如何打造一款好用的AI数据标注平台？云天励飞发布LabelFree

　　人工智能会取代你的工作吗?

　　站在2022年的当下,大部分人给出的回答是——不会。事实上,AI产业的蓬勃发展,正在创造更多工作岗位。

　　AI产业的工作机会不仅仅局限于工程师岗位。如今,从城市到乡村,从学生到上班族,越来越多人开始将AI数据标注员作为一项兼职工作,为AI模型添砖加瓦。

　　但在AI数据标注领域,服务于数据标注的平台、工具却一直不够丰富。特别是可供中小企业、个人开发者使用的开源、免费的标注工具,更是少之又少。

　　如今,越来越多的AI开发者注意到了这一问题,并开始改变这一现状。为了满足以上需求,LabelFree数据标注平台目前发布了最新版本,提供高效的标注能力,并原生对接YMIR开源AI模型生产平台,提供了一站式的AI解决方案。这些低门槛的AI数据标注解决方案,或将在未来进一步加速AI的普及。

　　数据标注平台,能做到既便宜又好用吗?

　　在AI产业,数据,意味着什么?

　　数据,是AI生产的基座。一个AI模型从诞生到完善,直至应用于产品,实现商业化落地,需要大量数据的喂养。而在这一过程中,数据标注给AI模型提供了学习数据的重要基础,是AI从“人工”到“智能”的第一步。

　　在AI产业链条中,数据标注平台基本可划分为四类:

　　其一,是大型企业开发的数据标注平台,大多服务于企业内部的AI项目,不会对外开放。

　　其二,是SaaS类的数据标注解决方案,企业及个人开发者可付费使用。这类服务的优势是无需部署,可以直接使用;而劣势则是不支持本地化部署,可能存在数据合规风险,且大多不支持定制及二次开发。

　　其三,是直接将数据标注服务交给外包服务商,通过服务商的团队完成数据标注工作。其优势在于省心省力,而劣势也十分明显:数据安全、交付速度、标注质量均不可控。特别是一些具有一定专业性的标注工作,如医学影像类标注,更是考验数据标注服务商的专业能力。

　　最后,是开源的数据标注平台。与前几者相比,开源方案的使用门槛更低,且支持二次开发,并支持本地化部署。但与此同时,市面上的开源数据标注平台数量有限,且许多产品在标注员使用、项目管理方面均存在流程复杂、效率低的问题。因此,开源解决方案始终未能成为行业主流。

　　综上所述,在数据标注的工具选择上,AI开发者度的需求其实十分清晰:低成本使用,最好是开源项目,或支持免费授权;支持定制或二次开发;可以本地化部署,满足数据可控需求;标注、项目管理流程简便;最后,最好可以与MLOps平台紧密结合,更快、更好地开发、测试及部署模型。

　　为了满足以上需求,开源AI模型生产平台项目YMIR在日前上线了数据标注平台——LabelFree,希望通过免费、可定制、支持本地部署的解决方案,提升数据标注平台的易用性。

　　YMIR的定位是“一站式AI模型生产和部署平台”,其简化了AI模型的训练流程,支持以无代码开发的模式,实现数据管理、数据挖掘、模型训练、模型验证等功能。而LabelFree支持与YMIR平台无缝衔接,用户可以在YMIR平台选择数据集后直接跳转至LabelFree进行标注,图片的标注信息会同步至YMIR,标注完成后的数据集可以直接用来在YMIR平台进行模型训练。在后续模型迭代的过程中,用户也可以在YMIR和LabelFree之间快速切换,通过挖掘、标注和重训练的多次循环,获得满意的模型。

　　YMIR GitHub页面

　　今年5月,YMIR在GitHub上线。公开资料显示,其核心发起人包括云天励飞首席科学家,IEEE Fellow王孝宇;美国硅谷NEC实验室媒体分析部主管,印裔科学家Manmohan Chandraker;前谷歌、亚马逊、Snap机器学习研究员,硅谷初创公司Heali联合创始人、首席AI官,法裔科学家William Brendel等。

　　事实上,YMIR的许多特性,如一站式服务、开放式设计、免费使用等等,都在LabelFree上得以体现。LabelFree提供的低门槛、优体验的数据标注服务,也契合了YMIR的开发理念——通过开源AI系统能力,让每一家企业都能拥抱AI,加速AI产业化、平民化。

　　专注视觉信息标注,LabelFree有何不一样?

　　与市面上的大部分数据标注平台相比,LabelFree的优势是什么?

