谷歌AI团队近日推出了一款新式图画标示方法——“流体标示”，即采用机器学习来注释分类标签并勾勒出图片中的每个对象和布景区域。谷歌官方表明其可将符号数据集的速度提高三倍。
百度众测平台去年曾发布了5000万元的数据标示使命，而今年估计将达3亿元。面临如此大的市场需求，功率低、交给质量良莠不齐的人工标示方法亟待改进。谷歌此次推出的“流体标示”如何为图画标示提速？
数据标示——机器感知国际的起点
“数据标示是人工智能工业的根底，是机器感知现实国际的起点。从某种程度上来说，没有通过标示的数据就是无用数据。”美国加州科技大学校长秦志刚教授在接受科技日报记者采访时表明，机器识别事物首要通过物体的一些特征。被识别的物体还需求通过数据标示才能让机器知道这个物体是什么。
在机器的国际里，图画与语音、视频等相同，是数据的一个品种。近年来，跟着数码产品以及存储技能的敏捷遍及和开展，人们每天都可通过相机、可视电话、监控及医疗设备等制造许多图画。因而，现阶段图画已然成为标示工业开展的重点对象。
假如资料是一张人物图画，那么需求标示的信息往往是性别、面部朝向、人种、有无帽子眼镜等，也能够人为地将人物和布景的区域区分开来。将成千上万张通过标示的图片组成的数据集“投喂”给机器，它才能在一张全新的图画平分辨出人物在哪个区域、具有怎样的外貌特征。关于人来说“小儿科”的思考历程，机器却需求许多的符号数据集进行练习。
机器学习——缓解人工标示的压力
提到人工智能工业，人们往往联想到繁华的城市和干练的IT精英，但实际上，支撑起人工智能的数据标示工业，却是一个劳动密布型工业。百度查找“数据标示”，会呈现许多图片语音视频数据收集、标示公司。随机挑选一个此类词条点进去，往往会看到“万人数据标示团队”等类似宣传语。可见人工标示是目前数据标示的首要方法。
“谷歌推出的流体标示模型首要使用人工智能学习的根底，对图画数据进行自动标示，关于标示不精确或者呈现偏差的地方能够通过人工调整，然后提高标示功率。”秦志刚指出，即使该模型可借助机器学习提升标示速度，但开始还需进行人为地数据标示，为其供给初始练习数据集。事实也正是如此，为了标示图片，谷歌预先以约一千张具有分类标签和信赖分数的图片练习了语意切割模型。
但该模型尚不完美，谷歌称，物体边界符号问题、界面操作速度以及类别扩展等仍需进一步研究或完善。
人工智能——致力于日子中的简略使用
虽然还有诸多难题尚待霸占，但以流体标示模型为代表的数据标示新方法无疑顺应着人工智能的大潮流。实际上，自人工智能逐渐走热以来，许多职业都想搭上这个热潮。但是，在灼热的潮流背面，掩藏着一个根本性的问题：人工智能终将走向何方？
“人工智能的本质是机器拥有‘学习’的才能，可想而知，人工智能能够极度缩短人类本身的学习时间，然后将人从大规模脑力学习活动中解放出来，去专注于更有价值的工作。”秦志刚表明，虽然人们普遍认为人工智能终将到来，但现阶段人工智能工业仍在云端。目前大多数人工智能的使用只能生存在高性能处理器的大型厂房中，就如同第一代通用计算机ENIAC相同“大而笨重”。“众所周知，随后的几十年内计算机飞速开展到小型的笔记本电脑，功用却比ENIAC更强壮。人工智能也当如此”。
界面简略、功用友爱、毫无相关知识根底的人都能使用并取得舒适感，这是秦志刚想象的人工智能时代。一枚小小的人工智能芯片，能够完成学习、练习、推理等一系列“思考”进程，而它的终端表现则或许仅仅人们日子中最为常见的简略使用。如下班回家，不需再拿出钥匙开门，智能门锁就像一位尽职的管家，会在第一时间感知你的到来，为你敞开家门。“十年之后，人工智能将会成为干流，潜移默化渗透到日子中的各种旮旯。别看是小事情，背面却是高密布的技能支撑。”秦志刚表明。
“愿景非常夸姣，但如何将人工智能落地和遍及推广？这将是咱们下一步亟待霸占的难题。”秦志刚说。
