Kumaramputhur是喀拉拉邦Palakkad西北約45公里處的一個小村莊，約有3500個家庭在這里居住。這個村莊沒有第一產(chǎn)業(yè)可言，它的性別比例和識字率都低于該州的平均水平。除了有一些現(xiàn)代化的痕跡，這里似乎沒有什么值得引起注意。

然而，正是在這個村子里，高中輟學生MujeebKolasseri指揮著一支由200多名員工組成的團隊，為美國、歐洲、澳大利亞和亞洲的客戶開發(fā)人工智能解決方案。Kolasseri于三年前創(chuàng)辦了這家名為Infolks的公司，28歲的他是該公司資格最老的成員。

該公司的辦公室位于連接Palakkad和Kozhikode的高速公路上，雖然不起眼，但團隊里的大部分成員都在這里工作。他們所要做的就是將固定在自動駕駛車輛上的攝像機拍攝的車輛、交通燈、路標和行人的圖像進行強調(diào)和標記。這份工作看似簡單，但卻很困難，因為他們需要將激光雷達遙感器捕獲的數(shù)據(jù)進行精確標記（激光雷達為自動駕駛車輛創(chuàng)建3D地圖，以獲得對周圍物體的感知）。

約2000公里之外，加爾各答西南邊緣的梅蒂阿布魯茲胡格利河岸附近，約有200名婦女正在給圖像貼標簽，這些圖像將用于訓練自動駕駛車輛和增強現(xiàn)實系統(tǒng)中的算法。

“他們參與著一些我們最前沿的圖像項目，”數(shù)據(jù)注釋公司iMerit的技術(shù)和營銷副總裁JaiNatarajan表示，其員工參與標記和準備數(shù)據(jù)，以訓練人工智能算法。

iMerit在加爾各答、蘭奇、布巴內(nèi)斯瓦爾、維扎格和夏隆辦事處的數(shù)千名員工也在從事著類似的工作，通過給數(shù)百萬數(shù)據(jù)貼上標簽，幫助訓練全球各大公司開發(fā)的人工智能算法。

全球企業(yè)巨頭正在逐步采用人工智能，為人工智能算法提供支持的數(shù)據(jù)集也變得越來越專有，所以這些公司需要在要求、質(zhì)量控制、反饋和交付方面與數(shù)據(jù)標簽團隊進行更高程度的合作。

由于本世紀初業(yè)務(wù)流程外包的繁榮，印度人對這些行話和要求并不陌生。數(shù)據(jù)注釋和標記也是一種由流程驅(qū)動的工作，需要精確的工作和技能，即使是受過高中教育的人也可以接受培訓。

隨著以眾包為主的第一代工作被更先進的要求所取代，Infolks、iMerit和Playment等公司開始迎合全球客戶，并使印度成為數(shù)據(jù)標簽和注釋工作的新興中心。

“這是一個新興行業(yè)。在印度，每個人都已經(jīng)開始意識到它帶來的巨大機遇，”印度科技產(chǎn)業(yè)機構(gòu)Nasscom的高級副總裁兼首席戰(zhàn)略官SangeetaGupta表示。“人工智能需要適當注釋、分類和匿名的數(shù)據(jù)。為此，不管喜不喜歡，你都將使用自動化，但你也必須使用熟練的人力資源，而這就是它給印度帶來的機會?！?/p>

根據(jù)研究公司Cognilytica的一份報告，到2023年底，與人工智能和機器學習相關(guān)的數(shù)據(jù)準備解決方案的全球市場，預計將從2018年的約5億美元增長至12億美元。

什么是數(shù)據(jù)標記？

通過數(shù)據(jù)標記和注釋，來自非結(jié)構(gòu)化來源（如照相機、傳感器、電子郵件和社交媒體等）以及來自結(jié)構(gòu)化來源（如數(shù)據(jù)庫）的數(shù)據(jù)集被標記、標注、著色或突出顯示，以標記出差異、相似性或類型。通過這樣的方法，當數(shù)據(jù)被輸入到用于訓練人工智能系統(tǒng)的算法中時，該算法可以正確地識別數(shù)據(jù)并從中學習。

