作為人工智能基石的數(shù)據(jù),發(fā)揮出越來越重要的作用,影響著人工智能場景應(yīng)用的最終效果?，F(xiàn)階段,在各個細分應(yīng)用場景的需求下,人工智能對數(shù)據(jù)的還原度、準(zhǔn)確度提出了更高要求。
從細分結(jié)構(gòu)來看,隨著AI技術(shù)的不斷成熟,更多的場景和行業(yè)開始嵌入使用AI技術(shù),比如教育、法律、智能駕駛、銀行金融等,這些AI行業(yè)應(yīng)用場景逐漸趨于長尾和碎片化,產(chǎn)生了大量細分專業(yè)化的數(shù)據(jù)需求。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);如在自動駕駛領(lǐng)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)等等。
云測數(shù)據(jù)的場景化數(shù)據(jù)采集實踐
這些數(shù)據(jù)采集需求相對復(fù)雜、聚焦,難度較大,對AI數(shù)據(jù)服務(wù)商的場景化采集能力提出了很高的要求。隨著人工智能對長尾場景的數(shù)據(jù)需求進一步擴大,具有相關(guān)采集工具、資源、能力的數(shù)據(jù)采集標(biāo)注服務(wù)商將擁有極大的競爭優(yōu)勢。為了進一步滿足場景化數(shù)據(jù)的需求,數(shù)據(jù)采集標(biāo)注頭部企業(yè)云測數(shù)據(jù)首創(chuàng)了“數(shù)據(jù)場景實驗室”,進行相應(yīng)的場景化數(shù)據(jù)生產(chǎn)。
在數(shù)據(jù)標(biāo)注行業(yè),特定場景的數(shù)據(jù)在普通的場景下始終是可遇不可求的,比如馬路上的摔倒場景,如果真的調(diào)取某一個特定道路攝像頭的資料,符合“路人摔倒”要求的畫面也許在1000分鐘里都難以捕捉到一次,更不能滿足各種角度、各個時段、不同年齡、著裝、性別的AI模型學(xué)習(xí)要求。面對這種指向明確的需求,云測數(shù)據(jù)可以搭建特定的場景棚,邀請“演員”,模擬不同的形態(tài)進行采集;為了采集不同的情緒在面部五官上的表現(xiàn),云測數(shù)據(jù)甚至還在橫店建立了一個數(shù)據(jù)場景實驗室,專門邀請橫店具有面部表情表現(xiàn)力的群眾演員,為企業(yè)錄制精準(zhǔn)的情緒,以滿足需要識別情緒的場景。據(jù)了解,云測數(shù)據(jù)也是現(xiàn)在市面上唯一采用群演來做人工智能數(shù)據(jù)采集的數(shù)據(jù)服務(wù)商。
正如云測數(shù)據(jù)總經(jīng)理賈宇航所言,云測數(shù)據(jù)的采標(biāo)業(yè)務(wù)正是整個人工智能產(chǎn)業(yè)所迫切需要的,橫店群演的采集只是場景化數(shù)據(jù)的一個縮影。根據(jù)企業(yè)數(shù)據(jù)需求,還原AI應(yīng)用真實場景,這不僅需要深入理解需求,還需要快速構(gòu)建場景。這背后,需要云測數(shù)據(jù)根據(jù)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,運用專業(yè)的軟/硬件設(shè)備,以達到覆蓋盡可能多的實際場景及邊際場景的目的,保證采集數(shù)據(jù)契合算法模型,為人工智能提供高精度的采集數(shù)據(jù),保證算法訓(xùn)練所需數(shù)據(jù)的純凈。
場景化數(shù)據(jù)采集能力是行業(yè)趨勢
從AI應(yīng)用迭代、用戶體驗完善的角度來看,AI應(yīng)用需更貼合具體使用場景的數(shù)據(jù)進行迭代更新?！?020年中國AI數(shù)據(jù)服務(wù)行業(yè)研究報告》中指出,隨著互聯(lián)網(wǎng)技術(shù)發(fā)展,市場AI需求愈發(fā)明顯,同時在經(jīng)濟、政策不斷利好下,AI數(shù)據(jù)服務(wù)行業(yè)市場前景廣闊。優(yōu)秀的AI數(shù)據(jù)服務(wù)商作為人工智能產(chǎn)業(yè)上游的關(guān)鍵,必須要具備三種能力之一就是“對場景數(shù)據(jù)深度還原的采集能力”。
人工智能對數(shù)據(jù)提出的更高要求,展現(xiàn)了在人工智能產(chǎn)業(yè)化落地進程中,數(shù)據(jù)正在發(fā)揮的重要作用。場景化、高精度的數(shù)據(jù)和專業(yè)化、技術(shù)化的數(shù)據(jù)服務(wù),將成為未來3-5年人工智能全速發(fā)展的重要突破口,加速人工智能產(chǎn)業(yè)化落地。
