人工智能(AI)背后人工的力量——数据标注

​尽管随着AI的普及，我们在生活中越来越依赖于人工智能，但“人工智障”的相关调侃也从来没有消失过。

 

相信大家都知道，如果我们想要让AI准确识别出图中的鸟，我们需要在数据集中手动将这些照片标记为鸟，然后让算法和图像之间产生关联性的判断识别。

 

 

要是小规模的实验性数据还好，一旦遇到那种规模多达数百万个的标记需求，个中消耗的时间真是难以想象。

 

所谓“得数据者，得人工智能”，如今人工智能早已在我们的生活中屡见不鲜，像“指纹解锁”、“人脸识别”等等都属于人工智能的范畴，然而人工智能的上游基础产业，数据标注却鲜为人知。

什么是数据标注？

 

在了解数据标注之前，先来了解人工智能。

 

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

 

人工智能，其实是部分替代人的认知功能。人工智能算法是数据驱动型算法，也就是说，如果想实现人工智能，首先需要把人类理解和判断事物的能力教给计算机，让计算机学习到这种识别能力。

 

类比机器学习，我们要教它认识一只猫，直接给它一张猫的图片，它是完全不知道这是什么。

 

 

我们得先有猫的图片，上面标注着“猫”这个字，然后机器通过学习了大量的图片中的特征，这时候再给机器任意一张猫的图片，它就能认出来这是猫了。

 

 

训练集和测试集都是标注过的数据，以猫为例，假设我们有1000张标注着“猫”的图片，那么我们可以拿800张作为训练集，200张作为测试集。机器从800张猫的图片中学习得到一个模型，然后将剩下的200张机器没有见过的图片去给它识别，然后我们就能够得到这个模型的准确率了。

 

所以目前人工智能需要标注大量数据，即对原始信息进行数据标注。

 

数据标注为通过分类、画框、标注、注释等，对图片、语音、文本等数据进行处理，标记对象的特征，以作为机器学习基础素材的过程。

 

数据标注是大部分人工智能算法得以有效运行的关键环节。数据标注是把需要机器