比方說，你想訓練一種算法，利用車載攝像機拍攝的圖像來理解路標。數(shù)據(jù)標簽工或注釋工將通過圖像數(shù)據(jù)集，使用標注工具標記或高亮顯示路標，并將其輸入人工智能算法進行學習。下一次，當算法在一個區(qū)域內(nèi)實時行駛并遇到路標時，它應(yīng)該能夠識別出路標。算法訓練的路標圖像越多，其準確性就越高。

推動人工智能或機器學習激增的是從互聯(lián)網(wǎng)、社交媒體、傳感器和其他來源獲取的大量數(shù)據(jù)。如今的算法有能力吸收更多的數(shù)據(jù)，從而也更精確。只要數(shù)據(jù)是優(yōu)質(zhì)且干凈的，將另外一百萬個數(shù)據(jù)集輸入一個算法將會提高它的準確性。因此，這也導致了人工智能算法和應(yīng)用對標注良好的數(shù)據(jù)產(chǎn)生了無止境的渴望。

根據(jù)Cognilytica的報告，現(xiàn)如今，數(shù)據(jù)準備和工程任務(wù)占據(jù)了大多數(shù)人工智能和機器學習項目80%以上的時間。

“比如自動駕駛，一個小時的視頻數(shù)據(jù)可能需要消耗800個工時，”Playment首席執(zhí)行官SiddharthMall表示。

Infolks之旅

Kolasseri高中輟學后，在鋁加工行業(yè)工作，但由于健康原因不得不離開。在國內(nèi)，他注冊了亞馬遜稱為“MechanicalTurk”（MTurk）的眾包就業(yè)市場，并開始從全球各地的公司從事注釋工作。

“我能夠保持99.8的評級是因為我能夠提供高質(zhì)量的服務(wù)。我工作過的一家公司非常喜歡我的工作，于是直接找到我，并提供了更多的工作，”Kolasseri說，他隨后成立了一個六人團隊來完成這項工作?！拔覀冏畛踉诩夜ぷ?，2016年初，隨著業(yè)務(wù)的增長，我決定注冊成立這家公司。”

最初，Kolasseri的兄弟和一個朋友投資了2.5萬盧比，幫助他建立了這家公司。如今，Infolks是一個正在成長中的團隊，其大部分員工來自Kumaramputhur及其周邊地區(qū)。

Kolasseri說：“公司的愿景是將我們的村莊變得全球化，并為農(nóng)村地區(qū)的年輕人提供經(jīng)濟機會。近200名員工中有90%在20到25歲之間?！?/p>

盡管該團隊也負責醫(yī)療保健、機器人和農(nóng)業(yè)等領(lǐng)域的數(shù)據(jù)集，但他們大約75%的工作都是在自動駕駛車輛領(lǐng)域。其客戶包括德國汽車公司戴姆勒和其他國際科技公司，由于簽署的協(xié)議，Kolasseri并未透露這些公司的名稱。

至于注釋，該公司使用客戶提供的工具，或者使用第三方工具?！拔覀兊难邪l(fā)團隊正在開發(fā)自己的注釋工具。它目前正在測試中，應(yīng)該會在接下來的幾周內(nèi)推出，”Kolasseri表示。Infolks還在Kozhikode區(qū)附近的一個科技園區(qū)內(nèi)設(shè)立了另一個辦事處。Kolasseri希望這能夠增加公司的收入，因為新的地點屬于經(jīng)濟特區(qū)，有助于擴大其全球客戶群。

印度人工智能后臺

亞馬遜的MTurk在開始限制非美國員工之前，曾是印度人尋找數(shù)據(jù)標簽和注釋工作的熱門平臺。盡管后來取消了限制，但隨著企業(yè)客戶開始更加重視數(shù)據(jù)安全，MTurk在數(shù)據(jù)標簽商中的受歡迎程度有所下降。此外，包括Spare5、Cloudfactory和FigureEight在內(nèi)的新眾包平臺也已經(jīng)進入市場，它們則更加關(guān)注注釋和標簽市場。

Kolasseri說：“在創(chuàng)辦公司之前，我曾于2015年至2016年期間在MTurk平臺上工作過，如今，仍然不斷有新的平臺出現(xiàn)。但是，由于企業(yè)客戶非常關(guān)注數(shù)據(jù)安全，尤其是考慮到許多數(shù)據(jù)集都是專有的，因此信任這些平臺上的工作人員成為他們面臨的更大挑戰(zhàn)。”

