با توسعه سریع هوش مصنوعی ، کمبود داده های آموزش با کیفیت بالا به تدریج به یک تنگنا مهم که پیشرفت صنعت را محدود می کند ، تبدیل شده است و صنعت حاشیه نویسی داده ها می تواند انگیزه شدیدی برای توسعه نوآورانه هوش مصنوعی فراهم کند. کمیسیون توسعه و اصلاحات ملی ، مدیریت داده های ملی ، وزارت دارایی و وزارت منابع انسانی و تأمین اجتماعی به طور مشترک "نظرات اجرای در مورد ارتقاء توسعه با کیفیت بالا صنعت برچسب زدن داده ها" را صادر کرد (از این پس به عنوان "عقاید اجرای" ، ارائه اهداف توسعه تا سال 2027: ویژه سازی ، اطلاعات و توسعه صنعت ، اطلاعات مربوط به توسعه صنعت ، اطلاعات و فن آوری های مربوط به صنعت ، اطلاعاتی و فن آوری را به دست می آورد. به طور قابل توجهی ، و نرخ رشد سالانه ترکیب بیش از 20 ٪ خواهد بود.
وضعیت فعلی صنعت حاشیه نویسی داده های چین چیست؟ "آستانه" هایی که برای توسعه با کیفیت بالا صنعت حاشیه نویسی داده ها باید عبور کنند چیست؟ در پاسخ به این موضوعات ، خبرنگاران علوم و فناوری روزانه مصاحبه هایی را انجام می دادند.
داده های خام منابع در دسترس می شوند
به عبارت ساده ، روند آموزش مدلهای بزرگ هوش مصنوعی مانند معلمی است که به دانش آموزان آموزش می دهد که چگونه بخوانند. "ژانگ تانگ ، معاون معاون دانشکده علوم کامپیوتر و مهندسی در دانشگاه فناوری جنوبی چین ، به وضوح توضیح داد که حاشیه نویسی داده ها" برچسب "یا" علامت گذاری "داده ها ، نیاز به متخصصان ، نیاز به یادگیری هر داده و وظایف مربوطه را دارند که به مدل بزرگ انجام می شود. و آموزش کارآمد ، به طور قابل توجهی دقت و توانایی تعمیم مدل های بزرگ را بهبود بخشید.
در طول آموزش ChatGPT ، مؤسسه تحقیقاتی هوش مصنوعی باز (OpenAI) در ایالات متحده مقدار قابل توجهی از منابع را در حاشیه نویسی داده ها سرمایه گذاری کرد. برای اطمینان از اتمام با کیفیت بالا وظایف حاشیه نویسی ، این امکان را برای درک بهتر دستورالعمل های انسانی و اطمینان از صحت و قابلیت اطمینان مدل های بزرگ فراهم می کند ، OpenAI بسیاری از "معلمان" را استخدام کرده است. این "معلمان" هم حاشیه نویسی داده های کلی و هم متخصصان و هم متخصصان سطح دکترا را پوشش می دهند.
حاشیه نویسی داده ها یکی از سنگ بنای اصلی توسعه هوش مصنوعی است. صنعت حاشیه نویسی داده ها یک صنعت نوظهور است که داده ها را از طریق غربالگری ، تمیز کردن ، طبقه بندی ، حاشیه نویسی ، برچسب زدن و بازرسی با کیفیت پردازش می کند. وظیفه اصلی آن پردازش داده های خام در مواد اولیه با کیفیت بالا است که می تواند برای آموزش مدلهای هوش مصنوعی استفاده شود. "ژانگ تانگ این حاشیه نویسی داده ها را به عنوان بخش مهمی در آموزش مدلهای بزرگ معرفی کرد ، مستقیماً بر عملکرد مدل های یادگیری ماشین تأثیر می گذارد و نقش مهمی در حمایت از بهبود قابلیت های هوش مصنوعی ایفا می کند.
از نظر ژانگ تانگ ، داده های خام فرآوری نشده فقط یک منبع بالقوه است ، در حالی که داده هایی که حاشیه نویسی و پردازش شده اند می توانند به طور مؤثر در بازار معامله و پخش شوند ، از این طریق ارزش عناصر داده را به طور کامل رها می کنند. پرورش و تقویت صنعت حاشیه نویسی داده ها برای بهبود کیفیت عرضه داده ها و ترویج توسعه نوآورانه هوش مصنوعی ضروری است.
