數(shù)據(jù)標(biāo)注是人工智能進(jìn)行模型訓(xùn)練必不可少的一環(huán)。這是將最原始的數(shù)據(jù)變成算法可用數(shù)據(jù)的過程：原始數(shù)據(jù)一般通過數(shù)據(jù)采集獲得，隨后的數(shù)據(jù)標(biāo)注相當(dāng)于對數(shù)據(jù)進(jìn)行加工，然后輸送到人工智能算法和模型里進(jìn)行調(diào)用。

上述概念闡釋的背后實(shí)際上潛藏著一個正在茁壯成長的商業(yè)機(jī)會，尤其隨著AI行業(yè)的發(fā)展，優(yōu)質(zhì)數(shù)據(jù)甚至可能是公司發(fā)展的壁壘。

按照人員規(guī)模，現(xiàn)在的數(shù)據(jù)標(biāo)注行業(yè)分為小型工作室（20 人左右）、中型公司以及巨頭企業(yè)。它們之間有各自的短板：專業(yè)的數(shù)據(jù)標(biāo)注、采集小團(tuán)隊(duì)沒有標(biāo)注工具，開始逐漸向擁有更好技術(shù)資源的大平臺靠攏。與之形成對比的是，花費(fèi)巨大資源打造專業(yè)全職標(biāo)注團(tuán)隊(duì)的數(shù)據(jù)公司，卻也受困于人力成本不得不把一些業(yè)務(wù)外包給小團(tuán)隊(duì)。

諸如巨頭企業(yè)，雖然在努力搭建平臺，但一方面更多是以消化內(nèi)部需求為主，另一方面在人員培訓(xùn)和質(zhì)量管控上，更多是流程化操作，缺乏合理的運(yùn)營模式。

“沒有一個標(biāo)準(zhǔn)。”基于上述的調(diào)研結(jié)果，在京東金融眾智平臺項(xiàng)目負(fù)責(zé)人看來，數(shù)據(jù)標(biāo)注行業(yè)比較混亂。

在這種行業(yè)狀況下，京東金融要做一個“中立”平臺，成為需求方和最終標(biāo)注團(tuán)隊(duì)之間的連接者：為小型工作室提供標(biāo)注工具，同時(shí)也對需求方提供數(shù)據(jù)標(biāo)注方案。

“京東眾智”就是這樣一個產(chǎn)物，它是專注于人工智能數(shù)據(jù)標(biāo)注和采集的科技平臺。上述負(fù)責(zé)人特意強(qiáng)調(diào)了“科技”二字，這意味著該平臺并不是傳統(tǒng)的眾包模式，而是通過自身的科技能力，優(yōu)化標(biāo)注流程，提升標(biāo)注效率，保證標(biāo)注質(zhì)量。

“大部分算法在擁有足夠多的普通標(biāo)注數(shù)據(jù)的情況下很容易將準(zhǔn)確率提升到 95%，但從 95% 再去提升到 99% 甚至 99.9% 就需要大量高質(zhì)量的標(biāo)注數(shù)據(jù)?？梢哉f，高質(zhì)量的數(shù)據(jù)是制約模型和算法突破瓶頸的關(guān)鍵指標(biāo)。”

京東眾智的科技能力恰好表現(xiàn)在提高標(biāo)注質(zhì)量、提升標(biāo)注速度、降低標(biāo)注成本以及保證數(shù)據(jù)安全四個方面。

標(biāo)注質(zhì)量為先，而它又與標(biāo)注人員息息相關(guān)。針對專業(yè)標(biāo)注人才培養(yǎng)的流程，他們甚至要跟一些公司建立數(shù)據(jù)標(biāo)注師認(rèn)證標(biāo)準(zhǔn)，對不同人員評估其標(biāo)注等級。這符合京東眾智“三擎互驅(qū)”的理念：讓最專業(yè)的人用最專業(yè)的工具，在嚴(yán)謹(jǐn)?shù)墓ぷ髁鞒讨型瓿蓴?shù)據(jù)的標(biāo)注，并且由選拔出來的高水平專家進(jìn)行審核，保證正確率。

