AI产品经理之数据标注

前几天参加京东的AI技能沙龙，在提问环节，有个小伙说：

“我是做发卖的，刚才您讲的我都没听懂，我就知道，现在AI是风口，只要做AI干系的就能挣钱，您能说几个现在我们这类人能做到吗？能挣钱就行！
”

台上技能出身的老师自然一时语塞。
小伙说的没错，百团大战的时候确实一批刷单公司赚得盆满钵满。
但是这些投契取巧注定不能长远。

让更多人卷进这次AI浪潮的可能便是数据标注了，All in AI的百度拥有大量的标注业务，大部分河南标注工厂用的是百度的标注工具，干的是百度的活。
开始的时候标注的利润空间可以达到60%—70%。
有些企业盲目扩展，一下子招了几百人；但是陆奇离开后，百度需求减少。
准确率又普遍提高至95%-96%，活难干了。
这些工厂只会百度的标注工具，很难接别家的业务，因此去世了一批。

现在来看标注行业是一个苦行业，“如果你和谁有仇，就劝他干标注吧。
”这是标注圈有名的段子。
干标注就像将水倒进一个水桶里，每拉一个框便是添一碗水。
目前，谁也不知道还能添多久，只有水溢出来时，才知道。

数据是AI公司的必需品。
数据对付AI模型的主要性尤为主要，AI建模没有门槛，数据才是门槛。
现阶段的人工智能是大略的认知智能。
分类器的布局是个数学问题，便是由数据堆起来的。
或者说深度学习实质上是个数学问题，是由大量的样本空间数据反向布局分类器的系数空间的过程。

数据标注模型

数据标注业务的配置是一个繁芜的数学模型。
比如，有些任务须要串并联的事情流，并联的事情流是多人协同的事情。
串联的事情流是后一个结果是基于前一个结果进行处理的，串并联的事情流须要平台来实现业务事情流的配置。
比如一些NLP型的文本标注作业，须要多个人来标，末了N选一或者投票。
串并联配置涉及到底层数据流的分发等。
或者说更像是一个流水线作业流程。

不断地用标注后的数据去演习模型，不断调度模型参数，得到指标数值更高的模型。

数据的质量直接会影响到模型的质量，因此数据标注流程设计和监督纠错就显得非常主要。

一样平常来说，数据标注部分可以有三个角色：

数据标注员：标注员卖力标记数据。
（文本、图像、视频）数据审核员：审核员卖力审核被标记数据的质量。
（抽检）标注管理员：管理职员、发放任务、跟进流程。

只有在数据被审核员审核通过后，这批数据才能入库利用。

一样平常众包数据标记流程

任务分配：一样平常数据分配由后台自动分发，根据用户选择标注类型每次分发几条内容，标注完成后再次分发。
复核入库：一样平常一条任务会分配给大于三个人的基数职员完成，根据少数服从多数原则确定该条数据的终极标签。
质量验收：一样平常会根据用户标注总数量和入库数量打算该用户的标注质量，和打算有效标注数量，质量高的和质量低的薪酬打算方法会有差别，以此来淘汰不能完成高质量标注的职员。

数据标注类型图像标注-线标注

根据需求标注检测工具相对应的线型位置，例如：车道线。

图像标注-边框标注

标注检测工具相对应的区域，例如：汽车/行人等各种物体。

图像标注-3D边框标注

将图像中待检测物体以立体形式标注，例如汽车检测。

图像标注-语义分隔

根据检测区域不同，将图像标注为不同的像素，例如来自汽车拍摄的图像。

图像标注-多边形标注

根据需求标注检测工具的形状，例如：标注图像中的汽车轮廓（示例图）或标记污损边界。

图像标注-点标注

根据需求标注检测工具参考点的像素坐标，或者图像中的关键点标记，如人脸。

图像标注-3D点云标注

在3D空间中，标注点云数据中指定的检测工具，如汽车、行车道等。

视频标注-跟踪标注

在视频或者连续的图像中跟踪标注检测工具，形成有ID关联的运动轨迹。

文本标注-中英文语音转写与校正

英文语音转中文文本，或中文文本转英文语音。

文本标注

实体命名，标注文本中的实体。

语音标注-客服语音标注

外呼机器人进行外呼记录语音标注呼叫成功或者失落败，从而演习话术。

标注流程需求确认：对标注任务需求确认，标注数据集准备完成，规范标注需求，指定标注模型。
职员筛选：确定标注职员及职员角色职员培训：针对不同角色培训标注规范和标注标准开始试标：先标注少量数据，试用标注数据，调度标注流程，使得效率最优。
正式标注：完成整体标注任务。
导出数据。

总结

快速、高效的进行数据标注，是机器学习和深度学习的根本，现在一些标注工具通过深度学习模型和主动学习技能，通过NLP模型来提高标注效率，集数据标注、数据管理、模型演习和模型做事于一体，使数据标注更加轻松、更高效。
离AI最近的重复繁芜的事情，是首先会被机器取代的。

#干系阅读#

《AI产品经理须要理解的概率论通识：4个观点3个问题》

《AI产品经理须要理解的线性代数通识》

《AI产品经理须要理解的微积分通识》

作者：老张，宜信集团保险奇迹部智能保险产品卖力人，运营智囊同盟创始人之一，《运营实战手册》作者之一。

本文由 @老张 原创发布于大家都是产品经理。
未经容许，禁止转载。

题图来自Unsplash，基于 CC0 协议。