AI數據也要緊跟MLOps，那個把標註精度提高到99.99%的公司又出手了_風聞

　　夢晨 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　當IT行業改變整個世界的時候，DevOps理念從大量產業實踐中誕生。

　　如今AI也進入產業化新時代，繼承者MLOps或者叫AI工程化也越發火熱。

　　Gartner諮詢公司將AI工程化列為2022年十二大戰略性技術趨勢，IDC則預測到2024年60%的企業將MLOps用於機器學習工作流。

　　****△圖源：ml-ops.org

　　這一波浪潮之中，算法的工程化一如既往的跑在前面，模型的自動部署、持續訓練甚至AutoML都有較大進展。

　　與之相對的是，數據的工程化稍顯落後。

　　對此，一直呼籲建設“以數據為中心AI”的吳恩達，今年初在接受IEEE Spectrum採訪時也喊出新的口號：

　　AI要從大數據轉向高質量的小數據。

　　吳恩達認為，對於數據中存在的噪聲，通常做法是隻要量足夠大就可以讓算法對其做平均處理。

　　但這樣做不僅限制了算法的能力，有些場景如工業質檢、罕見病等更是根本湊不出一個大型數據集，精心標註的高質量數據就成了關鍵。

　　實際上，除了碎片場景之外，如何高效構建高質量數據集也是全行業共同面對的問題。

　　AI工程化的大背景下，新一代數據標註與管理方法也從實踐中逐漸誕生。

　　最新解決方案來了

　　雲測數據，一家以“將數據標註的最高準確率提升到99.99%”而聞名的AI數據服務公司，率先推出**「面向AI工程化的新一代數據解決方案」**。

　　方案不僅包括標註數據、管理數據所需的平台工具，還涉及管理體系以及數據安全，總共三個方面。

　　平台工具方面，除了基礎的標註工具、API集成能力，還有數據流轉產線工作台和數據產能管理體系。

　　管理體系方面，分為人員管理和項目管理兩部分。

　　數據安全方面，則從硬件安全、網絡安全、物理安全和人員安全管理4個角度提供保障。

　　為什麼是這三個方面？雲測數據總經理賈宇航從AI工程化時代的不同特徵進行了分析。

　　算法進入持續優化期，此時數據也要從瀑布式流轉過渡到持續流轉。

　　在算法預研期只需要基礎數據集就能滿足需求，針對實際業務場景的算法研發期則需要數據採集、清洗、標註等一系列定製化服務。

　　算法進入持續優化期，情況再次發生變化。

　　生產環境的迴流數據需要持續標註用於迭代，使算法越用越智能；標註數據需要流轉至仿真平台用於算法評測，提高重複利用價值；自動化流程中又需要輔以人工檢查糾正，降本增效。

　　雲測數據新一代解決方案中基於這些需求打造了數據處理工作台，支持持續任務處理、人機協作，同時以標準API接口與各類系統對接，將AI數據訓練過程中的綜合效率提升200%。

　　算法落地到實際場景中，而高質量的場景數據需要標註人員有領域專業知識。

　　舉例來説，前一陣谷歌的文本情感數據集GoEmotion就被一位機器學習工程師Edwin Chen指出有30%標註錯誤，他分析問題出在谷歌請的印度員工不瞭解美國本土互聯網文化。

　　像這樣的問題，在知識門檻頗高的金融、自動駕駛等領域場景中也有可能發生。

　　對此，雲測數據推出數據服務體系。其中人員管理體系涵蓋招聘、業務培訓，以及自動駕駛、智慧金融、AIOT等重點行業的領域知識培訓。項目管理體系則以標準化的流程把控數據質量，將數據標註最高精度提升至99.99%。

　　最後，算法深入到實際業務中，數據安全需要得到保障。

　　雲測數據推出安全交付體系，全方位保障數據安全和風險治理，同時滿足ISO27001和ISO27701標準。

　　新一代數據解決方案，如何煉成？

　　雲測數據是AI數據服務領域的領先者，憑藉在產品、服務、技術研發等方面的綜合實踐，已連續三年被評為行業第一，具備豐富的研發及產業化服務經驗。

　　技術能力方面，去年雲測數據先後發佈雲測數據標註平台、AI數據集管理系統等技術成果，率先形成AI訓練數據的“採、標、管、存”一站式服務，實現從“數據原料”到最後的“數據成品”全鏈條打通，輸出完整的數據價值，其中更是將數據標註的最高準確率提升到了99.99%。