準(zhǔn)確率與客戶的要求也有很大關(guān)系，比如眾智平臺的圖片標(biāo)注準(zhǔn)確率在實(shí)測狀態(tài)下能達(dá)到 99%，為了確保準(zhǔn)確性，他們有 ACC 和抽檢等四層過濾流程。

在保證數(shù)據(jù)標(biāo)注質(zhì)量的前提后就要比拼標(biāo)注速度了。

當(dāng)下 AI 解決方案落地速度普遍較慢。“傳統(tǒng)的方式是有 AI 需求，然后需要先獲取樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)注，標(biāo)注之后再做模型訓(xùn)練。”但在數(shù)據(jù)標(biāo)注之后如果不滿意，還需要把數(shù)據(jù)返回重新優(yōu)化，上述負(fù)責(zé)人表示，這樣的方式導(dǎo)致從方案確認(rèn)到落地可能需要 1 個月甚至?xí)r間更長。

眾智平臺的標(biāo)注工具很大程度上提升了標(biāo)注速度。“魯班模板標(biāo)注工具”可以組件化去配置。如果不同的公司對標(biāo)注數(shù)據(jù)有不同需求，他們只需調(diào)整幾個組件的配置就可以完成操作。

京東眾智 Pre-AI 方案與傳統(tǒng)方案的對比

更重要的是京東眾智提出的“Pre-A.I”方案。此方案在標(biāo)注過程中會不斷添加智能元素，機(jī)器做預(yù)標(biāo)注，標(biāo)注人員只需在此基礎(chǔ)上做細(xì)微的調(diào)整即可。

這些技術(shù)的應(yīng)用在很大程度上節(jié)省了標(biāo)注時(shí)間，而在 AI 市場競爭激烈的環(huán)境中，速度對創(chuàng)業(yè)公司而言尤為重要。“原來完整的標(biāo)注流程如果是 1 個月的話，我們可能 3、4 天就可以交付了。”該負(fù)責(zé)人如此評估眾智平臺的標(biāo)注效率。

數(shù)據(jù)標(biāo)注速度提升的直接結(jié)果是標(biāo)注成本自然會降低。不過，在行業(yè)一片混亂的數(shù)據(jù)運(yùn)營模式下，數(shù)據(jù)安全是需求方最為關(guān)注的問題。

對于政府、銀行等企事業(yè)單位而言，它們擔(dān)心數(shù)據(jù)被轉(zhuǎn)手，一般要求數(shù)據(jù)必需在自己的環(huán)境內(nèi)進(jìn)行標(biāo)注。為此，他們提供了數(shù)據(jù)與流程分離方案。數(shù)據(jù)與流程分離方案針對客戶自有標(biāo)注平臺和客戶沒有標(biāo)注平臺兩種情況。

京東眾智 DCS 方案流程

對那些數(shù)據(jù)標(biāo)注需求比較大的大公司，眾智平臺可以打通京東金融和客戶兩者的標(biāo)注平臺，同時(shí)為標(biāo)注流程有嚴(yán)格的質(zhì)量把控。需要注意的是，標(biāo)注環(huán)境實(shí)際上還是在客戶環(huán)境下。對于沒有標(biāo)注平臺的客戶，京東金融提供了一套名為“眾智星”的標(biāo)注系統(tǒng)，它可以讓數(shù)據(jù)不出客戶環(huán)境就能完成數(shù)據(jù)標(biāo)注。

據(jù)負(fù)責(zé)人介紹，該平臺已于去年 8 月正式上線。目前平臺上數(shù)據(jù)標(biāo)注注冊人員在 3 萬以上，而數(shù)據(jù)采集的注冊人員更是超過了 10 萬人。

“京東眾智旨在為 AI 行業(yè)提供***質(zhì)的基礎(chǔ)數(shù)據(jù)，希望在不久的將來，國內(nèi)大部分的 AI 公司都可以使用我們提供的高質(zhì)量標(biāo)注數(shù)據(jù)訓(xùn)練出更優(yōu)質(zhì)的模型和算法。這些模型和算法不僅要服務(wù)國內(nèi)的用戶，更要把中國的 AI 能力服務(wù)于全世界。為全球的人工智能行業(yè)助力是我們的初心。”負(fù)責(zé)人如是說。