天下贏家資訊看點：NLP到了“數據為王”的時代體育·APP,??四象生五行??現(xiàn)在下載安裝,周周送518。MW是由一群資深專業(yè)的捕魚遊戲團(tuán)隊(duì)研發(fā)的捕魚遊戲平臺(tái)。不但有頂尖的技術(shù)支持，還擁有令人驚歎的視覺界麵及高效的用戶體驗(yàn)！
相關(guān)推薦：
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.
例如,在訂機(jī)票這個(gè)看似簡單的AI對(duì)話場景中,想訂票的人會(huì)有多種表達(dá),“有去上海的航班麼”,“要出差,幫我查下機(jī)票”,“查下航班,下周二出發(fā)去上?！薄匀徽Z言有無窮多的組合表現(xiàn)出這個(gè)意圖,AI要“認(rèn)得”它們,就需要大量高質(zhì)量的數(shù)據(jù)的訓(xùn)練。
另一個(gè)因素,是AI數(shù)據(jù)的價(jià)值整體上由“飼料”到“奶粉”,對(duì)NLP而言這更有挑戰(zhàn)。上百個(gè)子類,資訊根據(jù)業(yè)務(wù)需求可能還會(huì)有進(jìn)一步的標(biāo)注細(xì)分,如此數(shù)據(jù)標(biāo)注可以更細(xì)化、理解清楚場景化要求再分發(fā)盡量具體的看點(diǎn)規(guī)範(fàn)指導(dǎo)(同樣一句話在不同交流目的中可能需要標(biāo)注不同的內(nèi)容,例如“我沒錢”在信貸服務(wù)中意味著潛在客戶,在理財(cái)服務(wù)中則表達(dá)拒絕的態(tài)度)。
但是,正如雲(yún)測數(shù)據(jù)總經(jīng)理賈宇航所言,“圖像采標(biāo)有很強(qiáng)的規(guī)則性,按照規(guī)範(fàn)化的指導(dǎo)文檔工作即可,但NLP數(shù)據(jù)對(duì)應(yīng)的是語言的豐富性,需要結(jié)合上下文等背景去理解和處理。
大部分算法在擁有足夠多常規(guī)標(biāo)注數(shù)據(jù)的情況下,能夠?qū)⒆R(shí)別準(zhǔn)確率提升到95%,而商業(yè)化落地的需求現(xiàn)在顯然不止於此,精細(xì)化、前沿技術(shù)開發(fā)、天下
眾包模式(在公開平臺(tái)發(fā)布任務(wù),自由申領(lǐng))是曾經(jīng)的AI數(shù)據(jù)產(chǎn)業(yè)主流,擁有數(shù)據(jù)豐富性和多樣性的優(yōu)勢,不過數(shù)據(jù)質(zhì)量比較難以把控。高效率,看點(diǎn)都依賴管理流程的優(yōu)化,以雲(yún)測數(shù)據(jù)為例,具體做法包括這幾個(gè)大方向:
標(biāo)注、場景化、到的時(shí)代
總而言之,高專業(yè)度、
事實(shí)上,CV的“感知”需求使得“體力活”可能就能夠勝任大多數(shù)據(jù)生產(chǎn)工作(誰不認(rèn)識(shí)一輛車、
一個(gè)典型的表現(xiàn)是,高精確度的NLP數(shù)據(jù)需要以企業(yè)服務(wù)的心態(tài)與客戶仔細(xì)對(duì)接需求,例如,用戶需求的場景是什麼,如果是訂票,AI問答應(yīng)該主要導(dǎo)向訂票,對(duì)應(yīng)的NLP數(shù)據(jù)也要往這個(gè)方向去標(biāo)注。
另一方麵,這繞不開人員能力的持續(xù)培訓(xùn),把“幹體力”的標(biāo)注工人轉(zhuǎn)化成懂一些專業(yè)的業(yè)務(wù)人員,典型的如雲(yún)測數(shù)據(jù)在金融服務(wù)領(lǐng)域通過幾個(gè)月的專業(yè)培訓(xùn),培養(yǎng)出銷售人員視角去揣測用戶話語中的意圖。辦公、到的時(shí)代律師等參與標(biāo)注),那是一個(gè)更複雜的故事了。
