深圳2021年5月26日 /美通社/ -- 近日，澳鵬Appen憑借業(yè)界高度認(rèn)可的“人工智能輔助數(shù)據(jù)標(biāo)注平臺”在2021第二屆深圳（國際）人工智能展上斬獲“優(yōu)秀產(chǎn)品獎”。活動現(xiàn)場，澳鵬Appen（中國）高級研發(fā)總監(jiān)蔣孟杰接受CSDN記者鄧曉娟Carol的專訪。訪問原文如下：
澳鵬Appen（中國）高級研發(fā)總監(jiān)蔣孟杰接受CSDN記者專訪
2021年5月20日~23日，由深圳市科學(xué)技術(shù)協(xié)會、深圳市商務(wù)局、深圳市福田區(qū)人民政府共同指導(dǎo)，深圳市科技開發(fā)交流中心、深圳市人工智能行業(yè)協(xié)會聯(lián)合主辦的2021第二屆深圳國際人工智能展開幕式暨智能制造創(chuàng)新高峰論壇在深圳會展中心（福田）圓滿舉行。
深圳市科協(xié)主席蔣宇揚(yáng)在大會致辭中指出：“人工智能既是引領(lǐng)未來的戰(zhàn)略性技術(shù)，也是新一輪產(chǎn)業(yè)變革的核心驅(qū)動力”。誠然，在當(dāng)今社會發(fā)展中，人工智能技術(shù)所占據(jù)的地位已是舉足輕重。
#01 人工智能到底“智不智能”？
正如蒸汽時(shí)代的蒸汽機(jī)、電氣時(shí)代的發(fā)電機(jī)、信息時(shí)代的計(jì)算機(jī)和互聯(lián)網(wǎng)，人工智能正在成為推動人類進(jìn)入智能時(shí)代的決定性力量。
然而回溯過往，我們會發(fā)現(xiàn)熱門如人工智能技術(shù)，在發(fā)展的過程中也未必“星途坦蕩”的。在人工智能歷史上曾出現(xiàn)過“三次高潮”：
在世紀(jì)50年代~80年代，由于許多應(yīng)用難題無法解決和基礎(chǔ)研究知識難以突破而沒有達(dá)到人們預(yù)期的成果和推進(jìn)。從起步-應(yīng)用-低迷-平穩(wěn)-蓬勃發(fā)展，人工智能的道路上充滿著未知的探索，道路曲折起伏。
如今，我們正處于信息時(shí)代到智能時(shí)代的過渡期中，人工智能作為主要的推動因素，讓全球產(chǎn)業(yè)界充分意識到人工智能技術(shù)引領(lǐng)新一輪產(chǎn)業(yè)變革的重大意義，紛紛轉(zhuǎn)型發(fā)展。而“新基建”的提出與疫情的影響，讓2020年成為人工智能史上的一個(gè)重要拐點(diǎn)。如果說在2020年之前人工智能技術(shù)還在摸索著落地應(yīng)用場景，那么在2020年開始，人工智能已經(jīng)加速進(jìn)入人們的生活。
只是，在人工智能飛速發(fā)展的今天，人們的需求也不斷在上升。對于人工智能企業(yè)或轉(zhuǎn)型企業(yè)而言，如何跟上時(shí)代是首要考慮的問題。但落到群眾當(dāng)中，落到人們的衣食住行當(dāng)中，人工智能到底“智不智能”，才是人們所關(guān)注的重點(diǎn)。
企業(yè)想要把AI技術(shù)/產(chǎn)品真正落地，真正做出“好的人工智能”，首先不能讓AI技術(shù)/產(chǎn)品只停留在實(shí)驗(yàn)或原型階段，AI模型的高質(zhì)量訓(xùn)練是重中之重。
那么，AI模型如何才能得到高質(zhì)量訓(xùn)練？在AI項(xiàng)目部署的生命周期當(dāng)中，有哪些可優(yōu)化的地方？數(shù)據(jù)在這個(gè)過程中起到了哪些關(guān)鍵性作用？企業(yè)在轉(zhuǎn)型路上又該如何挑選數(shù)據(jù)平臺/相關(guān)服務(wù)商？帶著這些問題，CSDN記者對話了知名人工智能數(shù)據(jù)服務(wù)商澳鵬Appen的高級研發(fā)總監(jiān)蔣孟杰。