　　又經過一年的打磨完善後，雲測數據標註平台&數據集管理系統在工具豐富性與易用性得到升級，並且與各種類型企業系統對接的能力得到增強，整合到最新解決方案裏。

　　行業經驗方面，雲測數據提供多維度、場景化的數據服務與策略，多年來服務於汽車、安防、手機、家居、金融、教育、新零售、地產等行業，滿足AI應用在數據質量、數據豐富度、數據時效性等方面的需求。

　　另外正如MLOps繼承自軟件行業的DevOps，Testin雲測結合自身優勢，將軟件測試業務上10多年ToB服務經驗也遷移沉澱至雲測數據的AI數據服務中，提質增效的作用十分顯著。

　　到如今，隨着智能化轉型的逐漸深入，雲測數據的服務對象已擴展至各行各業，正是在大量實踐與不斷探索中，AI數據服務所需的方方面面被雲測數據掌握、整合，最終沉澱成新一代數據解決方案集中發佈亮相。

　　而隨着新一代數據解決方案的發佈及雲測數據背後更多動作佈局，給AI數據服務行業本身也帶來一些改變。

　　雲測數據，帶來什麼改變？

　　先看雲測數據給服務對象帶來的改變。

　　以自動駕駛行業為例，首先是一站式解決自動駕駛領域多場景的數據採集的需求，包括智能駕駛主流應用場景。通過雲測數據的DMS與ADAS場景搭建採集能力，來減少數據採集週期、提升數據質量。

　　接下來，通過數據標註平台來解決包括2D標註、3D點雲標註、2D/3D融合標註、語義分割、目標跟蹤等等數據標註需求，同時標註&管理平台支持與企業完成訓練、仿真等系統集成。

　　數據不必再按批次來回傳輸，實時處理的同時節省大量時間和成本。數據不出企業內網就能完成流轉，同時也支持專業標註員駐場作業，在保證數據安全的基礎上，有效降低信息傳遞損耗，同時兼顧標註作業效率和質量的提升。

　　據賈宇航透露，以某自動駕駛相關企業為例，原來要花一週時間的AI數據工作，對接新一代數據解決方案後效能至少提升2倍以上。

　　憑藉這樣的能力，雲測數據與行業內包括自主、合資車企，大型Tier1、Tier2，以及無人出租車等眾多自動駕駛企業建立了持久良好的合作關係。

　　效率的提升同樣體現在零售貨檢行業，通過雲測數據標註平台將貨櫃檢測數據持續迴流，基於算法預標註結果進行可視化審查並修改，與純人工標註效率提升3倍。

　　而在金融領域，通過雲測數據標註平台及集成算法API可進行金融票據標註，通過離岸的安全房進行標註，在保證質量和效率的基礎上確保數據隱私安全。

　　另外還有建築行業也可以通過雲測數據標註平台對生成建築CAD圖紙進行審查校驗。

　　雲測數據深度合作伙伴覆蓋了汽車、手機、工業、家居、金融、安防、教育、新零售、地產、生態系統等行業。這其中包含眾多世界500強企業、高校科研機構、政府機構，頭部AI企業和大型互聯網企業覆蓋率超90% ，涵蓋了計算機視覺、語音識別、自然語言處理、知識圖譜等AI主流技術領域。

　　與此同時，雲測數據對AI數據服務行業自身的探索也在持續進行。

　　比如作為人工智能數據服務領域代表廠商，參與信通院牽頭的全球首個MLOps模型開發管理標準，以數據標準化助推AI落地。

　　最新能透露的一條進展是， 雲測數據正與雲服務廠商合作，探討延展數據服務的邊界。

　　參考資料：

　　[1]https://spectrum.ieee.org/andrew-ng-data-centric-ai

　　[2]https://www.surgehq.ai/blog/30-percent-of-googles-reddit-emotions-dataset-is-mislabeled