Kumaramputhur是喀拉拉邦Palakkad西北约45公里（lǐ）处的一个小村庄，约有3500个家庭在这里居住。这（zhè）个村庄没有（yǒu）第一（yī）产业可言，它的性别比例和识字率都低于（yú）该州的平均水平。除了（le）有一（yī）些（xiē）现代化的痕迹，这里似乎没有什么值得（dé）引起（qǐ）注意。

然而，正是在这个村子里，高中（zhōng）辍学（xué）生Mujeeb Kolasseri指挥着一支由（yóu）200多名员工组（zǔ）成（chéng）的团队，为美国、欧洲、澳大（dà）利亚和亚洲的客户开发人（rén）工智能解决（jué）方案。Kolasseri 于三年前创办（bàn）了这家（jiā）名为Infolks的公司，28岁的他是该（gāi）公司资格最老（lǎo）的成员。

该公司的办（bàn）公室（shì）位于连接Palakkad和Kozhikode的（de）高速公路上，虽然不起眼（yǎn），但团队（duì）里（lǐ）的大部分成（chéng）员都（dōu）在这里（lǐ）工作（zuò）。他们所要做（zuò）的就是将固（gù）定在自动驾驶车辆上的摄像机拍（pāi）摄的车辆、交（jiāo）通灯、路标（biāo）和行人（rén）的（de）图像（xiàng）进行强调和（hé）标记。这（zhè）份工作（zuò）看似简单（dān），但却很困难，因为他们（men）需（xū）要将激光雷达（dá）遥感（gǎn）器捕获的数据进行精确标记（激（jī）光雷达为自动驾驶车辆创建3D地图，以获（huò）得对周（zhōu）围物体的（de）感知）。

约2000公里之（zhī）外，加（jiā）尔各（gè）答西（xī）南边缘的梅蒂阿布鲁（lǔ）兹胡格利河岸附近，约有200名妇（fù）女正在给图像贴标（biāo）签，这些图像将用于训练自动驾驶车辆和增强现实系统中（zhōng）的算法。

“他们参与着一些我们最（zuì）前沿的图像项（xiàng）目，”数据注释公司iMerit的技术和营销副总（zǒng）裁Jai Natarajan表（biǎo）示，其员工参（cān）与标记和准（zhǔn）备数据，以训（xùn）练人工智能算法。

iMerit在（zài）加尔（ěr）各答、兰奇、布巴内斯瓦尔、维扎格（gé）和夏（xià）隆办事处的数千名员工也在从事着类似的工作，通过给数（shù）百万（wàn）数（shù）据贴上（shàng）标签，帮助（zhù）训练（liàn）全球各（gè）大公司开发的人工智能（néng）算（suàn）法（fǎ）。

全（quán）球企业（yè）巨（jù）头正在逐（zhú）步采用人工智能，为人工智能（néng）算法提供支持的数据集也变得越来越专有，所以这些公司需要在要求、质量控制、反馈和交付方面与数据标（biāo）签团队进行更高程度的（de）合作。

由于本（běn）世纪初业务流程外包的繁荣（róng），印度人对这（zhè）些行（háng）话和要求并不陌生。数据注（zhù）释和标记也是一种由流程驱动的工作，需要精（jīng）确的工作和（hé）技能（néng），即使是（shì）受过高中教（jiāo）育（yù）的人也可以（yǐ）接受培训。

随着以众包为主（zhǔ）的第一代（dài）工作被更（gèng）先进（jìn）的要求所取代，Infolks、iMerit和Playment等公（gōng）司开始（shǐ）迎合全球客户，并使印度成为数据标（biāo）签和注释工作的新（xīn）兴中心。

“这（zhè）是一个新兴（xìng）行业。在（zài）印度，每个人都已经（jīng）开始意识到它带来的巨大机遇，”印度科技产业机构Nasscom的高（gāo）级副总裁兼首席战略官Sangeeta Gupta表（biǎo）示。“人工（gōng）智能（néng）需要适当（dāng）注释、分类和（hé）匿名的数据。为此，不管喜（xǐ）不喜（xǐ）欢，你（nǐ）都将使用自动化，但你也必须使用（yòng）熟练的人力（lì）资源，而这就是它（tā）给印度带来（lái）的机会。”

根据研究公司Cognilytica的一份报告，到2023年底（dǐ），与人工智能和机器（qì）学习（xí）相关的数据准备解决方案的（de）全球市场，预计（jì）将从2018年的约（yuē）5亿（yì）美元增长至12亿美（měi）元。

什（shí）么是数据（jù）标记？

通过数据标记和注释（shì），来自（zì）非结构化（huà）来源（yuán）（如照相机、传感器、电（diàn）子邮（yóu）件和社交媒体等）以及来自结构化来（lái）源（yuán）（如数据库）的数据集被（bèi）标记、标注、着色或突出显示，以标记出（chū）差（chà）异、相似性或类型。通过这样的方法，当数据被（bèi）输（shū）入（rù）到用于训练人工智能（néng）系统的算（suàn）法中时（shí），该算法可以正确地识别数据并从（cóng）中学习。

