4月12日，百度云智峰会-2017ABC生态及合作伙伴大会于上海国际会议中心成功举办。百度众包（zhongbao.baidu.com）首席数据解决方案专家李明出席并发表主题为《百度众包平台数据服务探索与实践》的演讲，通过众包模式帮助企业或开发者解决如何获取海量标注数据的难题。
百度众包首席数据解决方案专家 李明
人工智能，算法是发动机，数据是燃料。对于很多公司，获取海量而优质的标注数据是实现人工智能的先决条件。算法模型是计算机基于大规模的训练数据集，归纳出的识别逻辑，以实现精准的物体和场景识别。可以说，实现机器精准识别的重要一步，就是获取海量而优质的标注数据。
李明在此次峰会的演讲中提到：”以人脸识别为例，训练该算法模型的图片数据量至少应为百万级别。这么大规模的数据获取和数据的加工处理，对人工智能开发者来说，无疑是一个大的挑战。“
众包平台往往是大部分公司解决这一挑战的选择。百度众包是全国最大的众包平台，从2011年成立至今，已累计完成1万小时语音采集、10亿条数据标注、1000亿条数据抓取。不仅服务于内部的百度NLP、百度地图等部门，并且将此成熟的服务对外开放，助力蔚来汽车、图灵机器人等人工智能公司飞速发展。百度众包提供的是一站式海量训练数据服务，包括数据获取，数据加工，以及数据的定制化服务。整合线上线下资源获取到目标数据；通过加工，实现数据价值最大化；根据需求定制数据解决方案，帮助客户实现技术和应用的突破和创新。
数据采集
百度众包数据采集服务，可以获取到网页，文本，图片，视频，音频等数据。数据的获取来源包括：
√ 线上互联网的自动化采集，每天可抓取1亿条网络数据；
√ 线下众包采集，来自300多个城市的10,000名众包采集员，基于真实场景快速采集目标数据，如语音、地理位置信息等；
√ 问卷调研采集，百度众包依托于1,700万的庞大样本用户，支持以问卷调研方式获取个人行为和行业咨询数据。
数据加工
通过采集得到的数据大多是原始数据，不能直接被拿来使用，需要进行加工。百度众包拥有10,000名专业的标注员，以日均200万条数据的承接能力高效处理海量数据标注需求，提供三种数据加工处理方式：
● 数据清洗，有干扰数据的，需要去噪，涉及隐私的要对数据进行脱敏；
● 对于采集到的图像，网页等非结构化数据，要对其进行结构化加工处理；
● 数据关联处理主要是指数据的标签化，数据的时效性等等。
如何保障众包平台的效率和质量，是刚起步或一些小型众包平台无法攻克的难题。百度众包凭借200名专业数据质检员，以及在6年的实践中建立起了一套完善的质量管理体系，包括标注员培训体系、数据的机器审核体系、数据人工审核体系等，确保我们数据加工的质量满足客户要求。
数据服务
自筹数据、对接公共数据库或行业数据，都拥有较高的数据获取处理成本。因此需要有专业的数据服务商对数据进行共建和分享，整合成数据服务。
众包是一种高效的数据建设模式
通过我们的实践表明，利用众包模式共享劳动力，形成数据共建模式，不仅可为企业提供高效高质地可用数据，更可以节约成本。
以3000小时的普通话语音采集为例，百度众包首先结合线上线下多种渠道的运营活动，充分调动众包用户在真实环境下的积极参与，平均一天采集100小时语音数据；而后又对采集的数据进行清洗（语音文本匹配，清晰度，去重等）和语音文本转写标注（误差率＜3.5%）；最后以数据服务方式提供给语音助手，语音输入法，语音客服等领域的智能客户，为相关模型算法提供精准学习语料。
百度众包除了数据服务外，还将众包模式及云技术结合。基于百度10余条过亿用户APP测试经验的累计和验证，将百度领先的测试技术以百度移动云测试中心_MTC平台对外推出。通过云测实验室的海量真实手机及百度专业的测试专家团队，为企业提供移动App定制测试方案；同时通过独创的本地化移动App测试解决方案，可为企业迅速搭建一个内网真机自动化测试实验室，实现测试数据私有，设备远程管理等服务，助力企业快速实现移动化。资讯
来源：新闻资讯