在數(shù)據(jù)“坐莊”NLP的大背景下,空出了大量的商業(yè)機(jī)會(huì),而客觀上的高要求阻卻了大量低門檻入場的玩家,NLP數(shù)據(jù)相對(duì)於CV更像一個(gè)藍(lán)海。
龐大的前景下,數(shù)據(jù)采集與標(biāo)注也可以分NLP(自然語音處理)、具體到NLP,在數(shù)據(jù)采集上滿足特定人物(老人、針對(duì)特定需求更強(qiáng)的NLP標(biāo)注數(shù)據(jù)。婦女、一個(gè)人呢),而“認(rèn)知”的NLP數(shù)據(jù)要突圍,隻是“體力活”早已經(jīng)不夠。提醒改進(jìn)。華北擁有自建標(biāo)注基地,這種玩法顯然更適合匹配客單價(jià)更高的場景化、
在數(shù)據(jù)采集與標(biāo)注行業(yè),複製一份數(shù)據(jù)在技術(shù)上非常簡單,也能節(jié)省大量的人力和運(yùn)營成本,但給客戶帶來的損失卻不小(尤其是被競爭對(duì)手拿到),保證數(shù)據(jù)隱私性和安全性,在AI激烈的競爭環(huán)境下幾乎成為某些客戶的首要決策標(biāo)準(zhǔn)。強(qiáng)安全才能贏得AI數(shù)據(jù)客戶尤其是NLP數(shù)據(jù)客戶的選擇,不論巨頭還是AI數(shù)據(jù)專業(yè)化平臺(tái)在行業(yè)爆發(fā)式增長的關(guān)口都在努力,落實(shí)和推進(jìn)了諸多動(dòng)作。定製化需求,NLP是典型。
舉例來看,在客服溝通中,用戶回饋“我在開車”這短短的一個(gè)語料數(shù)據(jù),可能需要標(biāo)記出“有車一族”、
根據(jù)2018年智研發(fā)布的《2019-2025年中國數(shù)據(jù)標(biāo)注與審核行業(yè)市場專項(xiàng)分析研究及投資前景預(yù)測報(bào)告》,2018年該行業(yè)市場規(guī)模已達(dá)到52.55億元,2020年市場規(guī)模有望突破百億。
不同方言的聲音/文本數(shù)據(jù)采集;在數(shù)據(jù)標(biāo)注上進(jìn)行需求的對(duì)接、算法和算力“輪流坐莊”,NLP到了“數(shù)據(jù)為王”的時(shí)代
芯片製程以及大規(guī)模並聯(lián)計(jì)算技術(shù)的發(fā)展,使得算力快速提升後,AI能力的提升主要集中到了算法和數(shù)據(jù)上(算力提升當(dāng)然還有價(jià)值,隻是相對(duì)價(jià)值那麼明顯了,例如不可能對(duì)一個(gè)物聯(lián)網(wǎng)終端設(shè)備有太多的算力設(shè)定要求)。周會(huì)、
例會(huì)製度:如同精細(xì)化管理的製造業(yè)一樣,早會(huì)、
無論是從平臺(tái)接取任務(wù)的眾包團(tuán)隊(duì),還是直接對(duì)接需求方的定製化服務(wù)平臺(tái),至少,草臺(tái)班子式的做法已經(jīng)不適合NLP對(duì)數(shù)據(jù)的要求。
一個(gè)因素,是NLP本身相對(duì)CV在AI數(shù)據(jù)方麵的要求就更複雜。
高精準(zhǔn)度、
這方麵,巨頭的腳步更早,在國外,Google Fluid Annotation一度是NLP標(biāo)注“最好使”的工具,國內(nèi),大廠和專業(yè)平臺(tái)的工具也被廣泛使用,雲(yún)測數(shù)據(jù)在工具上的創(chuàng)新優(yōu)勢很明顯。
總體而言,標(biāo)注工具適合自己的才是最好的。
2、曠視這種明星企業(yè),也出現(xiàn)了榜單內(nèi)唯一的AI數(shù)據(jù)服務(wù)商雲(yún)測數(shù)據(jù),這顯示AI數(shù)據(jù)正在進(jìn)入“主流圈”,在藍(lán)海中嚐試跑出獨(dú)角獸企業(yè)。CV(計(jì)算機(jī)視覺)等幾個(gè)部分,隨著數(shù)據(jù)需求量的增大、
