人工智能會取代你的工作嗎？

　　站在2022年的當下，大部分人給出的回答是——不會。事實上，AI產(chǎn)業(yè)的蓬勃發(fā)展，正在創(chuàng)造更多工作崗位。

　　AI產(chǎn)業(yè)的工作機會不僅僅局限于工程師崗位。如今，從城市到鄉(xiāng)村，從學生到上班族，越來越多人開始將AI數(shù)據(jù)標注員作為一項兼職工作，為AI模型添磚加瓦。

　　但在AI數(shù)據(jù)標注領域，服務于數(shù)據(jù)標注的平臺、工具卻一直不夠豐富。特別是可供中小企業(yè)、個人開發(fā)者使用的開源、免費的標注工具，更是少之又少。

　　如今，越來越多的AI開發(fā)者注意到了這一問題，并開始改變這一現(xiàn)狀。為了滿足以上需求，LabelFree數(shù)據(jù)標注平臺目前發(fā)布了最新版本，提供高效的標注能力，并原生對接YMIR開源AI模型生產(chǎn)平臺，提供了一站式的AI解決方案。這些低門檻的AI數(shù)據(jù)標注解決方案，或將在未來進一步加速AI的普及。

　　數(shù)據(jù)標注平臺，能做到既便宜又好用嗎？

　　在AI產(chǎn)業(yè)，數(shù)據(jù)，意味著什么？

　　數(shù)據(jù)，是AI生產(chǎn)的基座。一個AI模型從誕生到完善，直至應用于產(chǎn)品，實現(xiàn)商業(yè)化落地，需要大量數(shù)據(jù)的喂養(yǎng)。而在這一過程中，數(shù)據(jù)標注給AI模型提供了學習數(shù)據(jù)的重要基礎，是AI從“人工”到“智能”的第一步。

　　在AI產(chǎn)業(yè)鏈條中，數(shù)據(jù)標注平臺基本可劃分為四類：

　　其一，是大型企業(yè)開發(fā)的數(shù)據(jù)標注平臺，大多服務于企業(yè)內部的AI項目，不會對外開放。

　　其二，是SaaS類的數(shù)據(jù)標注解決方案，企業(yè)及個人開發(fā)者可付費使用。這類服務的優(yōu)勢是無需部署，可以直接使用；而劣勢則是不支持本地化部署，可能存在數(shù)據(jù)合規(guī)風險，且大多不支持定制及二次開發(fā)。

　　其三，是直接將數(shù)據(jù)標注服務交給外包服務商，通過服務商的團隊完成數(shù)據(jù)標注工作。其優(yōu)勢在于省心省力，而劣勢也十分明顯：數(shù)據(jù)安全、交付速度、標注質量均不可控。特別是一些具有一定專業(yè)性的標注工作，如醫(yī)學影像類標注，更是考驗數(shù)據(jù)標注服務商的專業(yè)能力。

　　最后，是開源的數(shù)據(jù)標注平臺。與前幾者相比，開源方案的使用門檻更低，且支持二次開發(fā)，并支持本地化部署。但與此同時，市面上的開源數(shù)據(jù)標注平臺數(shù)量有限，且許多產(chǎn)品在標注員使用、項目管理方面均存在流程復雜、效率低的問題。因此，開源解決方案始終未能成為行業(yè)主流。

　　綜上所述，在數(shù)據(jù)標注的工具選擇上，AI開發(fā)者度的需求其實十分清晰：低成本使用，最好是開源項目，或支持免費授權；支持定制或二次開發(fā)；可以本地化部署，滿足數(shù)據(jù)可控需求；標注、項目管理流程簡便；最后，最好可以與MLOps平臺緊密結合，更快、更好地開發(fā)、測試及部署模型。

　　為了滿足以上需求，開源AI模型生產(chǎn)平臺項目YMIR在日前上線了數(shù)據(jù)標注平臺——LabelFree，希望通過免費、可定制、支持本地部署的解決方案，提升數(shù)據(jù)標注平臺的易用性。

　　YMIR的定位是“一站式AI模型生產(chǎn)和部署平臺”，其簡化了AI模型的訓練流程，支持以無代碼開發(fā)的模式，實現(xiàn)數(shù)據(jù)管理、數(shù)據(jù)挖掘、模型訓練、模型驗證等功能。而LabelFree支持與YMIR平臺無縫銜接，用戶可以在YMIR平臺選擇數(shù)據(jù)集后直接跳轉至LabelFree進行標注，圖片的標注信息會同步至YMIR，標注完成后的數(shù)據(jù)集可以直接用來在YMIR平臺進行模型訓練。在后續(xù)模型迭代的過程中，用戶也可以在YMIR和LabelFree之間快速切換，通過挖掘、標注和重訓練的多次循環(huán)，獲得滿意的模型。

