屏前幕后，孜孜不倦的人們，用「數(shù)據(jù)標注」教會 AI 認識現(xiàn)實世界。 而他們所處的數(shù)據(jù)采標行業(yè)本身，也正在從早期粗糙的「數(shù)據(jù)作坊」發(fā)展成為「數(shù)據(jù)工廠」的專業(yè)化運作。

如今，這些流程已經(jīng)發(fā)展出一條完整的產(chǎn)業(yè)鏈——采集、整理、清洗、標注，流水線似的過程恰恰是 AI 算法模型精確運行的根基所在。隨著 AI 技術在應用場景下沉，AI 企業(yè)對算法落地性要求越來越高。此時，垂直精細和定制化數(shù)據(jù)顯得尤為重要。

2018 年，中國人工智能基礎數(shù)據(jù)服務市場規(guī)模為 25.86 億元，其中數(shù)據(jù)資源定制服務占比 86%。Testin云測旗下的 AI 數(shù)據(jù)服務品牌「云測數(shù)據(jù)」的出現(xiàn)，就是一個典型案例。

通過 定制化場景搭建，幫助 AI 企業(yè)或部門構建數(shù)據(jù)核心壁壘，提供人工智能場景化落地最需要的數(shù)據(jù)，這既是客戶獲取差異化優(yōu)勢的保證，同時也是云測數(shù)據(jù)的核心競爭力之一。

周一，忙碌的工作照常被擰上發(fā)條，北京 2019 年的第一場大雪如期而至，這一天讓張儷興奮不已的不僅僅是大雪，還有她手中剛接下的項目訂單。

客戶是一家圈內(nèi)名氣不小的自動駕駛公司，他們提供給張儷（化名）一套數(shù)萬張的道路數(shù)據(jù)集，張儷將任務分配給服務智能駕駛方向的小組員工。

十天左右，該套數(shù)據(jù)里的自動駕駛行車道檢測圖像即可標注完成，準確率超過客戶要求。

兩年前，就職于一家電商公司的張儷不會想到，兩年后的自己會和「高精尖」的人工智能技術打交道。

2017 年末，張儷所在的電商公司因為 O2O 市場降溫而倒閉。失業(yè)后不久，張儷在一位算法工程師朋友的推薦下，來到 Testin云測，開啟了一段不同尋常的工作，人工智能的訓練員——數(shù)據(jù)標注。

一開始，她只需要標注出圖像中的人物性別，工作內(nèi)容簡單而機械。

接著，她開始給人物標注年齡段，開始框定 2D 對象，然后標注 3D 邊界框，再從白晝圖像到深夜和多霧場景……場景越來越多元、標注需求越來越詳盡，最后這些經(jīng)過人類點撥過的數(shù)據(jù)被一股腦地投入神經(jīng)網(wǎng)絡的研發(fā)之中。

到現(xiàn)在，張儷已經(jīng)成長為一名項目經(jīng)理助理，她的日常工作從標注轉向項目承接，那些 AI 圈里耳熟能詳?shù)拿餍枪径际撬闹匾蛻簟?/p>

與數(shù)據(jù)標注師相類似，螞蟻森林護林員、垃圾分類師、毒雞湯文案師……這些看似匪夷所思的新職業(yè)，已經(jīng)與我們生活絲絲相扣。

一份今年的新興職業(yè)報告數(shù)據(jù)顯示，「小鎮(zhèn)青年」是 40 余種新職業(yè)的主力軍，從業(yè)者約一半生活在三四五線市縣，其中三分之二以上是兼職。

圖一：新職業(yè)主力軍——小鎮(zhèn)青年。

「非專業(yè)、兼職、勞動力密集型」——是報告為數(shù)據(jù)標注師圈定的標簽，雖然不免有些以偏概全，但談起「標注員」，確實很難將其與「專業(yè)化」、「技藝型」、「創(chuàng)造力」等字眼掛鉤。

但如今，數(shù)據(jù)服務的產(chǎn)業(yè)鏈條正在被重塑。AI 企業(yè)對于數(shù)據(jù)的應用需求逐漸分化，精細度要求也越來越高，以往一味的粗放式加工模式已經(jīng)喪失市場競爭力，大浪淘沙，從奔騰到平靜，泥沙聚沉，清流上涌。

