低學(xué)歷的印度數(shù)據(jù)標(biāo)簽工，正成為全球AI功臣

　　Kumaramputhur是喀拉拉邦Palakkad西北約45公里處的一個(gè)小村莊，約有3500個(gè)家庭在這里居住。這個(gè)村莊沒有第一產(chǎn)業(yè)可言，它的性別比例和識(shí)字率都低于該州的平均水平。除了有一些現(xiàn)代化的痕跡，這里似乎沒有什么值得引起注意。

　　然而，正是在這個(gè)村子里，高中輟學(xué)生Mujeeb Kolasseri指揮著一支由200多名員工組成的團(tuán)隊(duì)，為美國(guó)、歐洲、澳大利亞和亞洲的客戶開發(fā)人工智能解決方案。Kolasseri 于三年前創(chuàng)辦了這家名為Infolks的公司，28歲的他是該公司資格最老的成員。

　　該公司的辦公室位于連接Palakkad和Kozhikode的高速公路上，雖然不起眼，但團(tuán)隊(duì)里的大部分成員都在這里工作。他們所要做的就是將固定在自動(dòng)駕駛車輛上的攝像機(jī)拍攝的車輛、交通燈、路標(biāo)和行人的圖像進(jìn)行強(qiáng)調(diào)和標(biāo)記。這份工作看似簡(jiǎn)單，但卻很困難，因?yàn)樗麄冃枰獙⒓す饫走_(dá)遙感器捕獲的數(shù)據(jù)進(jìn)行精確標(biāo)記(激光雷達(dá)為自動(dòng)駕駛車輛創(chuàng)建3D地圖，以獲得對(duì)周圍物體的感知)。

　　約2000公里之外，加爾各答西南邊緣的梅蒂阿布魯茲胡格利河岸附近，約有200名婦女正在給圖像貼標(biāo)簽，這些圖像將用于訓(xùn)練自動(dòng)駕駛車輛和增強(qiáng)現(xiàn)實(shí)系統(tǒng)中的算法。

　　“他們參與著一些我們最前沿的圖像項(xiàng)目，”數(shù)據(jù)注釋公司iMerit的技術(shù)和營(yíng)銷副總裁Jai Natarajan表示，其員工參與標(biāo)記和準(zhǔn)備數(shù)據(jù)，以訓(xùn)練人工智能算法。

　　iMerit在加爾各答、蘭奇、布巴內(nèi)斯瓦爾、維扎格和夏隆辦事處的數(shù)千名員工也在從事著類似的工作，通過給數(shù)百萬數(shù)據(jù)貼上標(biāo)簽，幫助訓(xùn)練全球各大公司開發(fā)的人工智能算法。

　　全球企業(yè)巨頭正在逐步采用人工智能，為人工智能算法提供支持的數(shù)據(jù)集也變得越來越專有，所以這些公司需要在要求、質(zhì)量控制、反饋和交付方面與數(shù)據(jù)標(biāo)簽團(tuán)隊(duì)進(jìn)行更高程度的合作。

　　由于本世紀(jì)初業(yè)務(wù)流程外包的繁榮，印度人對(duì)這些行話和要求并不陌生。數(shù)據(jù)注釋和標(biāo)記也是一種由流程驅(qū)動(dòng)的工作，需要精確的工作和技能，即使是受過高中教育的人也可以接受培訓(xùn)。

　　隨著以眾包為主的第一代工作被更先進(jìn)的要求所取代，Infolks、iMerit和Playment等公司開始迎合全球客戶，并使印度成為數(shù)據(jù)標(biāo)簽和注釋工作的新興中心。

　　“這是一個(gè)新興行業(yè)。在印度，每個(gè)人都已經(jīng)開始意識(shí)到它帶來的巨大機(jī)遇，”印度科技產(chǎn)業(yè)機(jī)構(gòu)Nasscom的高級(jí)副總裁兼首席戰(zhàn)略官Sangeeta Gupta表示。“人工智能需要適當(dāng)注釋、分類和匿名的數(shù)據(jù)。為此，不管喜不喜歡，你都將使用自動(dòng)化，但你也必須使用熟練的人力資源，而這就是它給印度帶來的機(jī)會(huì)?！?/p>

　　根據(jù)研究公司Cognilytica的一份報(bào)告，到2023年底，與人工智能和機(jī)器學(xué)習(xí)相關(guān)的數(shù)據(jù)準(zhǔn)備解決方案的全球市場(chǎng)，預(yù)計(jì)將從2018年的約5億美元增長(zhǎng)至12億美元。

　　什么是數(shù)據(jù)標(biāo)記?