　　YMIR GitHub頁面

　　今年5月，YMIR在GitHub上線。公開資料顯示，其核心發(fā)起人包括云天勵飛首席科學家，IEEEFellow王孝宇；美國硅谷NEC實驗室媒體分析部主管，印裔科學家ManmohanChandraker；前谷歌、亞馬遜、Snap機器學習研究員，硅谷初創(chuàng)公司Heali聯(lián)合創(chuàng)始人、首席AI官，法裔科學家WilliamBrendel等。

　　事實上，YMIR的許多特性，如一站式服務、開放式設計、免費使用等等，都在LabelFree上得以體現(xiàn)。LabelFree提供的低門檻、優(yōu)體驗的數(shù)據(jù)標注服務，也契合了YMIR的開發(fā)理念——通過開源AI系統(tǒng)能力，讓每一家企業(yè)都能擁抱AI，加速AI產(chǎn)業(yè)化、平民化。

　　專注視覺信息標注，LabelFree有何不一樣？

　　與市面上的大部分數(shù)據(jù)標注平臺相比，LabelFree的優(yōu)勢是什么？

　　在產(chǎn)品定位方面，大部分AI數(shù)據(jù)標注平臺都會同時支持視覺、語音、文本類數(shù)據(jù)標注，而LabelFree則不追求大而全，而是聚焦于計算機視覺領域。事實上，這也是AI數(shù)據(jù)領域最大的數(shù)據(jù)板塊。根據(jù)艾瑞咨詢發(fā)布的《中國AI基礎數(shù)據(jù)服務行業(yè)發(fā)展報告》，中國AI基礎數(shù)據(jù)服務行業(yè)市場中，圖像類數(shù)據(jù)需求占比為49.7%，遠高于其他類型數(shù)據(jù)。

　　對于專精于計算機視覺領域的原因，LabelFree工程師給出的答案是——LabelFree專注于計算機視覺數(shù)據(jù)的標注，希望依托于頂尖的AI算法團隊、成熟的數(shù)據(jù)標注體系、大規(guī)模算法落地經(jīng)驗提供最低成本、最高效率的數(shù)據(jù)標注能力，讓LabelFree的數(shù)據(jù)標注能力躋身行業(yè)第一梯隊。

　　在圖像分割技術上，LabelFree集成了輔助分割算法。在傳統(tǒng)的標注模式下，標注員需要手動點擊錨點，將被標注物從圖片中分割出來；引入輔助分割算法后，標注員只需點擊標注物，系統(tǒng)會自動將標注物分割，標注員只需要對錨點進行微調，即可完成標注。圖像分割等技術的加入，提升了標注員在LabelFree平臺的標注效率，從而降低AI開發(fā)成本。

　　事實上，目前市面上的大部分數(shù)據(jù)標注平臺，在產(chǎn)品設計上更傾向于管理者視角，鮮少關注數(shù)據(jù)標注員的使用體驗。在英文世界中，AI數(shù)據(jù)標注員常常被媒體稱為“幽靈工人”(ghostworker)，他們大多以兼職或遠程辦公的身份進行工作，是AI時代中常常被忽視的“看不見的人”。

　　因此，在AI時代，數(shù)據(jù)標注員的話語權是缺失的。此外，計件而非計時的計薪模式，也讓許多數(shù)據(jù)標注平臺沒有動力在產(chǎn)品層面優(yōu)化標注員的標注效率。

　　而LabelFree開發(fā)團隊針對數(shù)據(jù)標注員群體開展了大量調研工作，以優(yōu)化標注員的使用體驗，幫助他們減輕工作壓力，提升工作效率。例如，在圖像復雜、目標眾多的目標檢測場景中，標注員對目標的標簽設置存在大量重復操作，為此，LabelFree特別設計了“無限模式“，讓標注員可以快捷地對某一類型連續(xù)操作，達到最高的生成效率。

　　與此同時，針對數(shù)據(jù)標注效率，LabelFree也完善了多人標注協(xié)作體驗，并原生支持分布式對象存儲，以解決海量標注數(shù)據(jù)的存儲問題，降低存儲成本，提升數(shù)據(jù)安全。

