江苏龙网

  1. 首页 > 人文 > >

薄情先生|AI（NLP语义方向）标注工具产品设计的5个锦囊

编辑导读：数据是AI公司的必需品 ， 数据标注是AI产品模型开发中重要的一环 ， 也是AI产品经理必须要了解的基本技术 ， 本文作者从认知基础、为什么我们需要标注、锦囊三个方面对AI标注工具的产品设计工作展开了分析说明 ， 与大家分享 。
薄情先生|AI（NLP语义方向）标注工具产品设计的5个锦囊一、认知基础个人观点的认知基础如下 ， 如果读者不认同50%以上 ， 那么就没必要浪费时间阅读后续内容了 ， 反之 ， 我希望大家多质疑与交流 ， 通过Q&A来共同进步 。
【薄情先生|AI（NLP语义方向）标注工具产品设计的5个锦囊】认知1：人工智能发展粗略可以分3个阶段：符号主义（第1阶段）→ 联结主义（第2阶段）→ 理想AI（第3阶段） ， 我们将长期（＞30年）处于第2阶段
符号主义：代表人物纽厄尔和西蒙 ， 认为人类的智能不管多复杂 ， 归根到底都是由符号计算来实现的 。 只要计算机科学家设计了适合的程序 ， 计算机早晚有一天能凭着符号的计算 ， 也能提出相对论、创造罗纳尔多的射门、而剪纸捏泥人和书法篆刻就更不在话下 。
符号主义的缺陷：很难在非常复杂的求解组合中快速找到最优解 。
联结主义：代表人物大卫休谟 ， 认为人工智能的首要任务是建立大脑的模型 ， 不是预先给定解决问题的算法 ， 而是构建一个在计算机上模拟的“神经元网络” ， 让机器自主地建立不同神经元之间的“联结” ， 通过最终结果的反馈 ， 不断调整联结的模式 ， 最终逼近最优解 。
联结主义的缺陷：过于依赖经验数据
理想AI：感知智能+认知智能+情感的主观感受+自我意识
理想AI的缺陷：暂时无实现方案
认知2：AI执行语义理解任务 ， 当前已经到了技术成熟期 ， 后续依赖产品力和数据
粗暴一点说 ， 各家算法基本无差别（＜10%） 。 以解决实际业务问题、实现业务价值为衡量标准的话 ， 产品的易用性（决定落地门槛/规模/效果）、组件化程度（决定成本） ， 数据的数量和质量 ， 才是决定价值的砝码 。
认知3：中国现阶段（10年内）ToB市场 ， 大B的真需求都在自给自足 ， 第三方服务中小B才是正途
大B只有探索型需求和伪需求（为了体制内的升官发财）才会留给第三方 ， 所以一个第三方公司如果敢说只做大B ， 那么一定是死路一条或者半死不活（无法建立壁垒/低利润率）
二、为什么我们需要标注？认知1中提到“联结主义的缺陷在于过度依赖经验数据” ， 那经验数据是什么？经验数据 = 已标注数据 。
未标注数据只能用于无监督机器学习 ， 当前执行99%以上AI任务的都是有监督机器学习模型 ， 预计未来30年以内还会保持现状 。 所以数据标注就是绕不开的槛 。
三、锦囊效率高是好的标注工具的唯一标准 ， 所以3条锦囊全部都是围绕语义标注工具效率提升 。
效率 = 认知效率 + 操作效率 + 智能化 ， 以下锦囊也都是沿着这3个提升效率的方向进行的产品设计 。
锦囊1：互斥性原则语义模型本质上是一个分类模型 ， 分类最关键的是类别清晰 ， 例如想想折磨我们的垃圾分类 。 互斥性值得就是不同类之间要做到不重不漏（漏的部分一定设置专门的“其他分类”来兜住） 。
具体到产品设计上 ， 歧义优化（根据向量相似度 ， 自动识别不同类之间存在交叠关系的语料） ， 分类说明（设置为必填项）等都是互斥性原理的具体体现 。
锦囊2：聚类冷启动Bert无监督聚类模型做冷启动 ， “效果杠杠的 ， 谁用谁知道” 。 缺失此模块 ， 数据标注人员冷启动阶段就全靠想象力“瞎编” 。 我见过太多数据人员编写相似句（同一语义不同句式表达方式）写到生无可恋 。 上线周期还会因为标注效率低和效果差一拖再拖 。
锦囊3：By分类智能推荐待标注语料来 ， 这一条锦囊大家可以在评论区猜一猜是啥意思？


推荐阅读


上一篇：均价|大北农8月生猪销售收入5.06亿元，环比下降21.2%

下一篇：晶体|惠伦晶体：股东拟合计减持不超过4.11%股份