科普丨数据标注在人工智能中是什么地位-世界观速讯

科普丨数据标注在人工智能中是什么地位

数据标注到底有多重要？这个问题必然要从人工智能的角度去解读。近年来，我们已经明确的看到人工智能发展的脚步以及其在未来举足轻重的作用。而作为人工智能的基础服务产业，数据标注必然将随之鹊起

2018年，整个世界充斥着各种各样的数据就产生了超过30ZB的数据量。什么概念呢？按照我们平日耳熟能详的：

(相关资料图)

按照平日常用的1TB硬盘，30ZB=300多亿个1TB硬盘

任何一个AI项目中，数据的好坏都是一个非常关键的部分

人工智能训练师正在成为成AI产业重要支撑

机器学习的训练需要大量数据，在过去十年中，机器学习对高质量的标注数据需求飙升。一位在数据标签公司工作的年轻人说：“我曾经认为机器是天才，但现在我才知道我们（人类劳动者）才是它们成为天才的背后原因。”

所有新兴行业，包括人工智能，都伴随着新型人力的需求递增，在从事AI相关的群体内，有许多在全国各地正在从事数据标注工作的年轻人

中国的数据标注行业最早可追溯到 2005 年，著名计算机视觉专家、人工智能专家朱纯松从美国回到了故乡湖北鄂州，创办了莲花山研究院，筹建据称是当时世界上最早的大数据标注团队。2015 年，随着人工智能巨头的崛起，数据标注和采集需求激增，市场真正意义上开始形成

许多数据服务公司作为乙方进入到日益扩大的AI基础服务市场，正如一位中国数据标签公司的联合创始人所说：“我们是数字世界的建筑者，我们的工作是做好地基的同时，铺盖一层又一层的砖，但如果没有我们在人工智能中发挥的重要作用，他们无法建造AI这座摩天大楼。”

中国信通院报告指出，现阶段AI应用研发，数据标注是根本，10年之内都要依赖于标注数据

数据标注的挑战

在一个典型的AI项目中，专业人员可能会遇到下面这些挑战：

低质量的数据标注：低质量的数据标注可能是由五花八门的原因导致的。而其中最显著的原因之一就是任何组织和流程背后都存在的三大要素：人，流程以及技术

不能够大规模地进行数据的标注：当数据量增加、项目的体量变大之后，规模化的数据标注就显得尤为重要。因为很多组织都是内部人员进行数据标注的，他们也经常会遇到数据标注规模化的问题

难以忍受的成本或者得不到想要的结果：通常要么AI公司自建团队来进行数据标注，要么雇佣业余（副业）人员来做。然后这两者都会产生意想不到的问题。前者因为需要进行团队搭建，所以人力，时间等各项成本很大，后者则会因为副业群体没有接受到系统化的培训，不能很好地满足数据训练的要求。如何在这两者之间找到一个平衡将会特别重要

谁可以标注数据？

训练一个可学习的模型需要大量的标注数据。更为重要的是这些数据通常都是由人工进行标注的

有调查显示：2019年，公司在数据标注上的花费超过17亿美元。而预计到2024年这个数据可能会到41亿美元。这样的预测昭示着人工智能训练师将会是一个很有前途的职业。当然，也有很多AI专家说有相关领域的工作经验是非常重要的。这也就意味着即使转行的小伙伴需要经过专业的学习才能够胜任这一工作

职业标准+证书为数据标注筛选人才

前面讲了数据标注质量差的主要原因有三大要素，人，流程以及技术，其中人作为标注数据的主要群体很大程度上决定了数据质量的好坏

随着数据标注行业从业者的递增，标注人员的培训和管理将会得到更多度关注，大一点的标注公司需要为数据标注者提供更好的培训和发展机会，而作为转行选手以及个体或者是公司不具备培训条件的小伙伴们，则需要寻找好的人才培养企业，以提高标注技能和质量

因此在数据标注行业其实已经出现了培训的需求市场，同时也需要专业做数据标注人才培养的企业，能够通过适当的考核方式为行业培养→筛选人才，通过考核的小伙伴，会获得由工业和信息化部教育与考试中心核发的《人工智能数据标注技术》行业相关证书，依次证明具备数据标注行业的从业技能

结束语

在人工智能领域，有着“成也数据，败也数据”的说法。而在大数据时代，随着AI产品逐渐的落地，除去“大”和“多”两个关键词，“精准”成为了更重要的衡量维度。对于人工智能应用来说，AI数据的精准度失之毫厘则差之千里，而在人工智能应用落地的过程中，AI数据精准度的差异会愈发的明显

毕竟，人工智能技术发展的瓶颈已经在逐渐打破，落地实用将成为行业的下一个挑战。高精准度、高质量的AI数据，将助力人工智能应用具备更强大的服务能力，而专业化的标注人才将成为AI数据标注行业的主旋律

关键词： 人工智能 美好，一直在身边 机器学习 人生第一份工作