快訊：數(shù)據(jù)標(biāo)注師 人工智能背后的人工力量

、驅(qū)動(dòng)行業(yè)應(yīng)用、促進(jìn)行業(yè)升級(jí)和迭代。

“比如在手機(jī)玻璃缺陷

、高鐵軌道的缺陷、電網(wǎng)高壓線絕緣子損壞等檢測(cè)工作中，無人機(jī)拍攝畫面后，由人來檢測(cè)，隨著數(shù)據(jù)量增加，機(jī)器得到的訓(xùn)練越來越充分，機(jī)器慢慢可以自動(dòng)檢測(cè)，類似工作可以很大程度上由機(jī)器代勞。”王金橋說，目前人工智能的智能性雖然比較弱，但在各行各業(yè)都會(huì)帶來改變，這是AI推動(dòng)產(chǎn)業(yè)革命的機(jī)會(huì)。

數(shù)據(jù)標(biāo)注需求持續(xù)增加

“現(xiàn)在科研界研究的都是無監(jiān)督

、小樣本的深度學(xué)習(xí)，通過三維合成數(shù)據(jù)，用虛實(shí)結(jié)合的數(shù)據(jù)生成方式來訓(xùn)練機(jī)器，盡量減少數(shù)據(jù)的采集和標(biāo)注，讓機(jī)器自主學(xué)習(xí)、自主進(jìn)化。”王金橋說，但由于缺乏理論上的突破性技術(shù)，所以雖然技術(shù)增長(zhǎng)速度很快，但整體水平還比較低，目前的深度學(xué)習(xí)還是依賴基于統(tǒng)計(jì)意義的大數(shù)據(jù)模型，這要求數(shù)據(jù)足夠多、足夠均衡、基本滿足真實(shí)世界的分布。

因此，標(biāo)注這項(xiàng)工作會(huì)一直存在

。

但王金橋也表示

，隨著無監(jiān)督、小樣本深度學(xué)習(xí)的進(jìn)步，重復(fù)性標(biāo)注的工作量會(huì)越來越少。“機(jī)器的識(shí)別和人一樣，人經(jīng)過幾千年的進(jìn)化