业内人士告诉《高工智能汽车》，自动化数据标注在目前的行业内还属于一个”遥远的梦”，在可预见的时期内，数据标注还将以人为主。
由于数据庞大又开源，ImageNet 很快成为成为研究图像识别的首选。但尽管如此， ImageNet 也有自己的弱点：标注框太大、标注方式少和不时出现的错误，使它难以被用来训练实际应用的算法模型。
从以上可以看出，即使是业内最强大的图像识别库，数据标注都是通过人工完成的。因此，其它宣传数据标注自动化的，可信度较低。
业内人士透露，数据标注是一个简单又困难的事情。简单之处在于，确定了筛选规则以后，操作人员只需依规操作即可，没有执行上的难度，而困难之处在于，数据标注本质上是要获得更准确，更精细化的数据结果，高质量的数据是业内急需的。
但数据标注本身是一项枯燥的工作，工作人员需要对大量数据不断进行重复劳动，数据的一致性很难保证。
而这些数据标注的工作，本身是为了提升机器学习的能力，因此这部分工作只能由人来完成，人与机器之间的鸿沟，正是机器要跨越的。
数据标注公司目前的做法，是雇佣部分专业的标注人员，然后再外聘一些兼职的人员，共同完成订单。由于人工成本高昂，大部分数据标注公司，都将公司设在了三线以下的城市。
专业人员跟兼职人员的工作能力，还是存在一定的差距的。为了保证数据标注的质量，通常数据标注公司还会设立审核团队，对标注后的数据进行把关。
数据的采集、标注都是专业性很强的工作，必须有针对性的对每个素材进行专业指导。培训的过程包括了解目标 - 学习规则 - 线上培训&录像学习 - 实际场景练习 - 达标考试 - 进行工作 - 纠错讲解&改错（如果错误严重、产出不达标会打回规则学习阶段）。审核方面公司会采用多重交叉审核审核机制进行标注与审核，严格把控标注的每一道流程 。
业内人士表示，进行数据标注的人力成本还是较高，以语音数据为例，客户通常会提供完整有效的数据音频，然后以完成的有效时间段计量价格。
音频通常会包含方言，杂音等，标注人员有时需要反复听音频，才能完成音频转文字的工作。一小时的音频，常常需要一天才能完成，业内给出的价格通常在300元左右。
这个市场完全是自由市场，甲乙双方一方面要兼顾成本、质量等因素，另一方面也要考虑到人力成本，由于技术含量低，上升空间小，做数据标注工作的大部分都是短期工，从业人员积极性低，面临较大的人才流失问题。资本市场的博弈，最终要找到一个平衡点，让工人愿意留下来继续工作。
众包下的半自动化
资本逐利，为了降成本，提效率，无论数据标注公司还是客户，都在想办法提升数据标注的效率。
人们谈到更多的便是数据标注自动化，但业内人士表示，数据标注自动化是一个伪命题，除却技术可行性，完成自动化所需要的人才，在业内都属凤毛麟角。
本质上而言，大公司是最有实力做这部分工作的，但现实是大公司的数据标注业务，基本都外包给了小工司来做。而小公司，则还沉浸在人海战术中。
数据标注公司要提高标注的效率，以及降低成本，目前所努力的方向基本是众包、半自动化。所谓的众包，类似于国外高精地图的采集，即公司将订单发放到网上，让拥有闲暇时间的网友来合力完成数据标注的工作，中间可能会涉及到给予一些奖励，但相比现在的线下重劳力模式，已经减轻了不少成本。
但众包的形式，对数据标注的工作流程，有了更高的要求。网络用户完成数据标注，一定要简单，快速，容易上手，由此才能普及。目前的数据标注过程，需要人工画框，打标签，还需要后续的人工审核，整个流程较为复杂。
业内人士表示，现在能提高效率的工作，便是开发一套网上系统，将标注工作简单化、标准化，为标注人员尽量减少一些重复简单的工作。
开发这样一套系统，需要专业的研发人员，而大部分数据标注公司，鲜少拥有余力来进行这一部分纯粹投入、研发。因此，数据标注公司未来的目标是能够实现半自动化的数据标注，而这背后，还仍然要依靠众包。
所谓的自动化标注，本身是一个伪命题，如果数据都能通过自动化标注了，那本质上已经不需要标注了，因为人工智能已经有了如人一般的识别能力。而这一天什么时候会到来？众所期待~
作者：高工智能汽车