值得一提的是，澳鵬在2021第二屆深圳國際人工智能展開幕式暨智能制造創(chuàng)新高峰論壇中斬獲“優(yōu)秀產(chǎn)品獎”，也曾連續(xù)六年入圍德勤高科技成長50強(qiáng)企業(yè)（澳大利亞）、維科杯·OFweek2020人工智能行業(yè)優(yōu)秀產(chǎn)品應(yīng)用獎（澳鵬人工智能輔助數(shù)據(jù)標(biāo)注平臺）、CIAI 2020年度中國人工智能行業(yè)“十大創(chuàng)新力企業(yè)獎”等獎項(xiàng)。
GAIE2021第二屆深圳國際人工智能展 “優(yōu)秀產(chǎn)品獎”
這樣一個(gè)專注于人工智能數(shù)據(jù)標(biāo)注的行業(yè)領(lǐng)軍服務(wù)商，是如何用數(shù)據(jù)推動人工智能技術(shù)與產(chǎn)品的？一起來聽聽蔣孟杰的真知灼見。
#02 “用AI的方式服務(wù)AI”
蔣孟杰在加入澳鵬之前，曾在國際知名電商公司eBay任職，主要專注于搜索引擎搜索算法領(lǐng)域。大約在11年前，也就是2010年互聯(lián)網(wǎng)蓬勃發(fā)展的階段，就與澳鵬合作利用人工審核商品和搜索關(guān)鍵字之間的相關(guān)性來做相關(guān)度算法以及線下算法評測平臺，在該領(lǐng)域有著豐富的經(jīng)驗(yàn)及思考。
2019年3月加入澳鵬后，蔣孟杰負(fù)責(zé)中國區(qū)技術(shù)團(tuán)隊(duì)的研發(fā)、及全球部分模塊研發(fā)等。他所帶領(lǐng)的團(tuán)隊(duì)致力于打造全流程的數(shù)據(jù)平臺，包含數(shù)據(jù)采集，數(shù)據(jù)標(biāo)注和數(shù)據(jù)管理。另外，針對成熟且復(fù)雜的場景開發(fā)更加高效的標(biāo)注工具，如自動駕駛、人臉關(guān)鍵點(diǎn)、長語音轉(zhuǎn)寫等。
蔣孟杰表示，越來越多的企業(yè)正在走向AI的道路，與此同時(shí)，對訓(xùn)練數(shù)據(jù)也有了更高的要求。AI模型想要真正落地，需要大量高質(zhì)量的、安全無偏差的數(shù)據(jù)，澳鵬的目標(biāo)是幫助企業(yè)能夠把AI技術(shù)/產(chǎn)品真正的落地,，而不是只停留在實(shí)驗(yàn)或者原型階段，將采標(biāo)流程一體化。
深耕行業(yè)20多年澳鵬，在數(shù)據(jù)采集和數(shù)據(jù)標(biāo)注的過程中，積累了大量的行業(yè)經(jīng)驗(yàn)和案例，同時(shí)也擁有了自己先進(jìn)的技術(shù)、資深的項(xiàng)目管理和標(biāo)注團(tuán)隊(duì)，并且提出“用AI的方式服務(wù)AI”的理念。
澳鵬如今擁有一個(gè)數(shù)據(jù)科學(xué)家團(tuán)隊(duì)，一方面會在服務(wù)企業(yè)之前了解場景，設(shè)計(jì)如何采集數(shù)據(jù)/標(biāo)注數(shù)據(jù)能真正幫助到企業(yè)成功訓(xùn)練模型，以結(jié)果導(dǎo)向。另一方面也把AI技術(shù)應(yīng)用到整個(gè)服務(wù)的流程中。用AI模型進(jìn)行以下工作：
澳鵬人工智能輔助數(shù)據(jù)標(biāo)注平臺-多輪質(zhì)檢
