“你瞭解人工智能行業嗎?”
10個人中可能有9個人會給出肯定的回答。
“你瞭解數據標註行業嗎?”
10個人中可能有9個人會茫然地搖頭。
與處在聚光燈中心的人工智能科技公司不同，數據標註行業長期處於聚光燈之外的灰色地帶，很長一段時間內都是被邊緣化乃至低視的一個存在。
不過，隨着時代發展帶來需求的改變，數據標註行業也在發生着日新月異的變化，開始從幕後走向前臺。
一.幕後：粗放與混亂交織
數據標註行業裏流傳着這樣的一段話：“有多少智能，就有多少人工”。
這句話在某種程度上道出了人工智能的本質。
事實上，現階段讓AI提升認知世界能力的最有效途徑仍然是監督學習，而目前AI算法能學習的數據，幾乎全部都是通過人力逐一進行標註而得來的。
一張經過數據標註後的圖片(來源：曼孚科技)
需求即意味着市場，據相關機構預測，未來幾年，國內數據服務市場將達上百億。
如此龐大的市場規模，讓很多人都想趁機分一杯羹，於是大大小小的標註團隊如雨後春筍一樣大量出現。
然而，問題也隨之而來。
與人工智能高科技含量不同，數據標註仍屬於勞動密集型產業，且模式通常以外包形式爲主。
標註員每天從事標框、拉點等重複枯燥的工作，勞動力水平參差不齊導致產出的標註數據質量偏低，無法滿足AI企業的需求，影響AI產品商業化落地進程。
與此同時，低端產能過低的技術含量，也使數據標註行業幾乎沒有任何壁壘限制，很多標註團隊隨意拉進來幾個人經過簡單培訓就可以接業務了。
這樣的後果就是行業混亂且競爭加劇，絕大部分標註團隊只能存活於產業鏈最底層，壓價情況嚴重，甚至接不到業務導致生存艱難。
二.前臺：AI對於高質量數據的依賴
人工智能行業內有一個很重要的共識：
數據集質量的高低直接決定最終模型效果的好壞。
換句話說，數據對於模型性能的貢獻是最大的，數據越多越豐富、代表性越強、模型效果越好，算法的健壯性和魯棒性就越強。
隨着AI企業商業化落地進程的加快，越來越多的企業開始意識到標註數據的重要性。
以自動駕駛爲例，目前很多企業都已經生產出自己的無人駕駛汽車樣車，並頻頻出現在公共視野內。
然而，雖然這些樣車在實驗室內表現良好，但距離真正的商用仍然有很遙遠的距離，一個很重要的原因就是真實路況場景與實驗室場景差距過大。
自動駕駛標註場景(來源：曼孚科技)
在實驗室內，只需要少量的道路數據即可滿足實驗的需要，但是到了真實的道路上，無人駕駛汽車將會遇到很多無法預知的情況，在沒有足夠數據支撐的前提下，車載電腦無法做出自己的判斷，導致潛在的風險劇增。
因此，以自動駕駛企業爲代表的衆多AI企業對數據標註行業提出了更高的要求，數據標註行業已然開始處於聚光燈的焦點，從幕後走向了前臺。
三.未來：智能化、精細化、場景化
AI數據是人工智能的重中之重。衆所周知，人工智能的三駕馬車是算法、算力與數據，其中數據是人工智能行業的發展基石。
隨着人工智能行業商業化落地進程的加快，AI數據服務領域泥沙下沉，清泉上涌，行業變革已初露端倪。未來，智能化、精細化、場景化將是數據標註行業的主要發展方向。
智能化，即意味着標註工具AI化。以曼孚科技自研的語音標註工具爲例，AI預標註技術可以自動識別轉寫語音數據，標註員只需要在工具預標註的結果上略作修改即可，這在提升標註效率的同時也減輕了對於人力的依賴。
精細化，即意味對標註數據集質量與細節提出了新的要求。以往數據集的準確率可能達到90%以上即可滿足要求，但隨着AI商業化落地進程的加快，AI企業對於標註數據的質量要求達到了95%，甚至99%以上，同時更加註重細節，比如曼孚科技在進行自動駕駛領域數據標註業務時，項目方會對諸如情緒捕捉、疲勞駕駛等等提出更加細節化的標註需求。
精細化標註能力(來源：曼孚科技)
場景化，即意味數據標註行業要滿足多樣化應用場景標註需求。以計算機視覺領域爲例，目前數據標註可以應用在自動駕駛、無人機、AI教育、工業機器人、新零售、安全防護等場景中。每一個應用場景都有自己的數據類型與具體標註要求，因此極爲考驗數據標註企業的場景化標註能力。
可以預見的是，未來幾年數據標註行業將迎來一場大變革，理念更先進、技術更硬核、服務更專業的AI數據服務企業將會把數據標註行業帶入全新的精細化運營時代。
而未來，相信隨着5G技術的逐步應用，數據與5G的結合將碰撞出更多創新火花，共同托起AI發展的基石。