由於深度學(xué)習(xí)的研究方向,人力密集型的數(shù)據(jù)標(biāo)注工作是推進(jìn)人工智能技術(shù)落地的重要環(huán)節(jié)之一。
天下贏家資訊看點(diǎn)了解到工作人員齊整坐好,每個(gè)人都對(duì)著電腦全神貫注,一件又一件的“東西”在眼前劃過,經(jīng)過標(biāo)準(zhǔn)化處理就轉(zhuǎn)到下一流程……這實(shí)際上是人工智能行業(yè)裏的數(shù)據(jù)標(biāo)注辦公區(qū)一角。預(yù)判甚至提前給出建議,與客戶反複溝通確認(rèn)達(dá)成一致後,才能真正地去作業(yè)。提高銷售轉(zhuǎn)化或者服務(wù)滿意度,都需要質(zhì)量更高、語音、以AI數(shù)據(jù)服務(wù)領(lǐng)域?yàn)槔?像雲(yún)測數(shù)據(jù)這種專注於企業(yè)服務(wù)的第三方獨(dú)立平臺(tái),以客戶為中心的企業(yè)基因,一直貫穿在數(shù)據(jù)交付的始終。
NLP數(shù)據(jù)產(chǎn)業(yè)的機(jī)會(huì),將會(huì)是誰坐莊?
在AI領(lǐng)域,雖然有大廠走在前列,但市場並沒有被巨頭壟斷,中型AI平臺(tái)也常常嶄露頭角成為主角。
值得一提的是,在NLP領(lǐng)域不是所有標(biāo)注都能通過人員培訓(xùn)來解決,醫(yī)療、
由此,我們再來理解商業(yè)機(jī)會(huì)。天下贏家資訊看點(diǎn)：NLP到了“數(shù)據(jù)為王”的時(shí)代 編輯：中國體育新聞網(wǎng) 來源：網(wǎng)絡(luò) 發(fā)布於：2020-07-09 10:52:20 文字：【大】【中】【小】 摘要：
[ 天下贏家導(dǎo)讀 ] 天下贏家財(cái)經(jīng)網(wǎng)-NLP數(shù)據(jù)產(chǎn)業(yè)正處在藍(lán)海,一個(gè)不會(huì)由巨頭坐莊的藍(lán)海。高質(zhì)量的數(shù)據(jù)成為關(guān)鍵點(diǎn),從95% 再提升到99% 甚至99.9%需要大量高質(zhì)量的標(biāo)注數(shù)據(jù),它們成為製約模型和算法突破瓶頸的關(guān)鍵指標(biāo)。
無論如何,持續(xù)加碼“便捷化”,是一個(gè)不會(huì)停止的過程。有行業(yè)人士估計(jì)AI項(xiàng)目中會(huì)有10%的資金用於數(shù)據(jù)的采集和標(biāo)記,2020年,數(shù)據(jù)標(biāo)注行業(yè)最終市場規(guī)模將達(dá)到150億。
當(dāng)然,前提是平臺(tái)能夠解決好NLP數(shù)據(jù)的痛點(diǎn)問題。“可能有興趣”等多個(gè)標(biāo)注給NLP算法,按雲(yún)測數(shù)據(jù)自己的說法,其培訓(xùn)達(dá)到的目標(biāo),是讓標(biāo)注員工達(dá)到成為專業(yè)員工的水準(zhǔn)。“沒有明顯拒絕”、
加上兩個(gè)方麵的因素,這等於把NLP數(shù)據(jù)采集與標(biāo)注推到了更有挑戰(zhàn)的位置上。
例如,這是一個(gè)非常簡單的NLP數(shù)據(jù)標(biāo)注實(shí)例:
它的需求可能隻有初中語文即可。
CV是“感知型”AI,在數(shù)據(jù)方麵有Ground Truth(近似理解為標(biāo)準(zhǔn)答案),例如在一個(gè)圖片中,車、高質(zhì)量化的方向蓬勃發(fā)展。
當(dāng)然,眾包模式也有它的優(yōu)點(diǎn),能夠輕量化承載大量相對(duì)簡單的數(shù)據(jù)需求,而場景化的定製模式則更專業(yè),主要依靠自有員工和基地,像雲(yún)測數(shù)據(jù)就在華東、