Testin云測旗下的 AI 數(shù)據(jù)服務品牌「云測數(shù)據(jù)」的出現(xiàn)，就是重塑整個產(chǎn)業(yè)和標注員印象的一個典型案例。

一、小數(shù)據(jù)的大天地

根據(jù)佐治亞理工學院的一項研究——通過對 8 個圖像識別系統(tǒng)的測試，發(fā)現(xiàn)自動駕駛汽車的傳感器和攝像頭，更善于檢測膚色較淺的人，而膚色較深被檢測出的準確率平均會低 5%。

結論一經(jīng)報道，諸如「AI 行業(yè)也存在種族歧視」的言論便充斥在各大媒體上。

然而，從技術角度來看，計算機視覺是通過 RGB 或 RGBD 識別人（物體）的信息，但是黑色是最難被識別的（黑色或深色的 RGB 整體數(shù)值偏?。绕湓趯嶋H情況中，系統(tǒng)也欠缺黑色及深色的數(shù)據(jù)，由此導致算法模型不夠精確，最終技術在實際落地應用時出現(xiàn)差錯。

在數(shù)據(jù)服務行業(yè)，這種細分且稀缺的數(shù)據(jù)統(tǒng)一被稱為「小數(shù)據(jù)」。

比如道路安防攝像頭，攝像頭中囊括行人、機動車、自行車數(shù)據(jù)，卻唯獨缺少行人跌倒數(shù)據(jù)；在自動駕駛領域，監(jiān)測系統(tǒng)需要采集駕駛員各種狀態(tài)數(shù)據(jù)，但缺少疲勞狀態(tài)的數(shù)據(jù)。

賈宇航（云測數(shù)據(jù)總經(jīng)理）解釋道，云測數(shù)據(jù)針對這些需求，為客戶定制場景、采集數(shù)據(jù)，在自動駕駛場景中，云測數(shù)據(jù)可以讓駕駛員先開 6 個小時車，最終采集到真實的疲勞數(shù)據(jù)。

據(jù)了解，云測數(shù)據(jù)目前的整個數(shù)據(jù)服務人員已達千人規(guī)模，通過標審分離的流程化作業(yè)模式和數(shù)據(jù)安全機制，更好的保證數(shù)據(jù)的高質(zhì)量產(chǎn)出和數(shù)據(jù)隱私性，從而更好地為人工智能落地提供定制化『數(shù)據(jù)養(yǎng)料』。

數(shù)據(jù)服務行業(yè)早期，企業(yè)主要通過數(shù)據(jù)爬蟲收集數(shù)據(jù)，數(shù)據(jù)服務門檻很低，各個企業(yè)野蠻生長、魚龍混雜；第二階段開源/付費數(shù)據(jù)集開始出現(xiàn)，主要分為語音類、圖像類、NLP 類數(shù)據(jù)集等。

隨著 AI 的發(fā)展，僅僅靠數(shù)據(jù)收集已經(jīng)不能滿足客戶的算法訓練需求，第三階段的 AI 數(shù)據(jù)眾包平臺應運而生，在眾包平臺上，可進行更豐富多樣的數(shù)據(jù)采集與標注，進一步提升 AI 的能力。

當時百度和亞馬遜都曾發(fā)展過此項業(yè)務，2011 年百度數(shù)據(jù)眾包就以部門的形式成立，不僅為百度內(nèi)部需求方如百度 NLP、百度地圖等提供 AI 數(shù)據(jù)采集和標注服務，同樣將數(shù)據(jù)眾包業(yè)務進行開放，根據(jù)客戶需求制定數(shù)據(jù)采集方案。

如今 AI 與各個產(chǎn)業(yè)結合得愈加緊密，為保證算法優(yōu)勢，客戶需要采用定制化服務，由客提出具體需求，數(shù)據(jù)服務商對數(shù)據(jù)進行采集并標注，定制化數(shù)據(jù)的需求日益增長標志著數(shù)據(jù)服務 4.0 時代已經(jīng)來臨。

根據(jù)艾瑞《中國人工智能基礎數(shù)據(jù)服務行業(yè)白皮書》顯示，2018 年，數(shù)據(jù)資源定制服務已在基礎數(shù)據(jù)服務市場占據(jù) 86.2% 的份額。

