什么样的事情，，
，，，，可以被塞尔维亚首都贝尔格莱德的上班族，，
，，，，和印度南部Yemmiganur小镇的家庭主妇所共享？？？

谜底可能出乎你意料：训练AI。。。。
。

上班族排队等一杯咖啡的功夫，，
，，，，翻开手机做几个选择题，，
，，，，就可以赚到咖啡钱；；
；主妇在午后的闲暇时光，，
，，，，在手机软件上标注方框，，
，，，，就可能为小孩添一身新衣。。。。
。

翻开Playment界面，，
，，，，他们会看到一张Polo衫的照片，，
，，，，下面形貌了它的颜色、袖长和领口三个特征，，
，，，，先选择形貌是否准确，，
，，，，若是准确则无需操作，，
，，，，若是过失则进入下一步，，
，，，，凭证提供的选项选择准确的形貌。。。。
。

他们也可能看到的是一张公路标识的照片，，
，，，，内里有红绿灯和转向标记，，
，，，，需要先圈出标记，，
，，，，再选择对应的意思。。。。
。

这就完成了一次简朴的数据标注：给图像贴标签和分类。。。。
。虽然，，
，，，，这离真正意义上的训练AI还很遥远，，
，，，，着实只是第一步——为AI提供逊需的数据。。。。
。

图像识别是AI在商业中应用的常见场景。。。。
。远到自动驾驶的实现，，
，，，，近到电商网站的以图搜物，，
，，，，都需要经由成千上万次的数据分拣和识别训练。。。。
。

班加罗尔已往因外包工业而著名于世，，
，，，，语言相同无障碍、人力本钱低廉、IT人才富足，，
，，，，让印度成为了西欧至公司服务外包的首选之地。。。。
。

大数据、自动化、AI等新科技的生长正在削弱人力本钱的优势。。。。
。2017年，，
，，，，印度的外包工业受到的攻击显着，，
，，，，产值下降，，
，，，，利润下滑，，
，，，，大幅裁人。。。。
。

若最终某些劳动被机械取代，，
，，，，那部分外包服务将不复保存。。。。
。但在那之前，，
，，，，AI手艺的生长也给班加罗尔创立了新生计，，
，，，，即通过“人工”让AI变得更“智能”。。。。
。

这其中的加入者，，
，，，，既有拥有大宗全职员工的古板外包公司；；
；也有像Playment这样创业公司，，
，，，，用科技来做众包的平台；；
；尚有IndiVillage这样的社会企业，，
，，，，通过科技来赋能墟落妇女和青年，，
，，，，改善社区基础设施和教育。。。。
。

据彭博社预计，，
，，，，这种数据标注和分类的事情，，
，，，，现在全球有凌驾100万人在做。。。。
。

万万融资

亚马逊的Amazon Mechanical Turk源于2005年为内部需求所搭建的平台：治理库存、分类产品等。。。。
。厥后，，
，，，，平台最先对外开放，，
，，，，现在有凌驾50万的注册用户，，
，，，，75%来自美国。。。。
。它上面提供简朴的数据标记使命，，
，，，，用户可以由此挣得酬劳，，
，，，，处理后的数据将用于AI的训练。。。。
。

随着AI手艺的生长，，
，，，，需要提供海量的数据对其举行训练，，
，，，，类似的第三方劳务众包平台最先兴起。。。。
。

2017年1月，，
，，，，总部位于美国西雅图的Spare5获得了英特尔投资、谷歌风投等联合投资的1400万美元的B轮融资，，
，，，，宣布更名为Mighty AI。。。。
。这拉开了2017年AI训练和数据分拣众包平台资源热的帷幕。。。。
。

2017年5月，，
，，，，总部位于班加罗尔的Playment获得了硅谷孵化器Y Combinator等加入的160万美元的投资，，
，，，，融资总额抵达了240万美元。。。。
。

据统计，，
，，，，2017年里，，
，，，，美国的CloudFactory，，
，，，，Mighty AI和CrowdFlower等众包公司共获得了5000万美元以上的投资。。。。
。与古板的外包公司相比，，
，，，，它们为AI逊需要的海量数据提供了一个更为经济可行的解决方案。。。。
。