由前Flipkart員工Mall、AjinkyaMalasane和AkshayKumarLal所創(chuàng)立的Playment，則以一種略有不同的方式對待注釋和標簽行業(yè)。

該公司為各種用例開發(fā)了一系列注釋工具，并開發(fā)了一個由受過這些工具培訓的標簽工和注釋工組成的眾包平臺。該公司直接與客戶或相關(guān)的信息技術(shù)服務(wù)公司進行合作。

“要將原始數(shù)據(jù)轉(zhuǎn)換為帶注釋的結(jié)構(gòu)化數(shù)據(jù)，你需要前端注釋工具、熟練且經(jīng)濟高效的人力資源。此外，由于處理數(shù)據(jù)的規(guī)模化，你還需要有合適的中間件來支持不同的工作流并管理遠程人力資源，”Mall說。

Playment的眾包平臺擁有30多萬標簽工和注釋工。其中，該公司認為約有2.5萬人是“高技能頂級玩家”。據(jù)Mall稱，這些人幾乎整天都在平臺上，平均月收入為2萬至3萬盧比。

Playment的大部分工作也來自國際客戶，其中包括三星、滴滴出行、阿里巴巴、Drive.ai和ContinentalAG，其中大部分都屬于自動駕駛車輛領(lǐng)域。

iMerit的戰(zhàn)略則以員工為中心。其2000多名勞動力中，約80%來自月收入低于100美元的家庭；其中大約一半是女性?！拔覀兊纳鐣姑窃谪毨鐓^(qū)和公司或工業(yè)較少的地區(qū)創(chuàng)造技術(shù)就業(yè)機會。我們在科技產(chǎn)業(yè)稍低、科技就業(yè)機會較少的城市開展業(yè)務(wù)，”Natarajan說道。

所謂的利他主義也有很好的商業(yè)意義。Natarajan表示：“我們的合作伙伴和辦公地點，允許我們以非常經(jīng)濟高效的方式擴大數(shù)據(jù)注釋和標簽團隊，并為客戶提供高質(zhì)量的工作。”

盡管iMerit的大部分業(yè)務(wù)都來自美國——客戶包括微軟、易趣和Tripadvisor——但其90%的數(shù)據(jù)注釋和標簽工作是在印度完成的。

注釋自動化

雖然各大公司正在開發(fā)用于注釋的自動化工具，但由于許多工作需要更為細致的定制注釋或標簽工作，要想讓自動化工具達到高精度還需要一段時間。

Natarajan說，與五年前人工智能還在區(qū)分貓和狗的不同相比，現(xiàn)在的人工智能需要處理更高級的工作?！皺C器學習已經(jīng)向前發(fā)展，所以不再有人要求我們?yōu)楣泛拓堖M行標記。如今，每家公司都有定制的需求和非常細微的需求，所以不可能自動實現(xiàn)這一點，也不可能自動給出數(shù)據(jù)并由一群匿名人士貼上標簽?！?/p>

他說，基于人工智能的自動化注釋工具是不可避免會出現(xiàn)的，但它并不是一個威脅。“自動化注釋工具本身就是經(jīng)過良好注釋訓練出來的結(jié)果。當你試圖解決一個問題時，這些工具只能把你帶到一定的水平，但是要超越這個水平，你還需要自定義注釋，”Natarajan說。

當然，加以一段時間，自動化工具會變的足夠有效，從而能夠創(chuàng)建更好地數(shù)據(jù)集?！皬母L遠的角度來看，我們確實認識到這個行業(yè)并不能永久存在。當客戶成功時，我們的任務(wù)就結(jié)束了，”Natarajan說?！暗覀円舶l(fā)現(xiàn)，這也并不是一個100%肯定的事情，因為它總是一個持續(xù)不斷的學習和改進的過程。此外，當客戶轉(zhuǎn)向下一個問題時，一切又都從零開始了。”

換句話說，印度的數(shù)據(jù)標簽和注釋公司尚未見頂，這一行業(yè)可能需要很長時間才會走上業(yè)務(wù)流程外包的老路。

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問題，請及時聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請諒解！