比方说，你想训练一种算法，利用车（chē）载摄（shè）像机拍摄的图像来（lái）理解路标。数（shù）据（jù）标签工或注释工将通过（guò）图像数据集，使用（yòng）标注（zhù）工具标（biāo）记或高亮显示路标，并将其输入人工智能算法进行学习。下（xià）一次（cì），当算法在一个区域内实时行驶并遇到路标时，它应该能够识别（bié）出路标（biāo）。算法训练的路标图像越多，其准确性就（jiù）越高。

推动人工智能或机器学习激增（zēng）的是从（cóng）互联（lián）网、社交媒体（tǐ）、传感器和其（qí）他来源获取的大量（liàng）数据。如今的（de）算（suàn）法有（yǒu）能力吸（xī）收更多的数（shù）据，从而（ér）也更精确。只要数据（jù）是优质且（qiě）干净（jìng）的，将另外一百万个数据集输入一个算法（fǎ）将会提高它的准确性。因此，这也（yě）导致了（le）人工（gōng）智能算法和应用对标（biāo）注良好的数（shù）据产生了无止境的渴望。

根据Cognilytica的报告，现如（rú）今（jīn），数（shù）据准备和工程任务（wù）占据（jù）了大多数人工智能和机器学习（xí）项目80%以上的（de）时间。

“比如自动驾驶，一个小时的（de）视频数据可能需要（yào）消耗800个工时，”Playment首席执（zhí）行官Siddharth Mall表示。

Infolks之（zhī）旅

Kolasseri高中（zhōng）辍学后（hòu），在铝加（jiā）工行业工（gōng）作，但由于健康原因（yīn）不（bú）得不离开。在国内，他注册了亚（yà）马逊称为“Mechanical Turk”（MTurk）的众包就业市场，并开（kāi）始从全球各地的公（gōng）司从事注释工作。

“我能够保持99.8的评级是因为我能（néng）够提供高质量的服务。我（wǒ）工作过的一家公司非常喜欢我的工作，于是（shì）直接找到我，并提供（gòng）了更多的工作，”Kolasseri说（shuō），他随后成立（lì）了一个六人团队来（lái）完成这项工作。“我们最初在家工作，2016年初（chū），随着业（yè）务的增长，我决定注册成立（lì）这家公司。”

最初，Kolasseri的兄弟和一个朋友投（tóu）资了2.5万（wàn）卢比，帮（bāng）助他建立了这家公司。如今，Infolks是一个正在（zài）成长（zhǎng）中的团队（duì），其大部分员工来自Kumaramputhur及其周边地（dì）区。

Kolasseri说：“公（gōng）司的愿（yuàn）景是将我们的（de）村庄（zhuāng）变得全球化，并（bìng）为农村（cūn）地区的年轻（qīng）人提供经济机会。近200名员工中有90%在20到25岁之间。”

尽管该（gāi）团队也负责医疗保（bǎo）健、机（jī）器人和农业等领域（yù）的数据集（jí），但他们大约（yuē）75%的工作都（dōu）是在自动驾驶车辆领域。其客户包括德国汽车公司戴姆（mǔ）勒（lè）和其他国际科技公司，由于（yú）签署的协（xié）议，Kolasseri并未透露这些公司的名称。

至于注释（shì），该公司使（shǐ）用客户提供的工（gōng）具（jù），或者使用第三方工具。“我们（men）的研发团队正在（zài）开发自（zì）己的注释工具。它目前（qián）正在（zài）测试中，应该（gāi）会在接下（xià）来的几周内推（tuī）出，” Kolasseri表示。Infolks还在Kozhikode区（qū）附近的一个科技（jì）园区（qū）内设立了另一个办事（shì）处（chù）。Kolasseri希望这能够增加公司的收入，因为新的地点属于经济特区，有助于扩大（dà）其全球客户群（qún）。

印度人工智能后台

亚（yà）马逊（xùn）的MTurk在开始限制非美国员工之前（qián），曾（céng）是印度人寻找数（shù）据标签和注释工作的热（rè）门平台。尽管后来取消了限制，但随着企（qǐ）业（yè）客户开（kāi）始更加重（chóng）视数据安全，MTurk在（zài）数据标（biāo）签商（shāng）中的受欢迎程（chéng）度有所下降。此外，包括Spare5、Cloudfactory和Figure Eight在内的新众包平台也已经（jīng）进入市场，它们则（zé）更加关注注释和标签市场。

Kolasseri说：“在创办公司（sī）之前，我曾于2015年至2016年期间在MTurk平（píng）台上工作（zuò）过，如今，仍然不断有新的平台出现（xiàn）。但是（shì），由于企业客户非常关注数据安全，尤其是考虑到许多数据集都是专有的（de），因此信任这些平台上的（de）工作人员（yuán）成为他们面临的更大（dà）挑战。”

