要想AI商业化落地,不靠TA肯定没戏

资讯 5年前
729
要想AI商业化落地,不靠TA肯定没戏

导语:AlphaGo在2016年就击败了围棋世界冠军,语音助手,搜索引擎推荐算法悄然改变着人们的生活,智能音箱、智能驾驶、智能安防等新概念火等一塌糊涂。一时间,仿佛人工智能时代已经到来,资本的介入,甚至使得企业陷入癫狂。

众所周知,算力、模型和数据是人工智能的三个要素。但资本和媒体的关注点在算法和算力上,而作为三要素之一的数据一直被剥离在“人工智能”之外。但事实上AI数据在人工智能商业化落地中发挥着不可替代的作用。

当一个算法模型设计好后,就需要大量标注好的数据去训练机器,从而使得机器更加“智能”,得以在实际应用场景中施展拳脚。若希望算法进一步提升性能,则需要更多精细化的数据加以训练,不断迭代。可以说,AI的发展,数据是基础,也是关键。

人工智能和机器学习领域国际的权威学者吴恩达曾发表过以“AI is the new electricity”为主题的演讲,在其阐述AI的时候,重点强调了数据的重要性,“AI的崛起正改变着公司的竞争格局。公司的壁垒不再是算法,而是数据,让算法利用足够的数据,使得产品运行起来......”

李开复在清华大学“清华学堂计算机科学实验班”题为《人工智能的黄金时代》的演讲中也讲到了此类观点:“如果你有垄断性的大数据,你就会有很大的优势......最好的数据是闭环的数据,所谓闭环的数据就是在你应用的时候可以捕捉到数据并且知道最终你根据数据做出的抉择对或不对。”

作为领先的人工智能数据服务提供商,Testin云测旗下AI数据服务品牌--Testin有数也认为,随着人工智能商业化进程的加速,辅助驾驶、客服机器人等人工智能技术在各行各业的应用和落地,数据的种类、质量和场景匹配程度的要求也越来越高,人们对于AI的能力要求,以及在实际使用中产品稳定性、安全性的要求,也在逐渐提升,拥有数据将是AI企业的核心竞争力之一。

安全性、稳定性的提升,实际是在倒逼对标注数据精确度提升,这也就对数据精度有了更高的要求。如果说以前的算法模型使用的通用数据集是粗粮的话,那现在算法模型需要的就是定制化的营养餐。企业若想进一步提升模型的落地能力,必然要逐渐脱离原来的通用数据集和互联网数据,积极投身于定制化数据采集当中,打造数据优势壁垒。

Testin有数为帮助其获取更多特定场景数据,结合多年的项目流程管理能力,在全国多地自建了数据场景实验室和数据标注基地,并配备多种采集软、硬件设备,打造了一支专业的定制化采集和高质量的标注队伍。

场景实验室是Testin有数布局高度定制化、多模态的AI数据服务的重要组成部分,借此能使得Testin有数的交付能力与客户需求平行,甚至领先客户的需求一点点。而在自建的数据标注基地中,Testin有数的技术和项目管理能力能够迅速转换,成为具体数据标注业务中的生产力,完成数据质量的跨越。

现在,人工智能正在逐渐从一些抽象的概念变成我们生活当中实际的应用,但阶段性地来看,AI数据数量和质量的瓶颈还将持续制约行业的发展。Testin云测旗下AI数据服务品牌--Testin有数,将持续为AI进化提供着高质的数据燃料,助力AI场景加速落地。

© 版权声明

相关文章