二、 場景實驗室里的故事

浙江橫店，三腳架支起的鏡頭面前，往后延伸出長長的隊伍，這些群演并非在演戲試鏡，而是采集情緒數(shù)據(jù)。

「咔」地一聲，鏡頭面前，攝影燈下，群演們或大笑、或痛苦、或憤怒，表情的自然程度決定他們是否通過第一輪試鏡，進入第二輪，考核的標準更為嚴苛。

群演面前立著一面鏡子，鏡子旁邊便是審核人，「想想你上一次失戀是什么時候，心情怎樣」，「你到現(xiàn)在最有成就感事情是什么」，諸如此類的問答也是采集基地的苦心安排——引導情緒、烘托氣氛，保證情緒采集過程的真實、自然。

圖二：采集現(xiàn)場。

數(shù)據(jù)采集完成后，云測數(shù)據(jù)標注員工需要根據(jù)圖片表現(xiàn)的情緒進行精準標注，未經(jīng)精準標注的數(shù)據(jù)，人工智能無法理解其中意義。

正如賈宇航所言，云測數(shù)據(jù)的采標業(yè)務正是整個 AI 產(chǎn)業(yè)所迫切需要的，橫店群演的情緒采集只是場景化定制數(shù)據(jù)的一個縮影。根據(jù)企業(yè)數(shù)據(jù)需求，還原 AI 應用真實場景，這不僅需要深入理解需求，還需要快速構建場景，而且對人力資源的調(diào)配能力也提出挑戰(zhàn)。

云測數(shù)據(jù)的服務采取項目制，每位專業(yè)項目經(jīng)理經(jīng)過了 30-60 天的職前培訓，幫助客戶拆分原始需求、優(yōu)化項目執(zhí)行方案，項目經(jīng)理集中培訓后，再由項目經(jīng)理針對具體的項目對標注、質(zhì)檢、審核員工進行培訓。

紛繁復雜的需求背后，有的是剛需，有的則是「無用功」，定制過程中，云測數(shù)據(jù)需要根據(jù)以往項目經(jīng)驗及實地調(diào)查來明確需求，此后再細化、優(yōu)化需求，幫助客戶完成復雜場景的落地，同時避免客戶花費更多成本。

在采集過程中云測數(shù)據(jù)會運用專業(yè)的軟/硬件設備，比如用測光強度的設備來滿足客戶的環(huán)境光照要求，如果客戶需要純凈音頻數(shù)據(jù)，那云測數(shù)據(jù)會搭建一個錄音棚，滿足諸如混響或者高底噪的定制化需求，最后再用麥克風進行錄制。

在云測數(shù)據(jù)交付部門負責人朱文輝看來，整個行業(yè)仍處在早期，客戶需求變更經(jīng)常發(fā)生；其次，行業(yè)內(nèi)部面臨很多的不確定性，采標現(xiàn)場的籌備環(huán)節(jié)，人員的管理問題，需要一系列的協(xié)同化處理。

如果說數(shù)據(jù)采集只是備齊食材，那么標注流程稱得上后期「烹飪」環(huán)節(jié)，幫場景數(shù)據(jù)「訓練」算法模型完成最后一道工序。

在標注環(huán)節(jié)，云測數(shù)據(jù)擁有線上自研的數(shù)據(jù)標注平臺——平臺上聚合著如圖像、文本、音頻等數(shù)據(jù)類型的先進標注工具，尤其是在 3D 點云的標注系統(tǒng)中優(yōu)化了渲染引擎，保證整個過程的流暢和快捷，當屬業(yè)內(nèi)領先。

據(jù)朱文輝介紹，「研發(fā)團隊里有產(chǎn)品經(jīng)理、前后端工程師」等，他們會針對不同領域循環(huán)式地改進標注工具，并根據(jù)客戶需求，實時反饋、實時更新、實時研發(fā)。「我們的迭代速度一直很快」朱文輝回憶道：「迭代之后有些領域的效率提高了三倍不止?！?/p>

圖三：云測數(shù)據(jù)自研標注系統(tǒng)。

除了自研線上標注平臺，云測數(shù)據(jù)分別在華東、華南、華北自建了標注基地，還有幾個基地正在部署中。在確保標注數(shù)據(jù)準確率的同時，有效保證標注作業(yè)的信息流轉和數(shù)據(jù)安全。

