有人在蘋果花了數(shù)億美元收集標(biāo)簽數(shù)據(jù)，但依然沒有好的結(jié)果。人們意識(shí)到AI非常強(qiáng)大。但為了實(shí)現(xiàn)它，必須獲得大量的訓(xùn)練數(shù)據(jù)。

[[441112]]

看到這一需求，許多專業(yè)標(biāo)注公司誕生了。例如Datasaur，這是一個(gè)自動(dòng)化數(shù)據(jù)標(biāo)注的軟件。當(dāng)然，數(shù)據(jù)標(biāo)注首先需要以人工的方式開始，特別是在人工智能項(xiàng)目的開始階段，到了項(xiàng)目的中期或末期，機(jī)器學(xué)習(xí)本身可以用于自動(dòng)標(biāo)記數(shù)據(jù)，也可以生成合成數(shù)據(jù)。

Datasaur軟件的主要目標(biāo)是簡(jiǎn)化人工數(shù)據(jù)標(biāo)注的操作，并引導(dǎo)他們以最低的成本創(chuàng)建更高質(zhì)量的訓(xùn)練數(shù)據(jù)。由于它的目標(biāo)是那些需要整天標(biāo)記數(shù)據(jù)的高級(jí)用戶，因此創(chuàng)建了功能鍵來加速標(biāo)注過程，以及適合專用數(shù)據(jù)標(biāo)注系統(tǒng)的其他功能。

不過在這個(gè)過程中，Datasaur也有了其他幾個(gè)目標(biāo)，包括消除偏見。還提供了項(xiàng)目管理能力，以清楚地闡明標(biāo)簽指南，以確保隨著時(shí)間的推移，標(biāo)簽標(biāo)準(zhǔn)繼續(xù)得到保持。

數(shù)據(jù)標(biāo)注的主觀性是使這門學(xué)科充滿陷阱的原因之一。

例如，想出一種方法，自動(dòng)給文章貼上適合或不適合家庭的標(biāo)簽。通常可以參考電影分級(jí)制度，類似PG、PG13、R級(jí)。自然認(rèn)為這將是一個(gè)非常簡(jiǎn)單的任務(wù)。然后事實(shí)證明，科技公司認(rèn)為合適的做法與電影行業(yè)認(rèn)為合適的做法有很大不同。還有很多灰色地帶的實(shí)例，對(duì)于什么是合適的，什么是不合適的，不同的社會(huì)觀點(diǎn)將會(huì)非常不同。

解決這類問題沒有捷徑可走。但是，有一些方法可以幫助公司將這些業(yè)務(wù)流程自動(dòng)化，包括提供一個(gè)用于回答這些數(shù)據(jù)標(biāo)注問題的決策譜系。這就是創(chuàng)建Datasaur軟件的原因。

你不會(huì)讓你的團(tuán)隊(duì)為你的設(shè)計(jì)師創(chuàng)建一個(gè)Photoshop。只要買現(xiàn)成的Photoshop就行了。當(dāng)你只需要做數(shù)據(jù)標(biāo)注，我們也可以找一家這樣專業(yè)的公司。

起初，許多客戶認(rèn)為計(jì)算機(jī)視覺是最熱門的AI技術(shù)。但最近，NLP用例非常熱門，特別是那些依賴于大型模型的用例，如BERT和GPT-3。因此Datasaur產(chǎn)品開始吸引注意力，每周被用于給100萬條數(shù)據(jù)貼標(biāo)簽，包含Netflix、Zoom和Heroku等知名公司都在使用。

Datasaur也被專業(yè)數(shù)據(jù)標(biāo)注機(jī)構(gòu)使用，例如iMerit。在世界各地?fù)碛?000名員工，iMerit已成長(zhǎng)為數(shù)據(jù)標(biāo)簽行業(yè)的強(qiáng)大力量。該公司擁有100個(gè)客戶，其中包括許多家喻戶曉的品牌，這些客戶利用其數(shù)據(jù)標(biāo)注網(wǎng)絡(luò)，讓深度學(xué)習(xí)模型與高質(zhì)量的標(biāo)注數(shù)據(jù)保持一致。

數(shù)據(jù)標(biāo)簽的主觀性使得它不是單純的一項(xiàng)交易。

通常情況下，需要坐下來，弄清楚數(shù)據(jù)在哪里，需要什么。它不僅僅是工具、人員或過程。這是三者的結(jié)合。

上下文對(duì)于數(shù)據(jù)標(biāo)注過程絕對(duì)是至關(guān)重要的。這大概是因?yàn)闄C(jī)器對(duì)上下文的理解能力很差。也可能是因?yàn)锳I用例在不斷變化。不管是什么原因，這種需求是顯而易見的。

分享一個(gè)卡車上施工工人的例子，可以證明上下文對(duì)于開發(fā)高質(zhì)量的培訓(xùn)數(shù)據(jù)是多么重要。想象一下，有一個(gè)工人坐在卡車上，每到一個(gè)維修路段，就要下車干活，然后又回到卡車上。所以數(shù)據(jù)標(biāo)簽的問題是：工人是行人嗎?他是卡車的一部分嗎?還是說他是第三種人?

如果你在計(jì)算車輛，你就不會(huì)在意工人上下車。你只會(huì)對(duì)工程車感興趣;但如果你試圖操縱其他東西(比如自動(dòng)駕駛或交通流量控制)，避免撞到垃圾工，垃圾工的動(dòng)作將會(huì)引起你極大的興趣;如果你在尋找可疑的行為，你會(huì)想把垃圾工排除在一系列類似的行為之外。

但很明顯，工人有不同的存在狀態(tài)，取決于人工智能應(yīng)用的視角。對(duì)于數(shù)據(jù)標(biāo)注來說，證明一個(gè)事實(shí)：在不同的時(shí)間，一條數(shù)據(jù)可以有不同的標(biāo)注。有的時(shí)候，沒有單一的答案。

數(shù)據(jù)標(biāo)注過程的細(xì)致性對(duì)于提高數(shù)據(jù)質(zhì)量至關(guān)重要，這直接影響機(jī)器學(xué)習(xí)模型的預(yù)測(cè)推理質(zhì)量。數(shù)據(jù)可以讓預(yù)測(cè)準(zhǔn)確率達(dá)到60%到70%，也可以讓預(yù)測(cè)準(zhǔn)確率達(dá)到95%。

根據(jù)用例的不同，準(zhǔn)確性是至關(guān)重要的。假如正在構(gòu)建一個(gè)模型從視頻中來識(shí)別偷東西的行為，一個(gè)錯(cuò)誤的否定(沒有發(fā)現(xiàn)盜竊行為)和一個(gè)錯(cuò)誤的肯定(指控?zé)o辜的顧客)之間后果有很大的區(qū)別。