人工智能背后的人员和流程

发布于：2019年4月1日 /更新，发表于：2019年4月1日 - 作者： Konrad Wolfenstein

人工智能背后的人员和流程 – @shutterstock | Zapp2照片

人工智能作为工作杀手和人类工人替代品而享有恶名。在某些领域确实如此，但在其他领域，特别是在清理和处理数据方面，人工智能正在引领新工作岗位的发展。

“数据标签和注释”是一个从AI中出现的新兴行业。来自摄像机和社交媒体数据或结构化来源（例如数据库）的非结构化数据记录被标记，标记，有色或突出显示，以显示人们的差异和相似之处。要训​​练一台机器以了解停车标志是什么，一个人必须进入街道的相机材料，并在照片中标记所有停车标志。然后将机器添加到识别数千个这些图像的数据中。随着时间的流逝，系统可以通过处理标记的数据更准确地识别停车标志是什么。这种机器学习通过接收更多数据而变得更加精确，称为深度学习。

由于此过程对于算法准确执行核心功能至关重要，因此数据标签行业在未来五年内将变得越来越重要。 2018 年，人工智能和机器学习数据准备（这一过程严重依赖人们手动标记数据的过程）的市场规模为 5 亿美元。据Cognilytica，预计到 2023 年这一数字将增加一倍以上，达到 12 亿美元第三方提供商预计这一增长将显着增加，同期市场份额从 1.5 亿美元增加到 10 亿美元。数据标记对于人工智能尤其重要，它涉及对象和图像识别、自动驾驶车辆以及文本和图像标记。

人工智能作为工作杀手和人类工人替代者而受到诟病。在某些领域确实如此，但在其他领域，特别是在数据清理和处理方面，人工智能正在引领新的就业岗位。

数据标记和注释是一个因人工智能而诞生的新兴行业。来自相机和社交媒体数据等来源的非结构化数据集或数据库等结构化来源的数据集被标记、标记、着色或突出显示，以显示人们的差异和相似之处。为了训练机器学习停车标志是什么，人们必须进入街道的摄像机镜头并标记照片中的所有停车标志。然后向机器输入识别数千张图像的数据。随着时间的推移，系统可以通过处理标记数据更准确地识别停车标志。这种类型的机器学习，即系统通过输入更多数据而变得更加准确，被称为深度学习。

由于此过程对于算法准确执行其功能的核心部分至关重要，因此数据标签行业将在未来五年内起飞。 2018 年，人工智能和机器学习数据准备（一个严重依赖人们手动标记数据的过程）市场规模达到 5 亿美元。据Cognilytica，预计到 2023 年这一数字将增加一倍以上，达到 12 亿美元。第三方提供商预计这一增长将显着上升，在同一时间范围内，市场份额从 1.5 亿美元增加到 10 亿美元。数据标记对于处理对象和图像识别、自动驾驶车辆以及文本和图像注释的人工智能尤其重要。

Statista找到更多信息图表