Playment的三位联合首创人此前都在Flipkart事情，，
，，，，2015年最先创业。。。。
。他们现在有30名雇员，，
，，，，却拥有一个由25万名所有位于印度的远程“数据分拣员”组成的众包员工社区。。。。
。

纵然是总部位于美国的众包公司，，
，，，，他们的众包员工许多也都来自于印度、柬埔寨、非洲等生长中国家。。。。
。好比Microwork在塞尔维亚，，
，，，，Samasource在印度、非洲和海地等地培训和雇佣事情职员。。。。
。

人力本钱低廉的优势显而易见。。。。
。在智能手机正在快速普及的印度，，
，，，，经由培训，，
，，，，人人都可以在移动装备上动下手指就能赚到钱，，
，，，，而无需像Amazon Mechanical Turk那样总是坐在电脑前事情。。。。
。

古板的外包公司雇佣全职员工，，
，，，，这样一来本钱就相对高昂，，
，，，，Playment这种众包协助服务就受到了青睐。。。。
。其中的焦点在于将数据处理的需求设计成智能手机的软件，，
，，，，并凭证处理要求匹配到合适的员工。。。。
。

“这样做更具本钱效益，，
，，，，”Playment的联合首创人Ajinkya Malasane说，，
，，，，“古板的营业流程外包由于团队牢靠，，
，，，，无法扩大规模，，
，，，，科技公司内部的众包平台（好比亚马逊的Mechanical Turk）不可包管质量。。。。
。”

Playment现在拥有30多位客户，，
，，，，其中包括Flipkart、Paytm和阿里巴巴集团。。。。
？？？突б话惆聪钅扛斗鸦蚯┦鹉甓忍踉肌。。。
。

据联合首创人兼首席执行官Siddharth Mall说，，
，，，，他们的客户中有约莫70%都属于自动驾驶领域。。。。
。

一般而言，，
，，，，企业将所网络的数据提交给Playment，，
，，，，然后Playment的众包员工用他们的智能手机对其举行标记、标注和注释。。。。
。这些成员通过教程接受培训，，
，，，，并且必需通过特定项目的资质考察才华加入。。。。
。为了确保质量，，
，，，，每项使命会经由多人多次重复，，
，，，，并设置有重复核查的功效。。。。
。

“这些使命很重大，，
，，，，以是我们提供专门的项目司理来为他们定制事情流程，，
，，，，并认真整个交付历程。。。。
。”Siddharth说。。。。
。

据他介绍，，
，，，，Playment已经为客户标记了凌驾5000万个数据，，
，，，，相当于约莫1000万个数据单位（图像和文本）。。。。
。他说，，
，，，，现在公司天天可以输出高达100万个标签。。。。
。

除了创立事情时机，，
，，，，社区也可能因此受益。。。。
。电商snapdeal的相助同伴IndiVillage Tech Solutions就在印度南部安得拉邦的小镇Yemmiganur设立了办公室，，
，，，，雇佣了约莫100名妇女和青年，，
，，，，并将部分利润用于社区教育和饮用水的改善。。。。
。

“人工智能”中的“人工”

一直宣称将取代人类的“人工智能”，，
，，，，何以“沦落”到需要被人类教育？？？听来不可思议，，
，，，，但确实是真的。。。。
。

Siddharth说，，
，，，，“虽然人工智能是手艺的下一个前沿领域，，
，，，，但它还远未抵达企业应用的要求。。。。
。”

以自动驾驶为例，，
，，，，系统需要做出许多决议来应对州不确定因素——天气，，
，，，，照明，，
，，，，车辆类型，，
，，，，单行道等等。。。。
。“你需要大宗人力，，
，，，，以指数规模天生大宗的训练数据。。。。
。” Siddharth说。。。。
。

