文章摘要：數(shù)據(jù)是人工智能的“養(yǎng)料”，但是對(duì)于人工智能來(lái)說(shuō)，很多數(shù)據(jù)是無(wú)法直接“食用”的。在這之前，需要人工智能訓(xùn)練師對(duì)“飼養(yǎng)”原料進(jìn)行加工（即把原始數(shù)據(jù)進(jìn)行數(shù)據(jù)集標(biāo)注），這樣人工智能才能有效地從中“汲取養(yǎng)分”。

數(shù)據(jù)是人工智能的“養(yǎng)料”，但是對(duì)于人工智能來(lái)說(shuō)，很多數(shù)據(jù)是無(wú)法直接“食用”的。在這之前，需要人工智能訓(xùn)練師對(duì)“飼養(yǎng)”原料進(jìn)行加工（即把原始數(shù)據(jù)進(jìn)行數(shù)據(jù)集標(biāo)注），這樣人工智能才能有效地從中“汲取養(yǎng)分”。

對(duì)此，中國(guó)工程院院士鄔賀銓曾有過(guò)解釋?zhuān)骸氨热鏏I訓(xùn)練師會(huì)進(jìn)行智能駕駛的訓(xùn)練。智能駕駛中需要讓汽車(chē)自動(dòng)識(shí)別馬路，但如果只是將視頻單純地傳給計(jì)算機(jī)，計(jì)算機(jī)無(wú)法識(shí)別，需要人工在視頻中將道路框出，再交由計(jì)算機(jī)，計(jì)算機(jī)多次接受此類(lèi)信息后，才能逐漸學(xué)會(huì)在視頻和照片中識(shí)別出道路?！?/p>

以“火情識(shí)別算法模型的數(shù)據(jù)標(biāo)注及模型訓(xùn)練”為例。首先，需要人工智能訓(xùn)練師在電腦用標(biāo)注工具將圖片中的火焰逐一圈出來(lái)，并標(biāo)注為“火焰”。標(biāo)注一定數(shù)量后，將這些圖片數(shù)據(jù)“喂”給人工智能學(xué)習(xí)。待學(xué)習(xí)后再進(jìn)行測(cè)試，逐張查看人工智能識(shí)別火焰的結(jié)果是否正確。比如，人工智能可能會(huì)將圖片里的黃色盒子誤判成“火焰”，于是人工智能訓(xùn)練師需要把該黃色盒子重新標(biāo)注為“非火焰”，對(duì)算法進(jìn)行調(diào)優(yōu)，再對(duì)人工智能進(jìn)行迭代訓(xùn)練，如此往復(fù)……

在訓(xùn)練過(guò)程中，人工智能還可能會(huì)出現(xiàn)“背題”的情況，即靠著死記硬背“蒙混過(guò)關(guān)”，其實(shí)并沒(méi)有真正學(xué)會(huì)（像不像那些年應(yīng)付考試的你？）。如果人工智能的“訓(xùn)練集”數(shù)據(jù)正確率高（做過(guò)的都會(huì)），但“測(cè)試集”的正確率低（有點(diǎn)變化就廢），那么說(shuō)明人工智能存在“背題”的情況，需要再次學(xué)習(xí)；如果“訓(xùn)練集”和“測(cè)試集”兩者正確率都高，則說(shuō)明人工智能已經(jīng)“學(xué)會(huì)”。

在服務(wù)數(shù)萬(wàn)家企業(yè)的過(guò)程中，沃豐科技發(fā)現(xiàn)，中國(guó)大中型企業(yè)在營(yíng)銷(xiāo)服務(wù)領(lǐng)域的需求不一而足，在營(yíng)銷(xiāo)服務(wù)數(shù)字化智能化轉(zhuǎn)型方面，他們往往需要的不是某個(gè)單一服務(wù)，而是完整且成體系的解決方案，這就對(duì)服務(wù)商提出了更高的要求。沃豐科技依托自身技術(shù)優(yōu)勢(shì)，為客戶(hù)提供全流程一體化的解決方案，AI訓(xùn)練師從安裝到維護(hù)全程保障企業(yè)業(yè)務(wù)的智能流轉(zhuǎn)。

》》點(diǎn)擊免費(fèi)試用AI訓(xùn)練師，優(yōu)勢(shì)一試便知

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來(lái)源：http://www.yzny.net.cn/ucm/faq/36958