#03 技術(shù)不能閉門造車
在人工智能數(shù)據(jù)標(biāo)注領(lǐng)域，純自動化標(biāo)注是不現(xiàn)實(shí)的，邏輯上也不成立。“你用算法生成的數(shù)據(jù)去訓(xùn)練另一個(gè)算法，最完美的情況下，也就是訓(xùn)練出跟之前一模一樣的一個(gè)算法。”蔣孟杰說道。但也不能只做純手工標(biāo)注，傳統(tǒng)的數(shù)據(jù)標(biāo)注是個(gè)純?nèi)肆γ芗偷娜蝿?wù)，對于技術(shù)從業(yè)者而言是非常誘人的領(lǐng)域，因?yàn)樯晕⒂幸稽c(diǎn)技術(shù)的引入，就能給企業(yè)降本增效。
在平臺的設(shè)計(jì)理念和系統(tǒng)架構(gòu)上，蔣孟杰有著自己的思考。業(yè)務(wù)在設(shè)計(jì)之初就引入AI中臺的概念， 圍繞著AI中臺為業(yè)務(wù)賦能，引入Apache Pulsar作為數(shù)據(jù)湖，圍繞這個(gè)核心組件設(shè)計(jì)了靈活的標(biāo)注任務(wù)的分發(fā)和工作流管理。因?yàn)闃I(yè)務(wù)數(shù)據(jù)都落地Pulsar里面，借助Pulsar的高吞吐量，可以多次重復(fù)高效得消費(fèi)這些數(shù)據(jù)進(jìn)行快速且松耦合得進(jìn)行業(yè)務(wù)擴(kuò)展，比如結(jié)合 Flink 做實(shí)時(shí)進(jìn)度/工作量/質(zhì)量的報(bào)表計(jì)算用來做項(xiàng)目管理，也可以對標(biāo)注員進(jìn)行畫像，可以實(shí)時(shí)進(jìn)行反欺詐監(jiān)測，另外也可以對在線標(biāo)注數(shù)據(jù)實(shí)現(xiàn)邊標(biāo)注邊訓(xùn)練，同時(shí)反過頭來輔助標(biāo)注等。
澳鵬在全球市場已經(jīng)累積了25+年的行業(yè)經(jīng)驗(yàn)，進(jìn)入中國市場后，澳鵬借鑒了海外的平臺實(shí)踐，在中國獨(dú)立自主打造了適合國內(nèi)行業(yè)特點(diǎn)的高精度AI數(shù)據(jù)服務(wù)平臺。那么，中國區(qū)的技術(shù)和產(chǎn)品方面如何與其他地區(qū)并進(jìn)？迭代過程又是怎樣的？
蔣孟杰認(rèn)為，產(chǎn)品迭代一定要跟隨業(yè)務(wù)發(fā)展一起錨定的。在平臺設(shè)計(jì)和技術(shù)架構(gòu)搭建初期，事先做好技術(shù)的總體架構(gòu)設(shè)計(jì)，在此基礎(chǔ)上做未來的發(fā)展規(guī)劃。同時(shí)，要確保團(tuán)隊(duì)成員的目標(biāo)一致，再定期討論調(diào)整優(yōu)先級。在剛起步的時(shí)候，每個(gè)迭代只能完成MVP，非核心的功能會提供功能上的兼容支持，在真正的使用過程中，這些未被產(chǎn)品化的功能使用起來相當(dāng)痛苦，比如招人的時(shí)候，最開始的版本中先專注在標(biāo)注業(yè)務(wù)本身，如果要添加，標(biāo)注員就上傳一個(gè)Excel文件, 而沒有一個(gè)完整人員招募和審核流程。
