當前,不管是人工智能技術的(de)(de)(de)研發(fa)以及行業應用的(de)(de)(de)發(fa)展,“數據”都是(shi)一個不可或(huo)缺(que)、位于(yu)重(zhong)中之重(zhong)的(de)(de)(de)因素。作為人工智能(neng)基石的(de)(de)(de)數據,發(fa)揮出越來(lai)越重(zhong)要(yao)的(de)(de)(de)作用,影響著人工智能(neng)場(chang)景應用的(de)(de)(de)最(zui)終效果(guo)。現(xian)階段(duan),在各(ge)個行業細分應用場(chang)景的(de)(de)(de)需(xu)求下,人工智能(neng)對(dui)數據的(de)(de)(de)還原度、準(zhun)確度提出了更高要(yao)求。
從細分結構來看,隨著AI技術的不斷成熟,更多的場景和行業開始嵌入使用AI技術,比如教育、法律、智能駕駛、銀行金融(rong)等,這(zhe)(zhe)些AI行業應(ying)用場(chang)景(jing)逐漸(jian)趨于長尾(wei)和碎片化(hua)(hua),產生了大量(liang)細分專業化(hua)(hua)的(de)數(shu)據(ju)(ju)(ju)(ju)需(xu)求。對于人工(gong)智能(neng)應(ying)用來說,AI數(shu)據(ju)(ju)(ju)(ju)的(de)精(jing)準度失(shi)之毫厘則差(cha)之千里,而(er)在人工(gong)智能(neng)應(ying)用落地的(de)過程中,AI數(shu)據(ju)(ju)(ju)(ju)精(jing)準度的(de)差(cha)異會愈發的(de)明顯。在這(zhe)(zhe)里以國內頭部AI數(shu)據(ju)(ju)(ju)(ju)采集標注服務商云測(ce)數(shu)據(ju)(ju)(ju)(ju)為例,看看高質量(liang)、場(chang)景(jing)化(hua)(hua)、精(jing)準化(hua)(hua)AI數(shu)據(ju)(ju)(ju)(ju)怎(zen)樣(yang)幫助(zhu)人工(gong)智能(neng)加速商業化(hua)(hua)、落地化(hua)(hua)、產業化(hua)(hua)進程。
以智能(neng)駕駛(shi)汽車領域為例(li),AI算法訓(xun)練數據的(de)(de)“數量”與(yu)“質(zhi)(zhi)量”非(fei)常重(zhong)要——現實交(jiao)通場景復(fu)雜、安全威脅多,非(fei)常重(zhong)視數據分(fen)析的(de)(de)效率(lv)和(he)敏捷,尤其是國內路況的(de)(de)復(fu)雜性和(he)相關智能(neng)應用(yong)豐富的(de)(de)使用(yong)場景,更需要高質(zhi)(zhi)、更精準(zhun)的(de)(de)數據來進行算法訓(xun)練。
目前云測數(shu)據(ju)為智能駕(jia)駛(shi)企業提(ti)(ti)供的(de)提(ti)(ti)供的(de)解決方案(an)分三部分。一是基(ji)礎(chu)數(shu)據(ju)集(ji),二(er)是定制化數(shu)據(ju)采(cai)集(ji)和標注(zhu)服務,三是包括數(shu)據(ju)采(cai)集(ji)標注(zhu)、數(shu)據(ju)管理的(de)全方位數(shu)據(ju)工具鏈。
“三個(ge)部分對應不同層階(jie)段的(de)自動駕駛落地需求。”云測(ce)(ce)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)總(zong)經(jing)理(li)賈宇航在接受媒體采(cai)訪時介(jie)紹(shao),“第(di)一(yi)(yi)(yi)個(ge)階(jie)段解決(jue)場(chang)(chang)景識(shi)別(bie)等基礎問題的(de)通(tong)用數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju),例如車輛識(shi)別(bie)、車道(dao)線識(shi)別(bie),這(zhe)個(ge)階(jie)段涉(she)及多(duo)種(zhong)傳感器,需要大(da)量布局;第(di)二階(jie)段基于選定的(de)場(chang)(chang)景,根據(ju)(ju)(ju)(ju)(ju)深度(du)神(shen)經(jing)網(wang)絡引入特定的(de)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju),云測(ce)(ce)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)場(chang)(chang)景實驗室和(he)標(biao)注基地有實力(li)滿足相應數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)的(de)精度(du)和(he)規模;第(di)三階(jie)段形成(cheng)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)閉環(huan),云測(ce)(ce)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)可提供一(yi)(yi)(yi)整(zheng)套成(cheng)熟工(gong)具幫(bang)(bang)助完成(cheng)數(shu)(shu)(shu)據(ju)(ju)(ju)(ju)(ju)采(cai)集(ji)、標(biao)注、管理(li)一(yi)(yi)(yi)系列流程,幫(bang)(bang)助企業完成(cheng)自身迭代。”
據了解,云(yun)測(ce)(ce)數據采(cai)(cai)集(ji)服務覆蓋(gai)智(zhi)能(neng)駕駛主流應用(yong)場(chang)景,擁有DMS與ADAS場(chang)景搭建采(cai)(cai)集(ji)經驗,比(bi)如支持駕駛員信(xin)息備采(cai)(cai)、多模(mo)及車載語音采(cai)(cai)集(ji)等(deng)眾(zhong)多類型(xing)。憑借高質(zhi)量的數據交(jiao)付實(shi)力,云(yun)測(ce)(ce)數據已和業內(nei)包(bao)括自主、合資車企,大型(xing)Tier1、Tier2,以(yi)及無人出租(zu)車、自動駕駛公(gong)司等(deng)眾(zhong)多企業,建立(li)了持久良(liang)好的合作關(guan)系(xi)。
根據iResearch發布的《2020年中國AI基礎數據服務行業發展報告》:一個新研發的計算機視覺算法需要上萬張到數十萬張不等的標注圖片訓練;一個用于智慧城市的(de)(de)算法應(ying)用,每年都有數十(shi)萬(wan)(wan)張圖片的(de)(de)穩定需求(qiu);語音(yin)方面,頭部公司累計應(ying)用的(de)(de)標注數據集已達百萬(wan)(wan)小時以(yi)(yi)上(shang),每年需求(qiu)仍(reng)以(yi)(yi)20%-30%的(de)(de)增速上(shang)升,不(bu)僅如此,隨著IoT設備的(de)(de)普及,語音(yin)交(jiao)互場(chang)景越來越豐富,每年都有更(geng)多的(de)(de)新增場(chang)景和新需求(qiu)方出現,對于標注數據的(de)(de)需求(qiu)也是逐步(bu)增長。
隨著人工(gong)智(zhi)(zhi)能(neng)落(luo)地(di)需求(qiu)的(de)(de)(de)場景和專(zhuan)業(ye)化程度(du)的(de)(de)(de)增加,AI訓練數據本身的(de)(de)(de)復(fu)雜(za)度(du)和種(zhong)類也將不斷提(ti)升,人工(gong)智(zhi)(zhi)能(neng)需要的(de)(de)(de)將是定制化、專(zhuan)業(ye)化、精細化的(de)(de)(de)AI場景訓練數據產品服務(wu),具(ju)(ju)有(you)相(xiang)關工(gong)具(ju)(ju)、資源、能(neng)力的(de)(de)(de)訓練數據服務(wu)商將發(fa)揮極大的(de)(de)(de)競爭優(you)勢,成為(wei)發(fa)揮AI數據價值的(de)(de)(de)“源泉(quan)之地(di)”