خودی های صنعت بر این باورند که با افزایش فناوری اطلاعات مصنوعی و ادامه فعالیت های آن ، صنعت حاشیه نویسی داده ها در یک فضای گسترده تر بازار ، به ویژه در زمینه های نوظهور فناوری مانند اقتصاد کم ارتفاع ، شهرهای هوشمند ، رانندگی خودمختار و مراقبت های بهداشتی هوشمند ، در فضای گسترده تری قرار می گیرد.
این صنعت وارد مرحله توسعه سریع شده است
بازار حاشیه نویسی داده های جهانی در حال حاضر در دوره ای از رشد سریع قرار دارد. در سالهای اخیر ، صنعت حاشیه نویسی داده های چین وارد مرحله توسعه سریع شده است که زنجیره صنعتی به طور مداوم در حال بهبود و دستاوردهای نوآوری تکنولوژیکی است که به تدریج کاربردهای بازار محور را تحقق می بخشد. براساس برآوردها ، مقیاس صنعت حاشیه نویسی داده های چین تا سال 2023 به حدود 80 میلیارد یوان خواهد رسید.
هفت شهر ، از جمله چنگدو در سیچوان ، شنیانگ در لیائونینگ ، هفی در آنهوی و چانگشا در هونان ، که وظیفه ساخت پایگاه های حاشیه نویسی را انجام داده اند ، در مناطقی مانند حاشیه نویسی مدل در مقیاس بزرگ و حاشیه نویسی خودکار پیشرفت های قابل توجهی ایجاد کرده اند. به عنوان یکی از اولین دسته از پایگاه های حاشیه نویسی داده در Changsha ، پارک صنعت اطلاعات Changsha بیش از 10000 شرکت دیجیتالی مختلف مانند وسایل نقلیه متصل هوشمند ، حاشیه نویسی داده ها و امنیت شبکه را برای تسویه حساب جذب کرده است ، با موفقیت ایجاد یک مرکز خدمات محاسباتی مرکز نوآوری اطلاعات مصنوعی.
گوانگدونگ به طور فعال ترویج خلبان و پایه ساخت آموزش حاشیه نویسی داده ها ، پشتیبانی داده های جامد را برای آموزش مدل در مقیاس بزرگ فراهم می کند. در سپتامبر 2023 ، برنامه آزمایشی برای آموزش حاشیه نویسی داده های عمومی در استان گوانگدونگ رسماً آغاز شد. در پایگاه برچسب زدن داده های عمومی گوانگدونگ (چینگیوان) ، گروهی از شرکتهای برجسته در زمینه های رانندگی خودمختار و برچسب زدن عمومی دولت ، مانند بیدو ، فناوری یانو و هائوسیدا ، با نیروی محرک شرکتهای پیشرو و تأثیر تجمع صنعت صنعت دیجیتال ، داده های qingyuan's Annotation ، رهبری را در تسویه حساب به دست آورده اند.
"ما صنعت اقتصاد دیجیتال را به عنوان هسته اصلی در نظر می گیریم ، با شرکتهای پیشرو در صنعت اقتصاد دیجیتال همکاری می کنیم و متعهد به ساختن یک خوشه صنعت حاشیه نویسی ملی و یک منطقه تظاهرات ادغام آموزش صنعت هستیم." لی یانکانگ ، شخص مسئول پایگاه حاشیه نویسی داده های عمومی گوانگدونگ (Qingyuan) ، معرفی کرد که پایگاه های اولیه صنعتی Baidu AI Cloud (qingyuan) داده های صنعتی ، که در اینجا حل و فصل شده است ، 5 شرکت حاشیه نویسی داده های انکوبه شده را در کل معرفی کرده و بیش از 300 آناوتور داده های حرفه ای را پرورش داده و کشت می کند. در آینده ، این پایگاه به کشت و انکوبه کردن شرکتهای حاشیه نویسی عالی تر ، ترویج رشد و توسعه مداوم صنعت خدمات داده Qingyuan ادامه خواهد داد.