令記者感到意外的是，澳鵬的技術(shù)團(tuán)隊(duì)并沒有閉門造車，關(guān)起門來自己解決問題。他們還擁有一支項(xiàng)目支持工程師團(tuán)隊(duì)，所有當(dāng)下平臺滿足不了的功能，該團(tuán)隊(duì)就會準(zhǔn)備一次性的腳本和工具進(jìn)行處理。隨后，平臺一步步根據(jù)優(yōu)先級把手工處理的任務(wù)產(chǎn)品化，平臺發(fā)布一個(gè)版本后及時(shí)拿到反饋，然后在下一個(gè)版本中進(jìn)一步提升。所以，在與產(chǎn)品研發(fā)團(tuán)隊(duì)、項(xiàng)目管理團(tuán)隊(duì)、業(yè)務(wù)團(tuán)隊(duì)的緊密合作下，技術(shù)/產(chǎn)品迭代速度是相當(dāng)快的。
#04 人工智能數(shù)據(jù)與質(zhì)量決定上層建筑
如果說優(yōu)秀技術(shù)架構(gòu)與高效迭代是決定一家人工智能數(shù)據(jù)服務(wù)商是否站得穩(wěn)的關(guān)鍵，那么真正決定它是否走得更遠(yuǎn)的，就在于產(chǎn)品本身解決問題的能力到底有多強(qiáng)。
在這個(gè)問題上，蔣孟杰提出了一個(gè)關(guān)鍵點(diǎn)：“AI項(xiàng)目部署生命周期”。
一般 AI 項(xiàng)目部署的生命周期會包含：數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、數(shù)據(jù)探索、模型開發(fā)、模型發(fā)布、定期監(jiān)控。
那么，數(shù)據(jù)在這個(gè)生命周期里扮演著怎樣的角色？澳鵬又解決了哪些問題？蔣孟杰描述數(shù)據(jù)的重要性時(shí)引用了Andrew Ng（吳恩達(dá)，人工智能和機(jī)器學(xué)習(xí)領(lǐng)域國際最權(quán)威學(xué)者之一）的話：成功的 AI 部署, 80%是數(shù)據(jù)準(zhǔn)備(包括數(shù)據(jù)清洗/數(shù)據(jù)標(biāo)注等)， 20%是花在模型開發(fā)上。而澳鵬在整個(gè)生命周期中幫助客戶解決數(shù)據(jù)采集，數(shù)據(jù)標(biāo)注， 模型發(fā)布后期監(jiān)控。
除此之外，數(shù)據(jù)的可用性質(zhì)量也是澳鵬服務(wù)的核心。蔣孟杰打了個(gè)比喻：“AI模型就像小孩子，你教給他什么，他便學(xué)會什么。如果數(shù)據(jù)質(zhì)量很糟糕，那么AI模型學(xué)會的也是這些錯(cuò)誤。”所以在澳鵬有一整套方案保障數(shù)據(jù)的質(zhì)量:
蔣孟杰認(rèn)為，項(xiàng)目管理是一門藝術(shù)，尤其是人工參與的場景，可能會在整個(gè)流程中任意環(huán)節(jié)出現(xiàn)變化。澳鵬的優(yōu)勢在于其針對各個(gè)企業(yè)的業(yè)務(wù)進(jìn)行深度的打磨，融入了自己的高效的項(xiàng)目管理方式以及標(biāo)注細(xì)節(jié)優(yōu)化。
#05 撥開迷霧
CSDN：聽說澳鵬正在密切關(guān)注自動駕駛領(lǐng)域，那么在自動駕駛領(lǐng)域的數(shù)據(jù)方面，目前存在哪些挑戰(zhàn)？澳鵬又做了哪些解決方案？
蔣孟杰：這個(gè)問題可以分為5個(gè)部分。
CSDN：每個(gè)企業(yè)的技術(shù)架構(gòu)與實(shí)力不同，對于初創(chuàng)、中型、大型的企業(yè)來說，如何選擇合適的數(shù)據(jù)標(biāo)注平臺/相關(guān)服務(wù)商？其中有哪些不同嗎？