　　在提升數(shù)據(jù)標注效率的同時，LabelFree與YMIR的無縫銜接也簡化了AI模型的訓練流程。在LabelFree平臺上完成標注后，AI工程師可以直接在YMIR上進行模型訓練，檢驗模型訓練成果，并將新的模型在LabelFree上進行預標注，同時提升數(shù)據(jù)標注與模型訓練的工作流效率。

　　Label Free使用文檔

　　此外，最重要的是，LabelFree支持本地化、私有化部署，用戶可以在以私有化的形式安裝LabelFree，將數(shù)據(jù)留存在可控范圍內，在保證數(shù)據(jù)安全的前提下完成數(shù)據(jù)標注流程。而這一特性，對于醫(yī)院、學校等信息敏感類客戶而言至關重要。

　　在商業(yè)化方面，LabelFree提供數(shù)據(jù)標注解決方案、定制化開發(fā)、技術支持，以滿足專業(yè)商業(yè)客戶的需求。此外，有AI需求的客戶可以在算法商城模塊上試用現(xiàn)有的算法方案，結合自身數(shù)據(jù)完善自己的AI模型。

　　提煉「數(shù)據(jù)石油」——AI數(shù)據(jù)服務市場迅速成長

　　未來，AI數(shù)據(jù)服務行業(yè)將駛向何方？

　　早在2017年，《經(jīng)濟學人》雜志就曾發(fā)表封面文章，提出了“數(shù)據(jù)石油”的概念——“世界上最有價值的資源不再是石油，而是數(shù)據(jù)”。與石油類似，數(shù)據(jù)本身價值有限，只有經(jīng)過“提煉”之后，才能爆發(fā)出巨大的價值。

　　而數(shù)據(jù)標注平臺則成為了“提煉數(shù)據(jù)石油”的關鍵。一方面，越來越好用的數(shù)據(jù)標注平臺，完善了AI產(chǎn)業(yè)的基礎設施，從而帶動更多開發(fā)者及企業(yè)加入到AI產(chǎn)業(yè)，也可以做大AI數(shù)據(jù)標注員的就業(yè)市場，創(chuàng)造更多就業(yè)崗位。

　　2020年2月，人力資源社會保障部聯(lián)合多部門發(fā)布通知，正式將“人工智能訓練師”列為新職業(yè)，并納入國家職業(yè)分類目錄。這意味著AI數(shù)據(jù)標注員這一職業(yè)獲得了國家層面的認可。

　　而另一方面，以數(shù)據(jù)標注、處理為代表的AI基礎數(shù)據(jù)服務市場，仍處于高速增長之中。這意味著，數(shù)據(jù)標注平臺、數(shù)據(jù)采集服務等AI基礎數(shù)據(jù)服務，在未來存在著巨大的增長空間。

　　艾瑞咨詢的數(shù)據(jù)顯示，包括數(shù)據(jù)采集、數(shù)據(jù)處理(標注)、數(shù)據(jù)存儲、數(shù)據(jù)挖掘等模塊在內的AI基礎數(shù)據(jù)服務市場，將在未來數(shù)年內持續(xù)增長，到2025年，國內AI基礎數(shù)據(jù)服務市場的整體規(guī)模預計將達到101.1億元，整體市場增速將達到31.8%(2024-2025年)。

　　AI數(shù)據(jù)基礎設施的不斷完善，將會推動更多數(shù)據(jù)流動起來，投入到AI模型訓練的應用之中，并緩解困擾行業(yè)已久的“數(shù)據(jù)煙囪”問題。在大數(shù)據(jù)時代，挖掘數(shù)據(jù)價值比以往任何時刻都更重要，正如“大數(shù)據(jù)之父”、牛津大學舍恩伯格在《大數(shù)據(jù)時代》一書所言：“在大數(shù)據(jù)時代，我們不必非得知道現(xiàn)象背后的原因，而是要讓數(shù)據(jù)自己‘發(fā)聲’?！?/p>

免責聲明：以上內容為本網(wǎng)站轉自其它媒體，相關信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點，亦不代表本網(wǎng)站贊同其觀點或證實其內容的真實性。如稿件版權單位或個人不想在本網(wǎng)發(fā)布，可與本網(wǎng)聯(lián)系，本網(wǎng)視情況可立即將其撤除。