登录注册   忘记密码

自动驾驶的AI不单靠工程师,还仰赖劳力密集的人工累积

在多数人观念里,人工智能的发展应该只需要工程师在前线技术不断突进,但事实是, AI训练的背后是庞大的劳动力支撑。 在自动驾驶的实现过程中,图片标记就是一项需要密集劳动的浩荡工程。


当别人在翻杂志或滑Instagram时, Shari Forrest打开手机App开始训练人工智能。


Forrest住在圣路易斯城郊,今年54岁,她不是工程师,也不是程式设计师,她靠写教科书谋生。 在平时休息的零碎时间里,她会登录Mighty AI ,标注行人和垃圾桶,以及其他你不想让自驾车撞上的东西。 


如果我干坐着等医生看诊的时候,还能赚几个钱,何乐而不为?


对Forrest来说,这是一个愉快的消遣,而背后的本质是,自动驾驶时代正在到来。


支撑自动驾驶训练所需的数据量超乎想像。 虽然Google和通用这些公司很少提及,但他们耀眼的机器和资料中心却依赖全世界越来越多像Forrest这样的人。


正如你听到的那样,如今,几乎每个人都认为AI势必带来全面革命。 汽车厂商尤其乐意强调这些,因为自驾车将提高安全性,减少塞车,让生活更便捷。 汽车是机器学习使用热度最高也是最先进的领域之一,Mighty AI CEO Matt Bencke说。 虽然没有点名,但他表示,公司正在合作的汽车厂商至少有10家。


如何教机器学会开车是一个很大的挑战。 美国车辆管理局的规则树立了一个起点,提供一些基础概念,比如行人量。 但行人到底是什么样子? 人一般有两条腿,不过,对机器来说,穿上裙子后的两条腿就和一条腿一样,而且,坐轮椅的人该怎么辨识? 推婴儿车的呢? 前面的障碍物究竟是一个小孩,还是一只大狗,或一个垃圾桶?


无论如何,搭载人工智能的汽车必须学会辨认这些,理解这个经常连人类也理解不了的世界。 对人来说这是第二本性,但放在车子身上就截然不同了。


Forrest和其他20万Mighty AI用户

自动驾驶原型车的镜头几乎可以捕捉所有环境和情景下的图像。 厂商和科技公司将数百万张图片发给Mighty AI这样的公司做标记,也正是后者促成在照片中辨识万物的游戏。 听起来或许很乏味,但Mighty AI这类公司正是透过这种10分钟的轻便任务来维持自身运转。 这更像一个休闲游戏,而不是体力劳动, Bencke说。 钱财的奖励虽然微不足道,却也发挥一定作用。


Forrest小心翼翼地在每张图里的每个人旁边画一个框,然后是每辆在接近的车、每辆车的轮胎。 之后,她再将它们放大,逐像素地确认,细致描绘出树的轮廓。 点击、点击、点击。 她会选择不同颜色的指示器,将交通号志、电线杆、交通锥调亮。 所有步骤完成之后,这个场景就以机器可以理解的语言标注出来了,工程师称之为语义分割。


对准确性的要求决定了这项工作注定是辛苦的,但Forrest却表示很享受这个过程:就像很多人喜欢涂色一样,这是一项让人放松的工作。


这些百万计的标注图片可帮助AI辨识各类事物,帮助理解诸如人是什么样子这类问题。 最后, AI将变得够聪明,能自行在行人旁画框。 像Forrest这样的工作人员可帮助检查AI的工作。 一段时间以后, AI会够聪明,能够可靠地辨识事物。Kangaroos说。


将这些愿景寄托到非专业人员身上看起来可能很奇怪,但这仍是训练AI的有效方式。 这很可能是唯一的路径。在USC资讯科学机构研究机器视觉的Premkumar Natarajan说,他在这领域有超过20年的经验。


虽然在这个所谓的无监督学习领域已经有一些研究,电脑可以最小资源投入学习,但眼下人工智能的智能程度仍取决于它训练的资料品质。


Bencke称,他的平台还可以使用自己的机器学习,判定Mighty AI上每个成员最擅长的东西。 并没有人因为从事这项重要的工作致富,但是对Forrest来说,这不是重点。


她说,自己将去年在平台赚到的300美元花在网购上。 她从来没见过自动驾驶车,更不要说亲自乘坐一辆这样的车,但意识到自己在帮助这些车变得更聪明,让她在进行这项工作的时候更相信科技的力量。

您的评论:

0

用户评价

  • 暂无评论