自动驾驶的 AI 不单靠工程师,还仰赖劳力密集的人工累积

发布时间:2020-08-01 | 作者: | 来源:http://www.714msc.com/info_306057.html

自动驾驶的 AI 不单靠工程师,还仰赖劳力密集的人工累积

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,人工智慧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。

当别人在翻杂誌或滑 Instagram 时,Shari Forrest 打开手机 App 开始训练人工智慧。

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。「如果我乾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」。但行人到底是什幺样子?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,坐轮椅的人该怎幺辨识?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,搭载人工智慧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,细緻描绘出树的轮廓。点击、点击、点击。她会选择不同颜色的指示器,将交通号誌、电线桿、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」。

对準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,这是一项让人放鬆的工作。」

这些百万计的标注图片可帮助 AI 辨识各类事物,帮助理解诸如人是什幺样子这类问题。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。

将这些愿景寄託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,但眼下人工智慧的智慧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。