低學(xué)歷的印度數據標簽工，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(méi)有第一產(chǎn)業(yè)可言，它的性別比例和識字率都低于該州的平均水平。除了有一些現代化的痕跡，這里似乎沒(méi)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(zhù)一支由200多名員工組成的團隊，為美國、歐洲、澳大利亞和亞洲的客戶(hù)開(kāi)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，但團隊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(chē)輛上的攝像機拍攝的車(chē)輛、交通燈、路標和行人的圖像進(jìn)行強調和標記。這份工作看似簡(jiǎn)單，但卻很困難，因為他們需要將激光雷達遙感器捕獲的數據進(jìn)行精確標記(激光雷達為自動(dòng)駕駛車(chē)輛創(chuàng )建3D地圖，以獲得對周?chē)矬w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簽，這些圖像將用于訓練自動(dòng)駕駛車(chē)輛和增強現實(shí)系統中的算法。

　　“他們參與著(zhù)一些我們最前沿的圖像項目，”數據注釋公司iMerit的技術(shù)和營(yíng)銷(xiāo)副總裁Jai Natarajan表示，其員工參與標記和準備數據，以訓練人工智能算法。

　　iMerit在加爾各答、蘭奇、布巴內斯瓦爾、維扎格和夏隆辦事處的數千名員工也在從事著(zhù)類(lèi)似的工作，通過(guò)給數百萬(wàn)數據貼上標簽，幫助訓練全球各大公司開(kāi)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據集也變得越來(lái)越專(zhuān)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據標簽團隊進(jìn)行更高程度的合作。

　　由于本世紀初業(yè)務(wù)流程外包的繁榮，印度人對這些行話(huà)和要求并不陌生。數據注釋和標記也是一種由流程驅動(dòng)的工作，需要精確的工作和技能，即使是受過(guò)高中教育的人也可以接受培訓。

　　隨著(zhù)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(kāi)始迎合全球客戶(hù)，并使印度成為數據標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(kāi)始意識到它帶來(lái)的巨大機遇，”印度科技產(chǎn)業(yè)機構Nasscom的高級副總裁兼首席戰略官Sangeeta Gupta表示?！叭斯ぶ悄苄枰m當注釋、分類(lèi)和匿名的數據。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(lái)的機會(huì )?！?/p>

　　根據研究公司Cognilytica的一份報告，到2023年底，與人工智能和機器學(xué)習相關(guān)的數據準備解決方案的全球市場(chǎng)，預計將從2018年的約5億美元增長(cháng)至12億美元。

　　什么是數據標記?

　　通過(guò)數據標記和注釋?zhuān)瑏?lái)自非結構化來(lái)源(如照相機、傳感器、電子郵件和社交媒體等)以及來(lái)自結構化來(lái)源(如數據庫)的數據集被標記、標注、著(zhù)色或突出顯示，以標記出差異、相似性或類(lèi)型。通過(guò)這樣的方法，當數據被輸入到用于訓練人工智能系統的算法中時(shí)，該算法可以正確地識別數據并從中學(xué)習。

　　比方說(shuō)，你想訓練一種算法，利用車(chē)載攝像機拍攝的圖像來(lái)理解路標。數據標簽工或注釋工將通過(guò)圖像數據集，使用標注工具標記或高亮顯示路標，并將其輸入人工智能算法進(jìn)行學(xué)習。下一次，當算法在一個(gè)區域內實(shí)時(shí)行駛并遇到路標時(shí)，它應該能夠識別出路標。算法訓練的路標圖像越多，其準確性就越高。

　　推動(dòng)人工智能或機器學(xué)習激增的是從互聯(lián)網(wǎng)、社交媒體、傳感器和其他來(lái)源獲取的大量數據。如今的算法有能力吸收更多的數據，從而也更精確。只要數據是優(yōu)質(zhì)且干凈的，將另外一百萬(wàn)個(gè)數據集輸入一個(gè)算法將會(huì )提高它的準確性。因此，這也導致了人工智能算法和應用對標注良好的數據產(chǎn)生了無(wú)止境的渴望。

　　根據Cognilytica的報告，現如今，數據準備和工程任務(wù)占據了大多數人工智能和機器學(xué)習項目80%以上的時(shí)間。

　　“比如自動(dòng)駕駛，一個(gè)小時(shí)的視頻數據可能需要消耗800個(gè)工時(shí)，”P(pán)layment首席執行官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(kāi)。在國內，他注冊了亞馬遜稱(chēng)為“Mechanical Turk”(MTurk)的眾包就業(yè)市場(chǎng)，并開(kāi)始從全球各地的公司從事注釋工作。

　　“我能夠保持99.8的評級是因為我能夠提供高質(zhì)量的服務(wù)。我工作過(guò)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(shuō)，他隨后成立了一個(gè)六人團隊來(lái)完成這項工作?！拔覀冏畛踉诩夜ぷ?，2016年初，隨著(zhù)業(yè)務(wù)的增長(cháng)，我決定注冊成立這家公司?！?/p>

　　最初，Kolasseri的兄弟和一個(gè)朋友投資了2.5萬(wàn)盧比，幫助他建立了這家公司。如今，Infolks是一個(gè)正在成長(cháng)中的團隊，其大部分員工來(lái)自Kumaramputhur及其周邊地區。

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

　　盡管該團隊也負責醫療保健、機器人和農業(yè)等領(lǐng)域的數據集，但他們大約75%的工作都是在自動(dòng)駕駛車(chē)輛領(lǐng)域。其客戶(hù)包括德國汽車(chē)公司戴姆勒和其他國際科技公司，由于簽署的協(xié)議，Kolasseri并未透露這些公司的名稱(chēng)。

　　至于注釋?zhuān)摴臼褂每蛻?hù)提供的工具，或者使用第三方工具?！拔覀兊难邪l(fā)團隊正在開(kāi)發(fā)自己的注釋工具。它目前正在測試中，應該會(huì )在接下來(lái)的幾周內推出，” Kolasseri表示。Infolks還在Kozhikode區附近的一個(gè)科技園區內設立了另一個(gè)辦事處。Kolasseri希望這能夠增加公司的收入，因為新的地點(diǎn)屬于經(jīng)濟特區，有助于擴大其全球客戶(hù)群。