由于標注是人工完成，本身主觀性因素較大，加之行業(yè)缺乏統(tǒng)一的標注數(shù)據(jù)標準，這使得標注工作充滿不確定性。

「標注的過程是一個顛覆常識的過程」，朱文輝笑著說道，「不同人對待同一件事情標準是不一樣的，比如眼睛的大小，鼻子的高低，嘴唇的薄厚，每個人的標準都不一樣，主觀性很強，在判斷的過程中，我們會與客戶一起溝通交流需求，厘清標準；其次，有的標注事件異常復雜，需要對標簽進行優(yōu)化，例如人臉識別，描述一張人臉需要 80 多個標簽，此時云測數(shù)據(jù)會把該項目拆成 5 大類，分工完成，最終拼湊成完整的結果輸出」。

三、數(shù)據(jù)安全「密鑰」

2019 年 10 月 28 日，杭州「人臉識別「第一案將」究竟誰有權收集我們的人臉信息「這一話題推向輿論高地，事隔一個月，轉轉、咸魚、淘寶等平臺」5000 多張人臉照標價 10 元「的新聞在行業(yè)里又掀一輪風波。

數(shù)據(jù)的惡意倒買倒賣已足夠駭人聽聞，而另一方面，平臺未經(jīng)用戶授權，將用戶數(shù)據(jù)記錄、用作自身系統(tǒng)優(yōu)化更是讓人防不勝防。

今年 1 月，蘋果在 CES 會展中心場外拉起一塊以隱私為主題的巨幅戶外廣告牌——「what happens on your iPhone，stays on your iPhone」。廣告采用黑底白字的極簡風格，但現(xiàn)實卻往往是灰色的——亞馬遜、蘋果、谷歌等公司都存在監(jiān)聽用戶數(shù)據(jù)的行為。

正如科技巨頭們?yōu)樽陨磙q解的那樣，「監(jiān)聽數(shù)據(jù)是為了優(yōu)化算法模型，提高用戶體驗」，但他們卻從未澄清重要事實——使用人工聽取錄音，標注用戶關鍵信息，致使大量用戶個人隱私泄露。

如今，面對輿論壓力，科技巨頭們開始調(diào)整戰(zhàn)略，亞馬遜允許 Alexa 用戶選擇對錄音不進行人工審核；蘋果開始允許用戶刪除 Siri 的歷史記錄，把共享錄音設為可選項；谷歌暫停人工轉錄 Assistant 音頻。

平臺應用方竊取數(shù)據(jù)進行相關標注，已經(jīng)讓平臺用戶人人自危，而在專業(yè)第三方數(shù)據(jù)采標公司里，數(shù)據(jù)安全問題更是凸顯。

目前數(shù)據(jù)服務行業(yè)中，在保障數(shù)據(jù)安全層面，主要包括私有化離線部署，駐場標注，數(shù)據(jù)存儲在客戶本地；第二則是公有部署，數(shù)據(jù)接入在公有云服務器，通過數(shù)據(jù)接口加密、定期巡查、反爬蟲機制保證數(shù)據(jù)安全。

作為AI數(shù)據(jù)服務的頭部企業(yè)的云測數(shù)據(jù)，一直將數(shù)據(jù)隱私、數(shù)據(jù)安全放在業(yè)務開展的首要地位。在賈宇航看來，數(shù)據(jù)安全領域，無論是 AI 公司還是數(shù)據(jù)服務公司，眼光都要長遠一些，采用未經(jīng)授權的數(shù)據(jù)當然可以控制成本，但是當行業(yè)進入越來越規(guī)范的階段，前期的野蠻發(fā)展終究會造成不良后果。

在保證數(shù)據(jù)安全方面，云測數(shù)據(jù)有三層面投入：

首先，不濫用數(shù)據(jù)，數(shù)據(jù)交付后清毀數(shù)據(jù)不留底，絕不二次使用；

第二，不侵犯隱私，與所有數(shù)據(jù)采集的用戶都簽訂數(shù)據(jù)授權協(xié)議，確保AI企業(yè)用于訓練的數(shù)據(jù)合法合規(guī)；

第三，建立相關的數(shù)據(jù)保障機制，如從防火墻的設置、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。

