人工智能技術(shù)已經(jīng)從理論走向市場，滲透到千千萬萬的行業(yè)之中。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(xì)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。那么，怎樣的“數(shù)據(jù)”才最符合人工智能越來越精細(xì)化的場景落地需求？

細(xì)分場景數(shù)據(jù)的缺失

舉個例子，根據(jù)佐治亞理工學(xué)院的一項(xiàng)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(zhǔn)確率平均會低5%。

結(jié)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(shù)角度來看，計算機(jī)視覺是通過RGB或RGBD識別人（物體）的信息，黑色或深色的RGB整體數(shù)值偏小，是最難被識別的。在實(shí)際情況中，算法在訓(xùn)練時由于欠缺黑色及深色的細(xì)分場景數(shù)據(jù)，由此導(dǎo)致算法模型不夠精確，最終技術(shù)在實(shí)際落地應(yīng)用時出現(xiàn)差錯。

其實(shí)，不僅是圖像識別，各個行業(yè)領(lǐng)域?qū)鼍盎瘮?shù)據(jù)的需求也十分迫切。AI在各種各樣垂直領(lǐng)域進(jìn)行落地，比如說教育、法律、智能駕駛、銀行金融等，每個領(lǐng)域都有細(xì)分專業(yè)化的要求。比如道路安防攝像頭，攝像頭中囊括行人、機(jī)動車、自行車數(shù)據(jù)，卻唯獨(dú)缺少行人跌倒數(shù)據(jù);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)。

云測數(shù)據(jù)的場景化數(shù)據(jù)采集實(shí)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(jìn)一步擴(kuò)大，未來，場景數(shù)據(jù)將擁有更廣闊的增量空間，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。以數(shù)據(jù)采集標(biāo)注頭部企業(yè)——云測數(shù)據(jù)為例，為進(jìn)一步滿足場景化數(shù)據(jù)的需求，首創(chuàng)了“數(shù)據(jù)場景實(shí)驗(yàn)室”進(jìn)行相應(yīng)的場景化數(shù)據(jù)生產(chǎn)。

以多角度多姿態(tài)的動作采集為例，云測數(shù)據(jù)總經(jīng)理賈宇航表示，云測數(shù)據(jù)專門在橫店建了一個數(shù)據(jù)采集基地，根據(jù)項(xiàng)目需求，進(jìn)行特定動作和表情的捕捉。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。目前，云測數(shù)據(jù)深度合作伙伴覆蓋了汽車、手機(jī)、工業(yè)、家居、金融、安防、教育、新零售、地產(chǎn)、生態(tài)系統(tǒng)等行業(yè)。其中包含眾多世界500強(qiáng)企業(yè)、高校科研機(jī)構(gòu)、政府機(jī)構(gòu)，頭部AI企業(yè)和大型互聯(lián)網(wǎng)企業(yè)覆蓋率超90% ，涵蓋了計算機(jī)視覺、語音識別、自然語言處理、知識圖譜等AI主流技術(shù)領(lǐng)域。

正如賈宇航所言，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(shí)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(xiàng)目經(jīng)驗(yàn)及實(shí)地調(diào)查來明確需求，此后再細(xì)化、優(yōu)化需求，運(yùn)用專業(yè)的軟/硬件設(shè)備，以達(dá)到覆蓋盡可能多的實(shí)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。

精耕細(xì)作是行業(yè)趨勢

當(dāng)然，這些不僅是有趣或者單一客戶需求所驅(qū)動的成果，而是整個AI數(shù)據(jù)服務(wù)行業(yè)從粗放的勞動密集型時代走向精耕細(xì)作所必須的過程。

從細(xì)分結(jié)構(gòu)來看，隨著人工智能技術(shù)的不斷成熟，更多的場景和行業(yè)開始嵌入使用人工智能技術(shù)，AI行業(yè)應(yīng)用場景逐漸趨于長尾和碎片化，產(chǎn)生了大量新興垂直領(lǐng)域的數(shù)據(jù)需求，如疫情期間的口罩識別應(yīng)用等;同時，從AI應(yīng)用迭代、用戶體驗(yàn)完善的角度來看，AI應(yīng)用需要更加貼合具體使用場景的數(shù)據(jù)進(jìn)行迭代更新。

《2020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(jì)、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，必須至少具備三種能力：對場景數(shù)據(jù)深度還原的采集能力、高精確度的標(biāo)注能力、領(lǐng)先的標(biāo)注平臺技術(shù)能力。

場景數(shù)據(jù)深度還原的采集能力決定著最終AI產(chǎn)品是否貼合使用場景乃至產(chǎn)品生命周期，高精確度的標(biāo)注能力影響著最終AI應(yīng)用的用戶體驗(yàn)，標(biāo)注平臺技術(shù)能力則影響著數(shù)據(jù)生產(chǎn)的效率、質(zhì)檢等方方面面。在這幾點(diǎn)上，云測數(shù)據(jù)已經(jīng)準(zhǔn)備好，運(yùn)用更專業(yè)、更高質(zhì)、更大的實(shí)力規(guī)模，幫助現(xiàn)代企業(yè)從AI數(shù)據(jù)開始，一起開啟人工智能化的浪潮。
責(zé)任編輯：YYX