中國經濟周刊-經濟網訊 (記者 賈璇) 當下,在AI工程化實踐中,核心問題是如何将AI資料、算法、模型與實際場景相結合,如何高效運用資料。
近日,Testin雲測旗下AI訓練資料服務品牌雲測資料在2022年中國國際服務貿易交易會上,釋出面向AI工程化的新一代資料解決方案,這也是AI資料行業領域面向AI工程化的首個資料解決方案。
“AI資料基石”持續更新
近年來,人工智能在各行業大規模應用,人工智能技術逐漸從瀑布式開發轉為靈活開發,MLOps等模式應運而生。
MLOps(Machine Learning Operations)是一門工程學科,旨在統一ML系統開發(dev)和ML系統部署(ops),以标準化過程生産高性能模型的持續傳遞。
雲測資料相關負責人表示,如果大緻歸納,可以将算法疊代分為三階段。第一階段為算法預研期。前期預研立項,對傳感器及場景要求較低,需要行業基礎資料集。第二階段為算法研發期。場景定義明确,已完成傳感器選型,需要場景化定制采集、清洗、标注資料。第三階段為算法持續優化期。需要基于場景持續給予生産環境資料對模型進行疊代優化。資料用途不僅用于訓練,還運用于評測、仿真場景建構或業務邏輯處理等。
“每個階段所需要的資料特點鮮明,且不可或缺。如何更好地幫助企業完成算法持續優化期的資料,是幫助企業完成工程化,面向産業落地至關重要的一步。”該負責人說。
為此,雲測資料面向AI工程化推出新一代資料解決方案,該方案通過成熟資料管理和标注平台,與企業完成系統內建+支援企業自定義預标注、算法接口+人員管理、項目管理體系+安全傳遞軟硬體支援的方式,在保證資料隐私安全的标注環境下,高度支援企業所需資料的高效流轉、持續進行資料處理任務,提高規模化生産效率。
通過雲測資料面向AI工程化的新一代資料解決方案,可在保障資料安全的基礎上,加速AI企業算法模型開發周期,在AI資料訓練過程中綜合效能可提升200%以上、資料傳遞品質最高可達99.99%标注精度、助力企業降本增效。
同時提升資料管理、場景庫管理能力,幫助運用人工智能的企業對資料資産加以沉澱、安全管控和風險治理,提升企業AI治理能力,推動挖掘更加多元化的AI價值。
通過采用雲測資料标注平台,可提高多個場景下的資料能力。如在自動駕駛領域,可實作車企DataOps(即Data和Operations組合)資料閉環中資料清洗、标注工作,與原流程相比提升2倍流轉效率;在零售貨檢方面,通過雲測資料标注平台,将貨櫃檢測資料持續回流,基于算法預标注結果進行可視化審查并修改,與純人工标注效率提升3倍。
雲測資料推進行業規範發展
在數字經濟持續發展的背景下,人工智能發展迅速并與各種應用場景深度融合,已成為促進經濟創新和發展的重要技術。在多元化的人工智能場景落地背景下,推進人工智能資料品質向更高标準發展已成為行業廣泛關切的重點。
近年來,雲測資料積極推動人工智能資料行業标準化工作的建設,先後參與編制《智能網聯汽車雷射雷達點雲資料标注要求及方法》、《智能網聯汽車場景資料圖像标注要求與方法》,為産業智能化貢獻經驗與智慧,推動了AI資料服務垂直領域建構标準化體系。
今年5月,雲測資料與華為、百度、京東、中原銀行等數十家科技公司共同編寫《人工智能研發營運一體化(Model/MLOps)能力成熟度模型第一部分:開發管理》,這是Model/MLOps能力成熟度模型系列的首個标準。
“開發管理”部分将面向具備自研能力的使用者方企業、ModelOps/MLOps 開發平台産品提供方等對象,以需求管理、資料工程及模型開發三大能力子域作為開發管理的切入點,為具備人工智能軟體研發傳遞營運能力的組織在實施模型開發管理過程中的能力給予評價和指導。
此外,雲測資料參編的“資料處理”部分有力地推動了AI資料服務領域建構标準化體系,為AI模型快速擷取高品質訓練資料提供了科學方法論。
同時,雲測資料先後推出“雲測資料标注平台”、“AI資料集管理系統”等技術成果,為AI相關企業提供處理大規模感覺資料的能力。通過結構創新、智能化、工程化、标準化的标注平台産品賦能AI訓練資料行業,極大地加速了人工智能相關應用的落地疊代周期,助力企業AI資料訓練綜合效率提升200%、标注精準度最高達99.99%。
通過源源不斷産出的高品質、場景化的AI資料,雲測資料促使人工智能産業加速發展,持續提升了Al應用的規模化落地效果。