨著這種進步勢必會改變一大批產(chǎn)業(yè)的形態(tài)。此外，從另一方面看，人工智能技術(shù)的背后有三大支柱：算法、算力和數(shù)據(jù)，這三者相輔相成、相互制約，但其中數(shù)據(jù)是核心要義，只要有了大量優(yōu)質(zhì)精準的數(shù)據(jù)，再加上算法實現(xiàn)高效的機器運算、算力的推動，AI才能越走越遠。

“沒有好的數(shù)據(jù)，人工智能將沒有未來”已經(jīng)成為業(yè)界共識。

值得一提的是，這里有兩個重要的點需要區(qū)分：一個是數(shù)據(jù)，另一個是好的數(shù)據(jù)：“高質(zhì)、精準、安全”。

云測數(shù)據(jù)賈宇航表示：“首先數(shù)據(jù)是人工智能底層邏輯中不可或缺的支撐要素，因為人工智能的本質(zhì)就像人類要不斷的通過訓(xùn)練來獲取技能一樣，AI的根基就是訓(xùn)練，需要經(jīng)過大量數(shù)據(jù)進行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)才能總結(jié)出規(guī)律，進而熟能生巧的應(yīng)用到新樣本上”。

也就是說，數(shù)據(jù)是最基本的燃料，沒有燃料，AI這艘火箭是不可能直沖云霄，而商業(yè)落地更是遙不可及的夢。從自動駕駛到AI聊天、服務(wù)機器人，從人臉識別到各類AI邊緣落地化產(chǎn)品，數(shù)據(jù)是真正的“幕后英雄”，無“數(shù)據(jù)”不“AI”。

其次，要想經(jīng)算法訓(xùn)練后獲得的模型更加智能，僅“數(shù)據(jù)”遠遠不夠的，這背后更多的是對數(shù)據(jù)的“高質(zhì)、精準、安全”的要求。

例如在訓(xùn)練的過程中，高質(zhì)精準的數(shù)據(jù)扮演著“教科書”級別的重要角色。如果僅需要識別勺子，但在訓(xùn)練數(shù)據(jù)中勺子總和碗、筷子一起出現(xiàn)，那么AI系統(tǒng)可能會誤入歧途，進入一種“瞎猜”的狀態(tài)而產(chǎn)生混亂和誤差，結(jié)果很可能會將碗或筷子識別成勺子。所以對于人工智能來說，雖然大量的訓(xùn)練數(shù)據(jù)固然很重要，但更重要的是數(shù)據(jù)的“高質(zhì)精準”。

再從另一方面看“高質(zhì)精準的數(shù)據(jù)”對算法模型來講究竟有多重要？

現(xiàn)在人工智能處在產(chǎn)業(yè)落地前夕，可以說AI產(chǎn)品的精準數(shù)據(jù)訓(xùn)練直接影響落地產(chǎn)品的良品率；舉個不恰當?shù)睦?，如果自動駕駛系統(tǒng)的訓(xùn)練數(shù)據(jù)的缺乏或不精準，則很可能在行駛過程中由于未正確識別物體數(shù)據(jù)直接導(dǎo)致人身傷亡，這些后果都是不堪設(shè)想的。

此外，數(shù)據(jù)標注的價值不僅體現(xiàn)在物體識別上。當下人工智能整個行業(yè)都在往多模態(tài)的方向發(fā)展，比如以智能駕駛為例，基于傳統(tǒng)的車外環(huán)境感知系統(tǒng)一般都采用攝像頭做設(shè)計，以至于存在著測距效果差等缺陷，現(xiàn)在引入激光雷達后，在數(shù)據(jù)的提升上對應(yīng)是既有圖像又有3D點云的三維數(shù)據(jù)的耦合。

隨著人工智能逐漸從學(xué)術(shù)走向產(chǎn)品化、落地化、市場化，企業(yè)對于場景數(shù)據(jù)的要求也越來越多維，所以引入更多維度的數(shù)據(jù)去完善AI產(chǎn)品落地前的模型，也是當下行業(yè)發(fā)展的趨勢。

直擊行業(yè)痛點，這樣的“數(shù)據(jù)一把手”才更性感

傳統(tǒng)的數(shù)據(jù)清洗標注工作呈現(xiàn)出一種“數(shù)據(jù)粗放型處理”的狀況，從移動互聯(lián)中大量獲取公開、通用的數(shù)據(jù)，通過雇傭廉價的勞動力完成數(shù)據(jù)的清晰標注工作，“道路、天空、大樹”大致標注粗糙勾選后，便全部投入應(yīng)用到神經(jīng)網(wǎng)絡(luò)中。

但隨著人工智能發(fā)展至商業(yè)落地前夕，算法模型對高質(zhì)量、高精度數(shù)據(jù)的需求極速提升，以往的通用數(shù)據(jù)集越來越不能滿足AI企業(yè)的數(shù)據(jù)需要，人工智能落地越來越專注于小場景和專業(yè)領(lǐng)域。人工智能不再是漂浮在“空中的樓閣”，基于AI實際應(yīng)用場景的數(shù)據(jù)服務(wù)，已成為人工智能落地的核心地基。