之以是需要训练数据，，
，，，，是取决于现在AI训练的方式。。。。
。

以图像识别为例，，
，，，，原理就是给AI输入足够多的统一类型的数据，，
，，，，好比无数张贴了分类标签的种种各样红绿灯、或者公路上障碍物的图片，，
，，，，等下次再输入未贴标签的同类图像时，，
，，，，AI可以将其准确分类，，
，，，，也就是“认出来”。。。。
。

这样一来，，
，，，，关于一辆自动驾驶汽车来说，，
，，，，仅仅是识别行人和阻止标记，，
，，，，它通；；
；嵝枰汕习偻虻恼掌囱，，
，，，，而这些照片必需所有由人力举行标记。。。。
。

要让AI越来越智能，，
，，，，直到无限靠近人的判断，，
，，，，就需要海量的数据让它举行学习。。。。
。那问题在于，，
，，，，数据的数目和质量怎样选择。。。。
。关于商业应用而言，，
，，，，所解决的往往是详细情境下的问题，，
，，，，好比自动驾驶识别障碍物，，
，，，，以图搜物找到同类型的商品等。。。。
。

因此，，
，，，，一定命目的高质量的数据，，
，，，，显然比海量的低质量数据更经济高效。。。。
。所谓“高质量”，，
，，，，即就分类意义而言，，
，，，，它的分类更为准确，，
，，，，可以起到更好的学习效果。。。。
。

好比电商的以图搜物需要训练AI识别衣服类型，，
，，，，理想的状态是所有的短袖被分为一类，，
，，，，所有的连衣裙被分为一类，，
，，，，二者之间没有交织和混杂。。。。
。这就需要人工来对图像举行标注，，
，，，，对原始的数据举行“净化”和“分拣”。。。。
。

因此，，
，，，，印度等生长中国家的年轻劳动力，，
，，，，显然成了一个不错的选择。。。。
。

是“智能”照旧“鹦鹉”？？？

这样训练出来的AI，，
，，，，能真的取代人类吗？？？距离这一目的的实现可能还很遥远。。。。
。

很简朴，，
，，，，以这种要领训练出来的AI，，
，，，，它所有的输出都建设在已经输入的基础之上，，
，，，，若是有全新的图像泛起，，
，，，，识别就无法举行。。。。
。

加州大学洛杉矶分校视觉、认知、学习与自主机械人中心主任朱松纯曾以图像识别所在盘算机视觉研究举例称，，
，，，，此前25年，，
，，，，主流是以形状和物体为中心，，
，，，，最近25年是通过提取富厚的图像特征，，
，，，，来形貌物体的外观来做识别和分类。。。。
。之条件到的电商网站Polo衫的颜色、袖长和领型就属于此类。。。。
。

但事实上，，
，，，，场景识别的实质是功效推理。。。。
。朱松纯以下面两张图为例，，
，，，，写道“虽然图像特征完全差别，，
，，，，可是他们是统一类场景，，
，，，，功效上是等价的。。。。
。”

这才是真正的“人工智能”。。。。
。而现在这种通过图像特征做场景的分类和支解，，
，，，，用大宗的图片例子和手工标注的效果去训练神经网络模子，，
，，，，着实是典范的“鹦鹉”模式。。。。
。

也就是说，，
，，，，这种“学习”现实上不是我们寻常意义上的“学习”。。。。
。一般意义上的学习，，
，，，，是一种交互的历程，，
，，，，而这种通过大宗数据举行训练的学习，，
，，，，着实是一种“被动的统计学习”，，
，，，，无法爆发举一反三的效果，，
，，，，只是一种“鹦鹉学舌”。。。。
。

说究竟，，
，，，，现在这种在商业应用的笔直领域应用普遍的，，
，，，，通过大宗数据来训练AI的深度学习要领，，
，，，，只是AI领域很小的一个部分，，
，，，，绝对不可等同于“人工智能”。。。。
。

随着AI手艺的生长，，
，，，，也可能会泛起比被动的统计学习更为科学的要领，，
，，，，那时间，，
，，，，还需要通过人工贴标签来分类数据、训练AI吗？？？

本文转自“芥末堆”