實現智能駕駛不能只靠工程師，你還需要了解這個訓練AI的龐大軍團

多數人的觀念里，人工智能的發展應該只需要工程師在前沿技術上不斷突進，而事實是， AI 訓練的背后是龐大的勞動力支撐。雷鋒網了解，在自動駕駛的實現過程中，圖片標記就是一項需要密集勞動的浩蕩工程。

當朋友們翻雜志或在 Ins 上刷屏的時候，Shari Forrest 則打開了手機里的 APP 開始訓練人工智能。

Forrest 住在圣路易斯城郊，今年 54 歲，她不是工程師，也不是程序員，靠寫教科書謀生。在平時需要休息的閑碎時間里，她會登錄 Mighty AI，標注行人和垃圾桶，以及其它你不想讓無人車撞上的東西。“如果在我干坐著等醫生的任命時，還能賺幾個錢，那何樂而不為呢。”

對 Forrest 來說，這是一樁愉快的消遣，而其背后的本質事實是，自動駕駛時代正在到來。

支撐自動駕駛訓練所需的數據容量超乎想象。雖然谷歌和通用這些公司很少提及，但他們耀眼的機器和數據中心卻依賴于全世界越來越多像 Forrest 這樣的人。

正如你聽到的那樣，如今，幾乎每個人都認為 AI 勢必帶來一場全面革命。汽車廠商們尤其樂意強調這些，因為機器人車將提高安全性，減少擁堵，讓生活更便捷。“汽車是機器學習使用熱度最高也是最先進的領域之一，” Mighty AI CEO Matt Bencke 說到。雖然沒有點名，但他表示公司正在合作的汽車廠商至少有 10 家。

如何教機器學會開車是一個很大的挑戰。美國車輛管理局的規則樹立了一個起點，提供了一些基礎概念，比如“行人量”。但行人到底是什么樣子？人一般有兩條腿，不過，對于機器來說，穿上短裙后的兩條腿就和一條腿一樣，而且坐輪椅的人該怎么識別？推嬰兒車的呢？前面的障礙物究竟是一個小孩，還是一個大點的狗，或者一個垃圾桶？

無論如何，一個搭載人工智能的汽車必須學會辨認這些，理解這個經常連人類也理解不了的世界。對于人來說這是第二本性，但放在車輛身上就截然不同了。

Forrest 和其他 200000 Mighty AI 用戶

自動駕駛原型車的攝像頭幾乎可以捕捉所有環境和情景下的圖像。廠商和科技公司將數百萬張圖片發給 Mighty AI 這樣的公司做標記，也正是后者促成了這個在照片中識別萬物的游戲。聽起來或許很乏味，但 Mighty AI 這類公司正是通過這種 10 分鐘的輕便任務來維持自身運轉的。“這更像一個休閑游戲，而不是體力勞動，” Bencke 說到。錢財的獎勵雖然微不足道，卻也起著一定作用。

Forrest 小心翼翼地在每一幅圖里的每個人旁邊畫一個框，然后是每一輛正在接近的車、每輛車的輪胎。之后，她再將它們放大，逐像素地確認，細致描繪出樹的輪廓。點擊，點擊，點擊。她會選擇不同顏色的指示器，將交通燈、電線桿、路錐調亮。所有步驟完成之后，這個場景就以機器可以理解的語言標注出來了。工程師稱之為“語義分割”。

對準確性的要求決定了這項工作注定是辛苦的，但 Forrest 卻表示很享受這個過程：“就像很多人喜歡涂色一樣，這是一項可以讓人放松的工作。”

這些以百萬計的標注圖片可以幫助 AI 識別各類事物，幫助其理解諸如人是什么樣子這類問題。最后，AI 將變得足夠聰明，能夠自行在行人旁邊畫框。 像 Forrest 這樣的工作人員則可以幫助檢查 AI 的工作。“一段時間以后，AI 會足夠聰明，能夠可靠地識別事物。” Kangaroos 說到。

將這些愿景寄托到非專業人員身上看起來可能很奇怪，但這仍是訓練 AI 的有效方式。“這很可能是唯一的路徑。”在 USC 信息科學機構研究機器視覺的 Premkumar Natarajan 說到。他在這一領域有超過二十年的經驗。

雖然在這個所謂的無監督學習領域已經有一些研究，電腦可以以最小的投入進行學習，但眼下人工智能的智能程度仍取決于它訓練的數據質量。

Bencke 稱，他的平臺還可以使用自己的機器學習，判定 Mighty AI 上每個成員各自最擅長的東西。并沒有人因為從事這項重要的工作致富，但是對 Forrest 來說，這不是重點。

她說，自己將去年在平臺掙到的 300 美金花到了網購上。她從來沒見過自動駕駛車輛，更不要說親自乘坐一輛這樣的車，但意識到自己在幫助這些車變得更聰明，讓她在進行這項工作的時候更相信科技的力量。

來自: 雷鋒網