由前（qián）Flipkart员工Mall、Ajinkya Malasane和Akshay Kumar Lal所创立的Playment，则以（yǐ）一种略有（yǒu）不（bú）同的方式对待注释和标（biāo）签行业。

该（gāi）公司为各种用例开发了一系列（liè）注释工具，并开发了一个由受过（guò）这些工具培训的（de）标签工和注释工（gōng）组成的（de）众包平台。该公司直接与客户或相（xiàng）关的信（xìn）息技术服（fú）务（wù）公司进行合作。

“要将原始（shǐ）数据转换为（wéi）带注（zhù）释（shì）的结构（gòu）化（huà）数据（jù），你需要前端注释工具、熟练且经（jīng）济高效的人力（lì）资源（yuán）。此外，由（yóu）于处理数据的规模化，你还需要有合（hé）适（shì）的（de）中间（jiān）件来支持不（bú）同（tóng）的工作流（liú）并管（guǎn）理远程人力（lì）资源，”Mall说。

Playment的众包平台拥有30多万（wàn）标签工（gōng）和注释工。其（qí）中，该（gāi）公（gōng）司认为约有2.5万人是“高技（jì）能顶级玩家”。据Mall称，这些人几乎整（zhěng）天都在平台上，平均月（yuè）收入为（wéi）2万至3万卢比（bǐ）。

Playment的大部分工作（zuò）也（yě）来自国际客户，其中包括（kuò）三（sān）星（xīng）、滴滴出行、阿里巴巴、Drive.ai和Continental AG，其中大部分（fèn）都属（shǔ）于自动（dòng）驾驶车（chē）辆（liàng）领（lǐng）域。

iMerit的战略则以员工（gōng）为中心。其2000多名（míng）劳动力（lì）中（zhōng），约80%来自月（yuè）收入低于100美元的家庭；其中大约一半（bàn）是女（nǚ）性。“我们的社会使命是在贫困（kùn）社区和公司或工（gōng）业较少的地（dì）区创造（zào）技术就业机会。我们在科技产业稍低、科技（jì）就（jiù）业（yè）机会较少的城市开展（zhǎn）业务，” Natarajan说道。

所（suǒ）谓（wèi）的利（lì）他主义也有很好的商业（yè）意（yì）义。Natarajan表示：“我们的合作伙伴和办公地点，允许我们以非常（cháng）经济高效（xiào）的方（fāng）式（shì）扩大数据注释（shì）和标（biāo）签团队，并为（wéi）客户提（tí）供高质量的工作。”

尽管iMerit的大部分业（yè）务都来自美国——客户（hù）包括微软、易趣和Tripadsvisor——但其90%的数据注释和标签工作是在印度完成的。

注释自（zì）动（dòng）化

虽然各大公司正在（zài）开（kāi）发用于注释的自动化工（gōng）具，但由于许（xǔ）多工作需要更为细致的定制注释或标签工作（zuò），要想让自动（dòng）化工具（jù）达到高（gāo）精度还需要一段时间。

Natarajan说，与五年前人工智能还在区分猫和狗的不同相（xiàng）比，现在的人工智能需要处理更高级的工作。“机器学习（xí）已经（jīng）向（xiàng）前发展，所以不再有人要求我（wǒ）们为狗和猫进行标记。如（rú）今，每家公司都有定（dìng）制的需求和非常细微的需求（qiú），所以不（bú）可能自（zì）动实现这一点，也不（bú）可能（néng）自动给出数据并由一群匿名人士（shì）贴上标（biāo）签。”

他说，基于人工智能（néng）的自动化注释工具（jù）是（shì）不可（kě）避免会出现的，但（dàn）它（tā）并不是一个威（wēi）胁。“自动化注释工具本身就是经（jīng）过良好注释训练出来的（de）结果。当你试图解决一（yī）个问（wèn）题时，这些工具只能把你（nǐ）带到（dào）一定的水（shuǐ）平（píng），但（dàn）是要（yào）超越（yuè）这个（gè）水（shuǐ）平，你还需要自定义注释（shì），”Natarajan说。

当然（rán），加以（yǐ）一段时间，自动化工具会变（biàn）的足够有（yǒu）效，从而能（néng）够创（chuàng）建（jiàn）更好（hǎo）地数据集（jí）。“从更长远的角度（dù）来看（kàn），我们确（què）实认识到（dào）这个（gè）行业并（bìng）不（bú）能永久存在（zài）。当客户成功时，我们（men）的任（rèn）务（wù）就结束（shù）了，”Natarajan说。“但我们也（yě）发现，这也并不是一（yī）个100%肯定的事情，因为它总是一个持续不断的学习（xí）和（hé）改进的过程。此（cǐ）外，当客户转（zhuǎn）向下一个问（wèn）题（tí）时，一切又（yòu）都（dōu）从零开始了。”

换句话说，印度的数据标（biāo）签和注释公司尚未见顶，这（zhè）一行（háng）业可能需要很长（zhǎng）时间才会走上业务流（liú）程（chéng）外包的老路。