當前,不管是人工智能技術(shu)的(de)(de)研發以及行(xing)業(ye)應(ying)用的(de)(de)發展(zhan),“數據(ju)”都是一(yi)個(ge)不可(ke)或缺、位于重(zhong)中(zhong)之重(zhong)的(de)(de)因素。作為人(ren)(ren)工智(zhi)能(neng)(neng)基(ji)石(shi)的(de)(de)數據(ju),發揮出越來(lai)越重(zhong)要的(de)(de)作用,影響著(zhu)人(ren)(ren)工智(zhi)能(neng)(neng)場景應(ying)用的(de)(de)最終(zhong)效果(guo)。現(xian)階段,在各個(ge)行(xing)業(ye)細分應(ying)用場景的(de)(de)需求下,人(ren)(ren)工智(zhi)能(neng)(neng)對(dui)數據(ju)的(de)(de)還原度、準(zhun)確度提出了更高要求。
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、銀行金融等,這(zhe)些(xie)AI行業(ye)應用場景(jing)逐(zhu)漸趨(qu)于長尾(wei)和碎片(pian)化(hua)(hua),產生了大(da)量細(xi)分專業(ye)化(hua)(hua)的數據(ju)需求。對(dui)于人(ren)工(gong)智(zhi)能(neng)應用來說(shuo),AI數據(ju)的精(jing)準(zhun)度失之(zhi)毫(hao)厘則(ze)差之(zhi)千里(li),而(er)在(zai)人(ren)工(gong)智(zhi)能(neng)應用落(luo)地(di)的過程中,AI數據(ju)精(jing)準(zhun)度的差異會愈發的明顯(xian)。在(zai)這(zhe)里(li)以國內頭部(bu)AI數據(ju)采集標注服(fu)務商云(yun)測數據(ju)為(wei)例,看(kan)看(kan)高質量、場景(jing)化(hua)(hua)、精(jing)準(zhun)化(hua)(hua)AI數據(ju)怎(zen)樣幫助人(ren)工(gong)智(zhi)能(neng)加速商業(ye)化(hua)(hua)、落(luo)地(di)化(hua)(hua)、產業(ye)化(hua)(hua)進程。
以智能駕駛汽車領域為例,AI算(suan)法訓(xun)(xun)練數(shu)(shu)據(ju)(ju)的(de)(de)“數(shu)(shu)量”與“質(zhi)量”非常(chang)重(zhong)要——現實交(jiao)通場(chang)景復(fu)雜、安全(quan)威(wei)脅多,非常(chang)重(zhong)視數(shu)(shu)據(ju)(ju)分析的(de)(de)效(xiao)率和敏捷,尤其是國內(nei)路況的(de)(de)復(fu)雜性和相關智能應用(yong)豐(feng)富(fu)的(de)(de)使用(yong)場(chang)景,更(geng)需要高質(zhi)、更(geng)精準(zhun)的(de)(de)數(shu)(shu)據(ju)(ju)來進行算(suan)法訓(xun)(xun)練。
目前云(yun)測數(shu)據(ju)為智能駕駛企業提供的(de)提供的(de)解決方(fang)案分(fen)三部(bu)分(fen)。一是(shi)基礎數(shu)據(ju)集,二是(shi)定制化數(shu)據(ju)采集和標注服務,三是(shi)包括數(shu)據(ju)采集標注、數(shu)據(ju)管理的(de)全方(fang)位數(shu)據(ju)工具鏈。
“三個(ge)部分對應不同(tong)層階(jie)段(duan)的(de)自(zi)動駕駛落地需求(qiu)。”云(yun)(yun)測數(shu)據(ju)總(zong)經理賈(jia)宇(yu)航在接受媒體采訪時介紹,“第(di)一個(ge)階(jie)段(duan)解決(jue)場(chang)景識(shi)(shi)(shi)別(bie)(bie)等基礎問題的(de)通用數(shu)據(ju),例(li)如車(che)輛識(shi)(shi)(shi)別(bie)(bie)、車(che)道(dao)線(xian)識(shi)(shi)(shi)別(bie)(bie),這個(ge)階(jie)段(duan)涉及(ji)多種傳感器,需要大(da)量布局;第(di)二階(jie)段(duan)基于選定的(de)場(chang)景,根據(ju)深(shen)度(du)(du)神經網絡引入(ru)特定的(de)數(shu)據(ju),云(yun)(yun)測數(shu)據(ju)場(chang)景實驗(yan)室和(he)標注基地有(you)實力滿(man)足相應數(shu)據(ju)的(de)精度(du)(du)和(he)規模;第(di)三階(jie)段(duan)形成(cheng)數(shu)據(ju)閉環,云(yun)(yun)測數(shu)據(ju)可(ke)提供一整套成(cheng)熟工具幫(bang)助(zhu)完(wan)成(cheng)數(shu)據(ju)采集、標注、管理一系列流(liu)程,幫(bang)助(zhu)企業(ye)完(wan)成(cheng)自(zi)身(shen)迭代。”
據了(le)解,云測數據采集(ji)服(fu)務(wu)覆蓋智能(neng)駕(jia)(jia)駛主(zhu)流(liu)應用(yong)場景(jing),擁有(you)DMS與ADAS場景(jing)搭建采集(ji)經驗(yan),比如支持(chi)駕(jia)(jia)駛員信息備采、多(duo)模(mo)及車載語音采集(ji)等眾多(duo)類型(xing)。憑(ping)借(jie)高質量的數據交付實力(li),云測數據已和業內包括自主(zhu)、合資車企,大型(xing)Tier1、Tier2,以及無人出(chu)租(zu)車、自動駕(jia)(jia)駛公(gong)司等眾多(duo)企業,建立了(le)持(chi)久(jiu)良(liang)好的合作關系。
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算法應用,每年都(dou)有數十萬(wan)張(zhang)圖(tu)片的穩定需(xu)(xu)求(qiu)(qiu);語音方面(mian),頭部公(gong)司累計應用的標(biao)注數據集已達百萬(wan)小時以上,每年需(xu)(xu)求(qiu)(qiu)仍以20%-30%的增速上升,不僅(jin)如此,隨著IoT設備的普及,語音交互場景(jing)越(yue)來越(yue)豐富,每年都(dou)有更多的新(xin)增場景(jing)和新(xin)需(xu)(xu)求(qiu)(qiu)方出現,對于標(biao)注數據的需(xu)(xu)求(qiu)(qiu)也(ye)是逐步增長。
隨著人(ren)(ren)工智能落地需(xu)求的(de)(de)(de)(de)場(chang)景和專(zhuan)業化(hua)程(cheng)度的(de)(de)(de)(de)增加,AI訓(xun)(xun)練數據(ju)本(ben)身的(de)(de)(de)(de)復(fu)雜度和種類也(ye)將不(bu)斷提(ti)升,人(ren)(ren)工智能需(xu)要(yao)的(de)(de)(de)(de)將是定制化(hua)、專(zhuan)業化(hua)、精細化(hua)的(de)(de)(de)(de)AI場(chang)景訓(xun)(xun)練數據(ju)產品服務,具(ju)有相關工具(ju)、資源、能力的(de)(de)(de)(de)訓(xun)(xun)練數據(ju)服務商將發揮極大的(de)(de)(de)(de)競爭優勢,成為發揮AI數據(ju)價值(zhi)的(de)(de)(de)(de)“源泉之地”
