今天,自动驾驶数据服务公司恺望数据宣布:以“自动化产线+规模化人力”为核心,能够为算法提供稳定的低价数据供应链的"恺望自动化数据产线"日前正式启用。
通过“‘人和场景’为导向的全局自动化”路径,该产线实现了在持续提升数据生产规模化的同时、减少成本超过20%。
恺望自动化数据产线以数字驱动方式打造自动驾驶数据生产的全流程系统,并充分考虑“人机交互”的适配场景,通过SaaS平台、算法、各板块建模等科技工具,以及校企合作培训逾千位“恺望人工智能训练师”,持续提升数据生产及运营管理全流程各板块的规模与效率。通过这样“以’人和场景’为导向的全局自动化”路径,目前已实现可在持续提升数据生产规模化的同时减少成本超过20%,经验证不但可以为算法提供稳定的低价数据供应链,同时也正在为未来实现全自动化产线的建模提供大量人数据及人的行为及经验积累。
关注全局效率
解决自动驾驶标注“稳定低价供给痛点”
数据标注自动驾驶数据标注是价格敏感型导向的,相同的交付质量和交付时间,一定是越低价格越有优势,我们最关心的是:数据需求变大了,成本怎么降下来?——— 自动驾驶数据生产依赖规模化的人力供给,波峰波谷的人效配置及稳定、优质数据供应问题一直是行业内的最大痛点。
成立一年的恺望数据围绕解决这个行业痛点、以“提供稳定的低价数据供应”目标,近日已正式启用“恺望数据自动化生产线”平台。这个以“自动化产线+规模化人力”为核心的自动化数据产线,并没有完全抛弃人力模式,而是更关注在引入人工智能技术提升数据生产规模化和自动化能力的同时,如何充分利用现阶段行业内“人的行为经验”进行AI建模,为最终实现生产线全自动化持续进行数据积累、建立规则、建模优化。
“数据生产流程包括对需求规则的解读、数据任务拆分、人员匹配,也包括在生产管理过程进行产能监管、质量监管、效率监管,有些部分可以实现全自动化,但有些部分、尤其是需要人为判断的部分,还有待更多成熟的模型建成,才能逐步实现自动化。目前在行业内的技术方案,多数是关注解决’预标注‘这个环节的效率,而恺望认为,现阶段要持续实现稳定的低价数据供应,关键是在通过“自动化技术+人力运营管理”的部署,来提升全生产及管理流程的全局效率,进一步提供规模化的稳定低价数据供应。”恺望数据于旭表示。
在技术方面,恺望自动化数据产线由基于BI系统和AI算法建成的恺望SaaS平台支撑,由各自动驾驶数据生产的多个环节形成各自的系统接入组成,这些系统通过算法建模,既独立运作、又相互协同,未来通过各板块的持续建模优化、将进一步推进恺望自动化数据产线“全自动化”。
OpenAI用7年时间孕育了ChatGPT,在此之前,经历了规模极大、基于人的数据,不断的建模与优化。科技公司领先技术的应用,最终还要面对解决交付、量产等商业化落地的考验。虽然人工智能是热门焦点,也是大势所趋,但从目前的实际的产业应用来看,在自动驾驶数据生产领域,多个环节都仍依赖”人为判断及行为“在主导。
恺望数据认为,在目前阶段,需要以自动化为目标,根据自动驾驶数据生产流程各环节的规则和逻辑、基于人的模式建模,逐步推动将数据生产从”成熟的人工模式“转化为”成熟的人工智能模型“,解决大规模供应和成本的效益匹配问题。因此,规模化的人力数据和经验在现阶段就非常重要。
为此,恺望数据大力推进校企生态合作,与全国20多家实训基地建立了合作,并于近日正式启动“恺望校园人工智能培训师”计划。
Uber式拓展规模化人力
“恺望人工智能训练师”已在多地院校开展
学校学生规模大、成本较低,且不容易受供需影响,但百人百面,如何实现高效能配置?
“我们的经验是,要用好人力实现最高效率,重点是对人力要培训好、自动化工具要用上,才能打造规模化的’成熟的人力‘。因此,对数据生产人力有标准化的培训非常重要,不止是行业的理解和技能、还要掌握高效产线系统的理解和技能。” 恺望透露,通过与多家高职院校合作的“恺望人工智能培训师计划”, 恺望将搭建“恺望数据学院”,对学生进行行业通用的数据生产技能培训及恺望独有的自动化生产体系培训,这将帮助恺望获得大规模的标准化人力,在未来更好更早地融入和匹配恺望自动化数据产线的“运营管理”体系,人力管理建模更准确和快速,也能够实现基础人力更高效地交付恺望的项目,进一步帮助恺望打造成本优势和效能优势。
而对成为“恺望人工智能培训师”的学生而言,在学校的时候就获得系统化的培训和实习,有助于其进入社会前就具备数据生产成熟技能,对于增进技能及增加就业机会具有一定的帮助。
据了解,该计划预计在今年培训超过1000位学生,第一批300人培训目前已在山东等地高职院校完成。按照恺望的计划,将借鉴Uber的运营管理模式,结合开拓和管理各地的校园渠道、快速拓展培训师的规模及进行培训。