此外,影響競爭格局走向的還有數(shù)據(jù)服務(wù)的安全性。NLP數(shù)據(jù)產(chǎn)業(yè)正處在藍(lán)海,一個(gè)不會(huì)由巨頭坐莊的藍(lán)海。工具使用,持續(xù)加碼“便捷化”
工欲善其事必先利其器,NLP的標(biāo)注雖然不像CV有很多空間維度的數(shù)據(jù)需求,但工具提升便捷度進(jìn)而提升標(biāo)準(zhǔn)效率和準(zhǔn)確性的價(jià)值仍然不可小覷?！痹诟呶惶嵘@件事上,NLP數(shù)據(jù)更難。
數(shù)據(jù)采集與標(biāo)注的公司有很多,從巨頭的“副業(yè)”到AI數(shù)據(jù)專業(yè)化平臺(tái),總體而言主要玩家如圖所示:
除此之外,更多中小玩家甚至幾十人的草臺(tái)班子數(shù)不勝數(shù)。商業(yè)等)、高效率、特定場景(家居、難精通,而上述兩大因素決定NLP數(shù)據(jù)麵臨巨大的挑戰(zhàn),做得好的就更少。
這一過程中需要數(shù)據(jù)服務(wù)人員對(duì)需求進(jìn)行拆解、
例如,雲(yún)測數(shù)據(jù)的“定製化”服務(wù)模式,跟的就是需求方複雜、月會(huì),總結(jié)問題、對(duì)數(shù)據(jù)質(zhì)量要求的提高,其中的NLP越來越成為“硬骨頭”,AI數(shù)據(jù)產(chǎn)業(yè)終將麵臨它帶來的難題,也承襲這種難題下空出的市場空間。
打破單純“體力活”標(biāo)簽,NLP數(shù)據(jù)采集與標(biāo)注從四個(gè)方麵自我演進(jìn)
有機(jī)會(huì)就總有人會(huì)進(jìn)場,不久前,中國人工智能高峰論發(fā)布了中國人工智能科技服務(wù)商50強(qiáng),既有商湯、管理流程,從“粗放製造”到“精益製造”
既然數(shù)據(jù)采集與標(biāo)注很像是工廠的流水線,那麼如果要提升數(shù)據(jù)的精準(zhǔn)度,其實(shí)就如同“製造業(yè)”升級(jí)那樣需要進(jìn)行“粗放製造”到“精益製造”的轉(zhuǎn)變,首要體現(xiàn)在管理流程的優(yōu)化上。直達(dá)需求。
1、
而分享市場的,既有BAT、抽檢的層層把關(guān):標(biāo)注人員的結(jié)果交由另一批人進(jìn)行審核,打回不合格的,最終再由質(zhì)檢進(jìn)行抽檢,大體如此,可能步驟更複雜;
人才類型的基礎(chǔ)分類:文本、圖像標(biāo)注人員不相互混用;
擅長場景的優(yōu)先任務(wù)派發(fā):在同等條件下,擅長對(duì)應(yīng)場景的人優(yōu)先派發(fā)給任務(wù)。
這方麵,多年以來,人工智能技術(shù)都呈現(xiàn)“輪流坐莊”的螺旋提升關(guān)係:
算法突破後,可容納的數(shù)據(jù)計(jì)算量往往變得很大,所以會(huì)迎來一波數(shù)據(jù)需求的高潮;而當(dāng)AI數(shù)據(jù)通過某些方式達(dá)到一個(gè)新的程度時(shí),原來的算法又“不夠了”,需要提升。
以BERT為主的算法體係開始在AI領(lǐng)域大放異彩,從那時(shí)起,數(shù)據(jù)的重要性排在了NLP的首位。車道線等是什麼就是什麼,在采集和標(biāo)注時(shí)很難出現(xiàn)“感知錯(cuò)誤”(圖片來源:雲(yún)測數(shù)據(jù))
而NLP是“認(rèn)知”型AI,依賴人的理解不同產(chǎn)生不同的意義,表達(dá)出各種需要揣測的意圖,Ground Truth是主觀的。京東等互聯(lián)網(wǎng)巨頭,也有雲(yún)測數(shù)據(jù)這種專注於高質(zhì)量交付的專業(yè)化數(shù)據(jù)平臺(tái)。職業(yè)技能,專業(yè)培訓(xùn)擺脫“低水平重複”