賈宇航表示：“在這個行業(yè)中有一個‘garbage in garbage out’的理論，即如果標注完的數(shù)據(jù)精度達不到標準，那么訓(xùn)練出來的算法也是不精準的?！比缃褚晃洞址诺奶幚砟Ｊ郊炔荒軡M足逐漸商用的AI企業(yè)的數(shù)據(jù)需求，甚至還將影響技術(shù)本身的發(fā)展。

面對這樣的產(chǎn)業(yè)趨勢，云測數(shù)據(jù)作為行業(yè)的典型代表，直擊行業(yè)痛點：將“精準高質(zhì)”“獨立安全”作為業(yè)務(wù)發(fā)展的核心，并隨著AI企業(yè)數(shù)據(jù)需求不斷的演進。

有剛性需求便會有實時供給，有痛點問題便就有解決方案。云測數(shù)據(jù)基于其自建的數(shù)據(jù)標注基地和場景實驗室，根據(jù)AI企業(yè)數(shù)據(jù)需求，進行特定動作、表情和表情的捕捉，將精準的數(shù)據(jù)投入到流程化規(guī)范生產(chǎn)的數(shù)據(jù)標注環(huán)節(jié)中，最終輸出精準高質(zhì)的數(shù)據(jù)。解決特定場景化下的數(shù)據(jù)缺失、質(zhì)量良莠不齊、安全性等行業(yè)問題，以幫助AI企業(yè)打造以高精度數(shù)據(jù)為核心的行業(yè)壁壘。

場景實驗室是云測數(shù)據(jù)布局高度定制化、多模態(tài)的AI數(shù)據(jù)服務(wù)的重要組成部分，以AI企業(yè)的具體算法模型的特定需求來定制化搭建采集場景，致力于覆蓋盡可能多的實際場景及邊際場景，從數(shù)據(jù)產(chǎn)生的源頭把控數(shù)據(jù)質(zhì)量。

自建標注基地是云測數(shù)據(jù)保證數(shù)據(jù)精準高質(zhì)的又一強力保證?；貎?nèi)的全職標注人員有利于協(xié)同化管理和快速響應(yīng)企業(yè)數(shù)據(jù)需求。同時云測數(shù)據(jù)還基于不同場景對標注人員進行領(lǐng)域內(nèi)的細分，接受固定領(lǐng)域的知識培訓(xùn)。得到高效的行業(yè)知識輸入，在理解企業(yè)客戶的需求上就能做到準確無誤的輸出。

所以，AI的背后是數(shù)據(jù)，行業(yè)的幕后是云測數(shù)據(jù)——這樣的“行業(yè)數(shù)據(jù)一把手”才著實性感。

數(shù)據(jù)安全成核心，行業(yè)規(guī)范亟需建立

目前云測數(shù)據(jù)基于自建的數(shù)據(jù)場景實驗室和數(shù)據(jù)標注基地，服務(wù)領(lǐng)域已涉及智能駕駛、智能家居、智慧城市、智慧金融、新零售等領(lǐng)域，實時為領(lǐng)域內(nèi)各個AI企業(yè)提供定制化的數(shù)據(jù)采集、數(shù)據(jù)標注服務(wù)，全方位支持文本、語音、圖像、視頻等各類型數(shù)據(jù)的處理。

更重要的一條前置底線是，云測數(shù)據(jù)除了提供優(yōu)質(zhì)數(shù)據(jù)，更是把數(shù)據(jù)隱私安全做到了極致。從防火墻的設(shè)置、到內(nèi)部信息系統(tǒng)的管護，乃至標準化的流程作業(yè)體系等，將一整套的安全防護和信息保護的機制，應(yīng)用在數(shù)據(jù)標注生產(chǎn)的各環(huán)節(jié)。

賈宇航表示：“對于一個企業(yè)來講，擁有了數(shù)據(jù)便就擁有了核心競爭力，數(shù)據(jù)安全一直都是我們極其重視的一點。首先我們要做到的，是數(shù)據(jù)絕不復(fù)用，第二就是保證數(shù)據(jù)隱私性。與所有數(shù)據(jù)采集的用戶都簽訂數(shù)據(jù)授權(quán)協(xié)議，確保AI企業(yè)用于訓(xùn)練的數(shù)據(jù)合法合規(guī)?！?/p>

Testin云測CMO張鵬飛也強調(diào)“從整體看來，AI數(shù)據(jù)行業(yè)關(guān)于安全、隱私等方面并沒有統(tǒng)一的標準和強調(diào)重視。但從我們長遠角度出發(fā)，一直在隱私和安全防護角度下大力氣服務(wù)行業(yè)、樹立數(shù)據(jù)質(zhì)量標桿，只有以這種負責的態(tài)度來服務(wù)客戶，我們的行業(yè)才能‘良幣驅(qū)除劣幣’，真正讓人工智能成為新一輪技術(shù)革命，改變整個社會和人類進程”。

人工智能的發(fā)展離不開數(shù)據(jù)的支撐，更離不開AI數(shù)據(jù)做“燃料”。如果非要用一句話來定義這個時代的“人工智能”和“數(shù)據(jù)”的關(guān)系，可以說是：數(shù)據(jù)是人工智能的核心要義，而“高質(zhì)精準、獨立安全”的數(shù)據(jù)，則是撬動世界第四次工業(yè)革命（人工智能浪潮）的關(guān)鍵所在。

責任編輯：ct