Testin云測 CMO 張鵬飛也補充道，「從整體看來，AI 數(shù)據(jù)行業(yè)關于安全、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)度來服務客戶，我們的行業(yè)才能『良幣驅除劣幣』，真正讓人工智能成為新一輪技術革命，改變整個社會和人類進程」。

四、縱橫發(fā)展，數(shù)據(jù)服務的下一幕

目前，整個市場需求正向「一縱一橫「方向發(fā)展，」一橫「即指越來越多的行業(yè)開始運用 AI，不管是金融、保險、物流、零售還是智能制造等行業(yè)。云測數(shù)據(jù)的客戶主要分為兩大類，一種是運用 AI 顛覆行業(yè)，一種是在傳統(tǒng)行業(yè)引入 AI，后者正在變得越來越多。

「一縱「是指 AI 與已有行業(yè)結合得越來越深，AI 正從大量數(shù)據(jù)驅動變成了與產(chǎn)業(yè)相結合，需要與產(chǎn)業(yè)專家進行合作，例如在人臉識別場景，早期只用識別人臉，之后發(fā)展到情緒檢測，后期愈加深入細分——如微表情識別。

賈宇航用人臉關鍵點標注來舉例。幾年前的人臉關鍵點標注任務要簡單很多，那時標注員只需在人臉上標出幾個點就行。而現(xiàn)在，人臉關鍵點標注可涉及多達 206 個點：每個眉毛上有 8+個點，嘴唇上有 20+個點，下頜輪廓上有 17+個點。在更多領域擁抱人工智能的趨勢下，數(shù)據(jù)服務從業(yè)者也需具備相應的領域知識。

圖四：人臉關鍵點標注圖像。

「一縱「趨勢讓 AI 數(shù)據(jù)服務逐漸從一個行業(yè)變成產(chǎn)業(yè)，成本已不是企業(yè)唯一考量因素，管理效率，數(shù)據(jù)安全，數(shù)據(jù)質(zhì)量同樣重要。

早期行業(yè)的數(shù)據(jù)精度要求較低，工作機械化，如今正處在人工智能產(chǎn)業(yè)化落地前夕，算法對數(shù)據(jù)準確度要求越來越高，行業(yè)的創(chuàng)造性被激發(fā)出來，需要越來越專業(yè)的公司從事，留給數(shù)據(jù)標注兼職業(yè)態(tài)的生存空間將越來越小，而行業(yè)也逐漸從勞動密集型轉變成技藝密集型。

圖五：AI 基礎數(shù)據(jù)服務行業(yè)發(fā)展歷程與展望 （圖源艾瑞）。

數(shù)據(jù)標注服務從業(yè)者是人工智能背后的「英雄」，從長期來看，AI 越來越智能，但對于偏感性的判斷仍比較難，如 AI 對文字的演化和情緒的識別仍是弱勢，未來 AI 要處理行業(yè)內(nèi)更為復雜的問題，但人的感知力和判斷力不能被替代。

雖然人力不可替代，但對數(shù)據(jù)標注員的專業(yè)要求將越來越高卻是無疑。

隨著「一縱」趨勢的深入，很多數(shù)據(jù)標注工作要交由專業(yè)人士去做。標注員將從兼職向全職再向具備專業(yè)領域知識的全職員工進化，從業(yè)門檻的提高其實是行業(yè)變遷的縮影，數(shù)據(jù)標注服務正從以往的「數(shù)據(jù)作坊」向流水線作業(yè)再向具備創(chuàng)造力與專業(yè)性的行業(yè)轉變。

依靠以往海量粗放的數(shù)據(jù)喂養(yǎng)已遠遠不能滿足如今 AI 行業(yè)的發(fā)展，而愈來愈精細的數(shù)據(jù)正是導致行業(yè)變遷的最大變量。

因此，AI 企業(yè)需要數(shù)據(jù)服務商強大的采標能力，保證數(shù)據(jù)安全及高質(zhì)量，而與此對應的各類場景搭建、條件變換、特殊人群都是「稀缺資源」，所謂「天下大事必作于細」，在 AI 行業(yè)下半場競爭中，云測數(shù)據(jù)作為定制化數(shù)據(jù)服務提供商，通過提供「稀缺資源」、「以小博大」，在幫助算法公司獲得優(yōu)勢的同時，贏得自身的差異化競爭力。

責任編輯：ct