4月12日，百度雲智峰會-2017ABC生態及合作夥伴大會於上海國際會議中心成功舉辦。百度眾包（zhongbao.baidu.com）首席數據解決方案專家李明出席並發表主題為《百度眾包平臺數據服務探索與實踐》的演講，通過眾包模式幫助企業或開發者解決如何獲取海量標註數據的難題。
百度眾包首席數據解決方案專家 李明
人工智慧，算法是發動機，數據是燃料。對於很多公司，獲取海量而優質的標註數據是實現人工智慧的先決條件。算法模型是計算機基於大規模的訓練數據集，歸納出的識別邏輯，以實現精準的物體和場景識別。可以說，實現機器精準識別的重要一步，就是獲取海量而優質的標註數據。
李明在此次峰會的演講中提到：」以人臉識別為例，訓練該算法模型的圖片數據量至少應為百萬級別。這麼大規模的數據獲取和數據的加工處理，對人工智慧開發者來說，無疑是一個大的挑戰。「
眾包平臺往往是大部分公司解決這一挑戰的選擇。百度眾包是全國最大的眾包平臺，從2011年成立至今，已累計完成1萬小時語音採集、10億條數據標註、1000億條數據抓取。不僅服務於內部的百度NLP、百度地圖等部門，並且將此成熟的服務對外開放，助力蔚來汽車、圖靈機器人等人工智慧公司飛速發展。百度眾包提供的是一站式海量訓練數據服務，包括數據獲取，數據加工，以及數據的定製化服務。整合線上線下資源獲取到目標數據；通過加工，實現數據價值最大化；根據需求定製數據解決方案，幫助客戶實現技術和應用的突破和創新。
數據採集
百度眾包數據採集服務，可以獲取到網頁，文本，圖片，視頻，音頻等數據。數據的獲取來源包括：
√ 線上網際網路的自動化採集，每天可抓取1億條網絡數據；
√ 線下眾包採集，來自300多個城市的10,000名眾包採集員，基於真實場景快速採集目標數據，如語音、地理位置信息等；
√ 問卷調研採集，百度眾包依託於1,700萬的龐大樣本用戶，支持以問卷調研方式獲取個人行為和行業諮詢數據。
數據加工
通過採集得到的數據大多是原始數據，不能直接被拿來使用，需要進行加工。百度眾包擁有10,000名專業的標註員，以日均200萬條數據的承接能力高效處理海量數據標註需求，提供三種數據加工處理方式：
● 數據清洗，有幹擾數據的，需要去噪，涉及隱私的要對數據進行脫敏；
● 對於採集到的圖像，網頁等非結構化數據，要對其進行結構化加工處理；
● 數據關聯處理主要是指數據的標籤化，數據的時效性等等。
如何保障眾包平臺的效率和質量，是剛起步或一些小型眾包平臺無法攻克的難題。百度眾包憑藉200名專業數據質檢員，以及在6年的實踐中建立起了一套完善的質量管理體系，包括標註員培訓體系、數據的機器審核體系、數據人工審核體系等，確保我們數據加工的質量滿足客戶要求。
數據服務
自籌數據、對接公共資料庫或行業數據，都擁有較高的數據獲取處理成本。因此需要有專業的數據服務商對數據進行共建和分享，整合成數據服務。
眾包是一種高效的數據建設模式
通過我們的實踐表明，利用眾包模式共享勞動力，形成數據共建模式，不僅可為企業提供高效高質地可用數據，更可以節約成本。
以3000小時的普通話語音採集為例，百度眾包首先結合線上線下多種渠道的運營活動，充分調動眾包用戶在真實環境下的積極參與，平均一天採集100小時語音數據；而後又對採集的數據進行清洗（語音文本匹配，清晰度，去重等）和語音文本轉寫標註（誤差率＜3.5%）；最後以數據服務方式提供給語音助手，語音輸入法，語音客服等領域的智能客戶，為相關模型算法提供精準學習語料。
百度眾包除了數據服務外，還將眾包模式及雲技術結合。基於百度10餘條過億用戶APP測試經驗的累計和驗證，將百度領先的測試技術以百度移動雲測試中心_MTC平臺對外推出。通過雲測實驗室的海量真實手機及百度專業的測試專家團隊，為企業提供移動App定製測試方案；同時通過獨創的本地化移動App測試解決方案，可為企業迅速搭建一個內網真機自動化測試實驗室，實現測試數據私有，設備遠程管理等服務，助力企業快速實現移動化。資訊
來源：新聞資訊