　　在产品定位方面,大部分AI数据标注平台都会同时支持视觉、语音、文本类数据标注,而LabelFree则不追求大而全,而是聚焦于计算机视觉领域。事实上,这也是AI数据领域最大的数据板块。根据艾瑞咨询发布的《中国AI基础数据服务行业发展报告》,中国AI基础数据服务行业市场中,图像类数据需求占比为49.7%,远高于其他类型数据。

　　对于专精于计算机视觉领域的原因,LabelFree工程师给出的答案是——LabelFree专注于计算机视觉数据的标注,希望依托于顶尖的AI算法团队、成熟的数据标注体系、大规模算法落地经验提供最低成本、最高效率的数据标注能力,让LabelFree的数据标注能力跻身行业第一梯队。

　　在图像分割技术上,LabelFree集成了辅助分割算法。在传统的标注模式下,标注员需要手动点击锚点,将被标注物从图片中分割出来;引入辅助分割算法后,标注员只需点击标注物,系统会自动将标注物分割,标注员只需要对锚点进行微调,即可完成标注。图像分割等技术的加入,提升了标注员在LabelFree平台的标注效率,从而降低AI开发成本。

　　事实上,目前市面上的大部分数据标注平台,在产品设计上更倾向于管理者视角,鲜少关注数据标注员的使用体验。在英文世界中,AI数据标注员常常被媒体称为“幽灵工人”(ghost worker),他们大多以兼职或远程办公的身份进行工作,是AI时代中常常被忽视的“看不见的人”。

　　因此,在AI时代,数据标注员的话语权是缺失的。此外,计件而非计时的计薪模式,也让许多数据标注平台没有动力在产品层面优化标注员的标注效率。

　　而LabelFree开发团队针对数据标注员群体开展了大量调研工作,以优化标注员的使用体验,帮助他们减轻工作压力,提升工作效率。例如,在图像复杂、目标众多的目标检测场景中,标注员对目标的标签设置存在大量重复操作,为此,LabelFree特别设计了“无限模式“,让标注员可以快捷地对某一类型连续操作,达到最高的生成效率。

　　与此同时,针对数据标注效率,LabelFree也完善了多人标注协作体验,并原生支持分布式对象存储,以解决海量标注数据的存储问题,降低存储成本,提升数据安全。

　　在提升数据标注效率的同时,LabelFree与YMIR的无缝衔接也简化了AI模型的训练流程。在LabelFree平台上完成标注后,AI工程师可以直接在YMIR上进行模型训练,检验模型训练成果,并将新的模型在LabelFree上进行预标注,同时提升数据标注与模型训练的工作流效率。

　　LabelFree使用文档

　　此外,最重要的是,LabelFree支持本地化、私有化部署,用户可以在以私有化的形式安装LabelFree,将数据留存在可控范围内,在保证数据安全的前提下完成数据标注流程。而这一特性,对于医院、学校等信息敏感类客户而言至关重要。

　　在商业化方面,LabelFree提供数据标注解决方案、定制化开发、技术支持,以满足专业商业客户的需求。此外,有AI需求的客户可以在算法商城模块上试用现有的算法方案,结合自身数据完善自己的AI模型。

　　提炼「数据石油」——AI数据服务市场迅速成长

　　未来,AI数据服务行业将驶向何方?

　　早在2017年,《经济学人》杂志就曾发表封面文章,提出了“数据石油”的概念——“世界上最有价值的资源不再是石油,而是数据”。与石油类似,数据本身价值有限,只有经过“提炼”之后,才能爆发出巨大的价值。

　　而数据标注平台则成为了“提炼数据石油”的关键。一方面,越来越好用的数据标注平台,完善了AI产业的基础设施,从而带动更多开发者及企业加入到AI产业,也可以做大AI数据标注员的就业市场,创造更多就业岗位。

　　2020年2月,人力资源社会保障部联合多部门发布通知,正式将“人工智能训练师”列为新职业,并纳入国家职业分类目录。这意味着AI数据标注员这一职业获得了国家层面的认可。

　　而另一方面,以数据标注、处理为代表的AI基础数据服务市场,仍处于高速增长之中。这意味着,数据标注平台、数据采集服务等AI基础数据服务,在未来存在着巨大的增长空间。

　　艾瑞咨询的数据显示,包括数据采集、数据处理(标注)、数据存储、数据挖掘等模块在内的AI基础数据服务市场,将在未来数年内持续增长,到2025年,国内AI基础数据服务市场的整体规模预计将达到101.1亿元,整体市场增速将达到31.8%(2024-2025年)。

　　AI数据基础设施的不断完善,将会推动更多数据流动起来,投入到AI模型训练的应用之中,并缓解困扰行业已久的“数据烟囱”问题。在大数据时代,挖掘数据价值比以往任何时刻都更重要,正如“大数据之父”、牛津大学舍恩伯格在《大数据时代》一书所言:“在大数据时代,我们不必非得知道现象背后的原因,而是要让数据自己‘发声’。”