　　通過數(shù)據(jù)標(biāo)記和注釋，來自非結(jié)構(gòu)化來源(如照相機(jī)、傳感器、電子郵件和社交媒體等)以及來自結(jié)構(gòu)化來源(如數(shù)據(jù)庫(kù))的數(shù)據(jù)集被標(biāo)記、標(biāo)注、著色或突出顯示，以標(biāo)記出差異、相似性或類型。通過這樣的方法，當(dāng)數(shù)據(jù)被輸入到用于訓(xùn)練人工智能系統(tǒng)的算法中時(shí)，該算法可以正確地識(shí)別數(shù)據(jù)并從中學(xué)習(xí)。

　　比方說，你想訓(xùn)練一種算法，利用車載攝像機(jī)拍攝的圖像來理解路標(biāo)。數(shù)據(jù)標(biāo)簽工或注釋工將通過圖像數(shù)據(jù)集，使用標(biāo)注工具標(biāo)記或高亮顯示路標(biāo)，并將其輸入人工智能算法進(jìn)行學(xué)習(xí)。下一次，當(dāng)算法在一個(gè)區(qū)域內(nèi)實(shí)時(shí)行駛并遇到路標(biāo)時(shí)，它應(yīng)該能夠識(shí)別出路標(biāo)。算法訓(xùn)練的路標(biāo)圖像越多，其準(zhǔn)確性就越高。

　　推動(dòng)人工智能或機(jī)器學(xué)習(xí)激增的是從互聯(lián)網(wǎng)、社交媒體、傳感器和其他來源獲取的大量數(shù)據(jù)。如今的算法有能力吸收更多的數(shù)據(jù)，從而也更精確。只要數(shù)據(jù)是優(yōu)質(zhì)且干凈的，將另外一百萬個(gè)數(shù)據(jù)集輸入一個(gè)算法將會(huì)提高它的準(zhǔn)確性。因此，這也導(dǎo)致了人工智能算法和應(yīng)用對(duì)標(biāo)注良好的數(shù)據(jù)產(chǎn)生了無止境的渴望。

　　根據(jù)Cognilytica的報(bào)告，現(xiàn)如今，數(shù)據(jù)準(zhǔn)備和工程任務(wù)占據(jù)了大多數(shù)人工智能和機(jī)器學(xué)習(xí)項(xiàng)目80%以上的時(shí)間。

　　“比如自動(dòng)駕駛，一個(gè)小時(shí)的視頻數(shù)據(jù)可能需要消耗800個(gè)工時(shí)，”Playment首席執(zhí)行官Siddharth Mall表示。

　　Infolks之旅

　　Kolasseri高中輟學(xué)后，在鋁加工行業(yè)工作，但由于健康原因不得不離開。在國(guó)內(nèi)，他注冊(cè)了亞馬遜稱為“Mechanical Turk”(MTurk)的眾包就業(yè)市場(chǎng)，并開始從全球各地的公司從事注釋工作。

　　“我能夠保持99.8的評(píng)級(jí)是因?yàn)槲夷軌蛱峁└哔|(zhì)量的服務(wù)。我工作過的一家公司非常喜歡我的工作，于是直接找到我，并提供了更多的工作，”Kolasseri說，他隨后成立了一個(gè)六人團(tuán)隊(duì)來完成這項(xiàng)工作?！拔覀冏畛踉诩夜ぷ?，2016年初，隨著業(yè)務(wù)的增長(zhǎng)，我決定注冊(cè)成立這家公司?！?/p>

　　最初，Kolasseri的兄弟和一個(gè)朋友投資了2.5萬盧比，幫助他建立了這家公司。如今，Infolks是一個(gè)正在成長(zhǎng)中的團(tuán)隊(duì)，其大部分員工來自Kumaramputhur及其周邊地區(qū)。

　　Kolasseri說：“公司的愿景是將我們的村莊變得全球化，并為農(nóng)村地區(qū)的年輕人提供經(jīng)濟(jì)機(jī)會(huì)。近200名員工中有90%在20到25歲之間?！?/p>

　　盡管該團(tuán)隊(duì)也負(fù)責(zé)醫(yī)療保健、機(jī)器人和農(nóng)業(yè)等領(lǐng)域的數(shù)據(jù)集，但他們大約75%的工作都是在自動(dòng)駕駛車輛領(lǐng)域。其客戶包括德國(guó)汽車公司戴姆勒和其他國(guó)際科技公司，由于簽署的協(xié)議，Kolasseri并未透露這些公司的名稱。

　　至于注釋，該公司使用客戶提供的工具，或者使用第三方工具。“我們的研發(fā)團(tuán)隊(duì)正在開發(fā)自己的注釋工具。它目前正在測(cè)試中，應(yīng)該會(huì)在接下來的幾周內(nèi)推出，” Kolasseri表示。Infolks還在Kozhikode區(qū)附近的一個(gè)科技園區(qū)內(nèi)設(shè)立了另一個(gè)辦事處。Kolasseri希望這能夠增加公司的收入，因?yàn)樾碌牡攸c(diǎn)屬于經(jīng)濟(jì)特區(qū)，有助于擴(kuò)大其全球客戶群。