蔣孟杰：初創(chuàng)業(yè)務(wù)場景變化非常快，一般標(biāo)注需求量不會很大。而且公司沒有精力或者資源開發(fā)或維護(hù)數(shù)據(jù)標(biāo)注平臺。我們會推薦純SaaS模式，可以讓初創(chuàng)企業(yè)快速開啟標(biāo)注，快速試錯(cuò)調(diào)整方向。
中型企業(yè)已經(jīng)有較為成熟的業(yè)務(wù)模式和自有系統(tǒng)，另外也有資源去開發(fā)或者運(yùn)維數(shù)據(jù)標(biāo)注平臺，會比較關(guān)心是否有開放 API 進(jìn)行系統(tǒng)集成和二次開發(fā)，是否有全面的功能。這類企業(yè)，我們會推薦混合云部署模式或者私有化部署模式，并且結(jié)合我們 Managed Service 進(jìn)行數(shù)據(jù)標(biāo)注。
而一般大型的互聯(lián)網(wǎng)企業(yè)比較早地使用AI 技術(shù)，已經(jīng)自己開發(fā)了一些標(biāo)注平臺。在選服務(wù)商的時(shí)候會特別看重服務(wù)商“是否有能力快速得招到大量高質(zhì)量的標(biāo)注員、是否標(biāo)注工具層面會比自己公司的效率更高、數(shù)據(jù)安全是否有保障”等。這類企業(yè)我們也會推薦混合云部署模式或者私有化部署模式，并且結(jié)合我們Managed Service 進(jìn)行數(shù)據(jù)標(biāo)注。
CSDN：您認(rèn)為未來人工智能數(shù)據(jù)標(biāo)注領(lǐng)域或該領(lǐng)域的服務(wù)商，會有哪些發(fā)展趨勢？
蔣孟杰：現(xiàn)階段標(biāo)注領(lǐng)域魚龍混雜，價(jià)格競爭激烈，其中不乏大量傳統(tǒng)人力服務(wù)商進(jìn)入這個(gè)領(lǐng)域。隨著行業(yè)的洗牌，有快速招人能力、擁有大量項(xiàng)目管理經(jīng)驗(yàn)、有自有平臺研發(fā)能力的供應(yīng)商會逐漸脫穎而出。
標(biāo)注平臺會沿著采集和標(biāo)注一體化方向發(fā)展。對很多AI 企業(yè)來說，往往同時(shí)需要數(shù)據(jù)采集和標(biāo)注。比如剛才的例子，采集日常交流語音，采集完以后需要對語音進(jìn)行文字轉(zhuǎn)寫。如果把采集和標(biāo)注分成兩個(gè)獨(dú)立階段，時(shí)間交付周期很長，另外如果標(biāo)注覺得采集的語音里面完全沒法聽清，很難及時(shí)打回給采集人員重新錄制。
另一方面，未來可能會向AI數(shù)據(jù)中臺發(fā)展。不僅管理非結(jié)構(gòu)化數(shù)據(jù)的，也會慢慢延伸到結(jié)構(gòu)化數(shù)據(jù)的管理。數(shù)據(jù)標(biāo)注在整個(gè)生命周期中不會是一個(gè)獨(dú)立的存在。如果分裂的多個(gè)系統(tǒng)，數(shù)據(jù)科學(xué)家會浪費(fèi)大量時(shí)間在搬運(yùn)數(shù)據(jù)上，效率不高，另外也影響創(chuàng)新。如果以集成式的AI數(shù)據(jù)中臺為基礎(chǔ)，數(shù)據(jù)科學(xué)家可以開發(fā)算法和數(shù)據(jù)標(biāo)注互相迭代提升。比如邊標(biāo)注邊實(shí)時(shí)訓(xùn)練模型，效果沒法再次提升的時(shí)候就停止標(biāo)注，這個(gè)在業(yè)界叫主動學(xué)習(xí)。
原文鏈接：https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/117256727