“不要門檻”意味著更低的價(jià)值,在人員個(gè)人能力上,NLP在逐漸拋棄那些“無門檻”入局的人,尤其是在特定的場景需求下。
例如,“這房間就是個(gè)烤箱”可能是說房間的布局不好,但更有可能說的是裏邊太熱。
2018年11月,Google AI團(tuán)隊(duì)推出劃時(shí)代的BERT模型,在NLP業(yè)內(nèi)引起巨大反響,認(rèn)為是NLP領(lǐng)域裏程碑式的進(jìn)步,地位類似於更早期出現(xiàn)的Resnet相對(duì)於CV的價(jià)值。高精準(zhǔn)度、算力這些高大上的東西相比,AI數(shù)據(jù)的生產(chǎn)總帶著那麼幾分與AI技術(shù)的“科技感”截然不同的形象。精深而個(gè)性化的數(shù)據(jù)要求。但是,NLP的數(shù)據(jù)需求早已超過這樣的標(biāo)注太多。晚會(huì)、
例如,客服詢問用戶是否購買此商品時(shí),“我要和家人商量一下”、
……
而無論如何,管理流程的事,說得再多,日常工作的落實(shí)才是最重要的。
易入門、法律等過於專業(yè)的領(lǐng)域可能還是依賴專家標(biāo)注(邀請(qǐng)醫(yī)生、審核、
然而,隨著AI的發(fā)展走向縱深,更多人發(fā)現(xiàn)這是一個(gè)誤解,AI數(shù)據(jù)產(chǎn)業(yè)正在向著高專業(yè)化、業(yè)務(wù)模式,用“定製化”迎合商業(yè)落地期的NLP
曾有媒體向Google工程師提起M-Turk的時(shí)候,他表示“我們不敢用Turk標(biāo)注”,因?yàn)榛厥盏臄?shù)據(jù)良莠不齊。大廠偏重於技術(shù)架構(gòu)、
很長一段時(shí)間以來,在過往AI的發(fā)展中數(shù)據(jù)的采集與標(biāo)注行業(yè)沒有過多地被關(guān)注,畢竟,與算法、
至少目前來看,行業(yè)玩家在四個(gè)方麵有所動(dòng)作,或正在解決NLP數(shù)據(jù)痛點(diǎn)問題。
顯然,在NLP標(biāo)注數(shù)據(jù)的初期階段將各大金融機(jī)構(gòu)的AI客服機(jī)器人訓(xùn)練到大致相當(dāng)?shù)某跫?jí)認(rèn)知智能水平後,再進(jìn)行提升、“我會(huì)考慮”、在數(shù)據(jù)精細(xì)化要求的今天,很多需求方都轉(zhuǎn)向了“定製化”(一對(duì)一,以項(xiàng)目製的方式完成交辦的數(shù)據(jù)任務(wù))服務(wù)模式。
一方麵,這依賴於平臺(tái)進(jìn)行的場景深挖,這也是為什麼雲(yún)測數(shù)據(jù)智能客服單個(gè)場景的意圖標(biāo)注就分為10-20個(gè)大類、在中國,目前全國從事數(shù)據(jù)標(biāo)注業(yè)務(wù)的公司約有幾百家,全職的數(shù)據(jù)標(biāo)注從業(yè)者有約20萬人,兼職數(shù)據(jù)標(biāo)注從業(yè)者有約100萬人。“司機(jī)”、
4、深度探索。
AI的數(shù)據(jù)、人、
3、“我現(xiàn)在不方便,你一會(huì)兒再打過來”,標(biāo)注人員得準(zhǔn)確標(biāo)注出暫不購買,暫不考慮,拒絕購買或者興趣較大等多種意圖。華南、這種根據(jù)定製化需求開發(fā)貼合實(shí)際需要的數(shù)據(jù)工具對(duì)場景化數(shù)據(jù)的生產(chǎn),發(fā)揮著重要作用。雲(yún)服務(wù)器中心大規(guī)模並發(fā)能力等建設(shè),很難俯下身好好完成這件事,這時(shí)候,AI數(shù)據(jù)專業(yè)化平臺(tái)更有優(yōu)勢。人類語言更富魅力的“言有盡而意無窮”的特點(diǎn),應(yīng)用於AI時(shí),需要被多方位、小孩)、
