本文來自AI新媒體量子位（QbitAI）
病友們都在看雜志、刷Instagram的時候，Shari Forrest打開了手機上的一個app，開始訓練一個将要用在無人車上的人工智能。
54歲的Forrest并非工程師或程式員，她靠撰寫教材來謀生。盡管如此，在平時有空時，Forrest依然會在Mighty AI上登入，然後把自己的時間花在給行人、垃圾桶，以及任何其他你不希望無人車撞上的東西做标記上。
Mighty AI是一家人工智能衆包服務平台。在這裡，Forrest的“同僚”們在全球範圍内還有20萬人。這家公司提供的主要服務包括計算機視覺、自動駕駛、自然語言處理等。今年1月，公司剛剛宣布完成1400萬美元B輪融資。
“如果能趁着排隊的工夫賺幾塊錢的話，何樂而不為呢。“Forrest說。
對于無人車産業而言，在自動駕駛時代真正到來之前，類似Forrest所做的這種資料标注工作都是不可或缺的。要對自動駕駛賴以實作的AI進行訓練，所需的資料量往往超出了想象。
谷歌和通用這種公司很少去提這件事情，但正是像Forrest一樣的人們組成的勞動力大軍，構成了那些嗡嗡作響的資料中心背後的基石。
多數開發自動駕駛技術的公司會聘用成百上千名員工，然後把這種教會無人車識别行人、騎行者和其他障礙物的工作外包到印度或中國。這些勞工需要對長達數千小時的視訊逐幀進行标記。
“機器學習是個神話，就像《綠野仙蹤》一樣。”矽谷硬體孵化器公司Lemnos Labs的投資人Jeremy Conrad說，“标記團隊對每家公司都至關重要，我們一段時間内仍然需要他們，因為戶外環境十分多變。”
人工智能、傳感器品質和計算能力的巨大進步，給無人車的革命打下了技術基礎。然而，盡管出現了這些創新，但在未來很多年内，人類仍然需要在幕後默默奉獻，才能讓這些系統保持最好的狀态。
“在我看來，人工智能從業人員整體都很自大，認為電腦可以解決一切。”Mighty AI創始人兼CEO Matt Bencke說。人工智能系統也都存在同樣的問題：電腦需要通過人工添加标簽的龐大資料進行“學習”，然後利用這種‘模型’在今後看到類似的物體和形态時将其識别出來。
訓練無人車面臨的挑戰比其他人工智能應用更大，因為汽車所要面臨的場景和環境是開放性的。即便是針對不同時間的燈光和天氣環境進行調整後，城市環境仍會因為建築、活動或事故而在一夜之間發生變化。
“标注過程通常都是一項非常隐秘的成本，很少被人提及。”自動駕駛創業公司Drive.ai首席執行官Sameep Tandon說，“這非常痛苦，也非常麻煩。”
無人車所需的精度也高于其他人工智能系統。汽車之是以能夠自動駕駛，是通過将它們借助攝像頭和傳感器看到的周圍環境，與車載3D地圖進行比對來實作的。安全是頭等大事：如果Google Photos的面部識别無法正确認出一張照片中的人，那也沒什麼大不了；但如果Waymo的無人車無法識别行人，就會引發緻命事故。
在争相開發無人車的過程中，企業的衡量标準都是他們的累計行駛裡程。Waymo今年5月表示，他們的汽車已經在公共道路上試駕了300萬英裡，而特斯拉去年表示，他們已經借助Autopilot系統，通過現有的車主收集了1000多萬英裡的駕駛資料。
然而，裡程越多，就意味着這些公司的背景資料處理人員需要手工從事更多工作。短短幾英裡的駕駛裡程就會産生數十GB的資料，這些資料很快就會變得過于龐大，以至于無法通過車載無線網絡進行傳輸。相反，必須首先儲存在硬碟之中，然後再傳輸到到外包中心。
這樣一個擁有尖端技術的行業，卻采用如此陳舊的模式，的确令人感到意外。
矽谷自動駕駛系統開發公司PlusAI首席執行官David Liu表示，每駕駛一個小時，就需要花費數百個小時才能将其轉化成有用的資料。
他說，“我們需要幾十萬，甚至幾百萬小時的資料”才能讓無人車随處行駛，并且需要“數十萬人來實作這一目标”。
但大型科技公司通常不肯披露無人車所涉及的人工程式。Waymo、Uber和特斯拉均拒絕對此置評。
“很難聽到有人談論此事。”華盛頓大學計算機科學與工程教授Dan Weld說，“他們都喜歡說，機器學習很神奇。”
曾經擔任Waymo和Uber工程師的Anthony Levandowski曾于2013年在加州大學伯克利分校的公開演講中，将谷歌的印度團隊稱作一個由“人類機器人”組成的團隊，他們負責标記街景服務采集的各種圖像。
這種勞動密集型工作的成本并不低。業内人士估計，要建立和維護每座美國城市的地圖，一年的花費約為數十億美元。
Mighty AI的 Bencke指出，Facebook、YouTube和Twitter面臨的挑戰，是如何在他們的社交平台上應對欺淩和恐怖主義等各種負面内容。“如果深度學習具備這種能力，你不認為它現在就應該已經解決這個問題了嗎？”他說，“這個問題沒有無人車那麼複雜，而且市場很大。”
當下，AI的智慧在更大程度上仍然取決于它所用來訓練的資料的品質。Bencke稱自家的平台會用自己的機器學習技術，來判定每個人最為擅長的領域，并以此來配置設定工作。沒人是以變得富裕，但對于Mighty AI來講，這無關緊要。
Forrest說，自己去年在這項工作上掙了300美元，大部分都用來網購了。她從沒見過無人車，更别提乘坐一次。但她知道自己正讓它們變得更為聰明，也對這項技術的未來充滿信心。
【完】
本文作者：李杉 唐旭
原文釋出時間：2017-07-10