9.1.4 数据标注、采集、虚拟化

文档摘要

数据标注、采集、虚拟化现阶段，人工智能的实现多数基于数据标注；广义上，数据喂的越多，算法效果越精准。所以海量数据是精准算法的基础，而海量数据的前提是这些数据带标签，即标注信息。数据标注有两种方法，一种是人工标注，依靠人给数据打标签，非常消耗人力物力，更重要的是时间。一种是自动标注，比如采用聚类的方式，自动标注显然是省时省力的事情，下文将分析特斯拉自动标注方法。特斯拉认为他要实现十字路口车道算法，大概需要几千万个驾驶旅程，经过大概百万个十字路口。特斯拉目前大概每天有50万个旅程，但是要把这些旅程转化成可训练的数据是非常难的课题，特斯拉表示尝试了各种人工和自动标注方法，显然不太可能。为此，特斯拉开发了新自动标注算法耗时12个小时对1万个驾驶旅程，相当于500万小时的人工标注。