Kumaramputhur是喀拉拉邦Palakkad西北约45公里处的一（yī）个（gè）小村庄，约有3500个家庭在这里居住。这个村庄没有第一产业可言，它的性别比例（lì）和识字率都低于（yú）该（gāi）州的平均水（shuǐ）平。除了有一些（xiē）现代化的痕迹，这里似乎没有什么值得引起注意。

然而，正是（shì）在这个（gè）村子（zǐ）里，高中（zhōng）辍（chuò）学生Mujeeb Kolasseri指（zhǐ）挥着一支由200多（duō）名员（yuán）工组成的团（tuán）队（duì），为美国（guó）、欧洲、澳大利亚和亚洲的客（kè）户开发人（rén）工智（zhì）能解决方案。Kolasseri 于三年前创办了这家名为（wéi）Infolks的公司，28岁的（de）他是该公司资格最老（lǎo）的成员。

该公司的办公室位于连（lián）接Palakkad和Kozhikode的高速公路上，虽然不起眼，但（dàn）团（tuán）队里的大部分成员都（dōu）在（zài）这里工作。他们所要做（zuò）的就（jiù）是将固定（dìng）在自动驾驶（shǐ）车辆上的摄像机拍（pāi）摄（shè）的车辆、交通灯、路标（biāo）和行人的（de）图像进行强调和标记。这份（fèn）工作看似简（jiǎn）单，但（dàn）却很困难，因为他（tā）们需要将激光雷达遥感器（qì）捕获的（de）数据进行精确标记（激光雷达为自（zì）动驾（jià）驶车辆创建3D地图（tú），以（yǐ）获得对周围物（wù）体的感知）。

约2000公里之（zhī）外，加尔各（gè）答西南边（biān）缘的梅蒂阿（ā）布鲁兹胡格利河岸附近，约有200名妇女（nǚ）正在给图像贴标签，这些（xiē）图像（xiàng）将（jiāng）用（yòng）于训练自动驾驶车辆（liàng）和（hé）增强现实系统中的算法。

“他们参与着一些（xiē）我们最前沿（yán）的图像（xiàng）项目，”数据注释公司（sī）iMerit的技术和营销副总裁Jai Natarajan表示，其员工参与标记和准备数（shù）据，以训（xùn）练人工（gōng）智（zhì）能算（suàn）法。

iMerit在加尔（ěr）各答（dá）、兰奇、布巴内（nèi）斯瓦尔、维扎格和（hé）夏隆办事处的数（shù）千名员工也在从事着类似的工作，通过（guò）给数百万数据贴上标签，帮助训（xùn）练全球各大公司开发（fā）的人工智能算法。

全球企（qǐ）业巨头正在逐步采用人工智能，为人工智能算法（fǎ）提供支持的数据集也变得越来（lái）越专有（yǒu），所以这些（xiē）公司需要在（zài）要求、质量控制、反馈和交付方面与（yǔ）数（shù）据标签团（tuán）队（duì）进行（háng）更高程度的合作。

由于本世纪（jì）初业（yè）务流程外包（bāo）的繁荣，印度人（rén）对这些行话和要求并（bìng）不陌生。数（shù）据注释和（hé）标（biāo）记也是一种由流程驱动的工作，需要精确的工（gōng）作和技能，即使（shǐ）是受过高（gāo）中（zhōng）教（jiāo）育的人也可（kě）以接受培（péi）训（xùn）。

随着以众包（bāo）为（wéi）主的第一代（dài）工作被更先进的要求所取（qǔ）代，Infolks、iMerit和Playment等公司（sī）开始迎合全球客户（hù），并使印度（dù）成（chéng）为数据标签和注释工作的新兴中心。

“这是一个（gè）新兴行业。在印（yìn）度，每个人都已（yǐ）经开（kāi）始意识到它带（dài）来的巨大机遇，”印（yìn）度科技产（chǎn）业机构Nasscom的高（gāo）级副总裁兼首席（xí）战略官Sangeeta Gupta表示。“人工智能需要适当注释、分类和匿名的（de）数（shù）据。为（wéi）此（cǐ），不管喜（xǐ）不喜欢，你都将使用自动化，但你也必须使用熟练（liàn）的人力资源，而这（zhè）就（jiù）是它给印度带来（lái）的（de）机会。”

根据（jù）研究公司Cognilytica的一份报告，到2023年（nián）底，与人工智（zhì）能和机（jī）器学习（xí）相关的数据（jù）准备（bèi）解决方（fāng）案的全球市场，预计（jì）将从2018年的约5亿美元增长至12亿美元。

什（shí）么是（shì）数据标（biāo）记（jì）？

通过数据标记（jì）和注释，来自非结构（gòu）化（huà）来源（如照（zhào）相机、传感器、电子邮件和（hé）社交媒体等）以及来自结构化来源（如数据库（kù））的数（shù）据集被标记（jì）、标注、着色或突出显示，以标（biāo）记出差异、相似性或类型。通过（guò）这样的（de）方法（fǎ），当数据被输入到用于（yú）训练人工智能系统的算（suàn）法中时，该算法可以正确地识别数据并（bìng）从中学习（xí）。

比方说，你想训练一（yī）种算法，利用车（chē）载摄像机拍摄的（de）图像（xiàng）来理解路标。数据（jù）标签工或注释工（gōng）将通（tōng）过图像（xiàng）数据（jù）集，使用标注工具（jù）标记或（huò）高亮显示路标，并（bìng）将（jiāng）其输入人工智能算法进行学习（xí）。下（xià）一次，当算法在一个区域内实时行驶并（bìng）遇（yù）到路（lù）标时，它应该（gāi）能够（gòu）识别出路标。算法训练的路标图像越多，其准（zhǔn）确性就越高（gāo）。

推动人工智能或机器学习（xí）激增的（de）是从互联网（wǎng）、社交（jiāo）媒体、传感器（qì）和其他来源获（huò）取的大（dà）量数据（jù）。如今的算（suàn）法有能力吸（xī）收更多的数据，从而也更精确。只要数据是优质且干净的，将另外一百万个数据集输入一个（gè）算法将会提高它的准确性。因此，这也导致了人工（gōng）智能（néng）算（suàn）法和应用对（duì）标（biāo）注良好的数（shù）据产生了无止境（jìng）的（de）渴（kě）望。

根据Cognilytica的报告，现如今，数（shù）据准备和工程任务占据了（le）大多数（shù）人工智能（néng）和机器学习（xí）项目（mù）80%以上的时间。

“比如自（zì）动（dòng）驾驶，一个小时的视频数据可能需要消耗800个工（gōng）时，”Playment首席执行官（guān）Siddharth Mall表示。

Infolks之旅

Kolasseri高中辍学后，在铝加工行业工作（zuò），但由于健康原因不得不离开。在国内，他注册了亚马逊（xùn）称为“Mechanical Turk”（MTurk）的众包就业市场，并开始从全球各地的公司（sī）从事注（zhù）释工作。

“我能够保（bǎo）持99.8的评（píng）级（jí）是因为我能够提供高质量（liàng）的服务。我工（gōng）作过的一家公司非常喜（xǐ）欢我的（de）工作（zuò），于是直接（jiē）找到我，并提（tí）供了更多（duō）的工作（zuò），”Kolasseri说，他随后（hòu）成立了一个六人（rén）团队（duì）来完成这项工作（zuò）。“我们最初（chū）在家工作（zuò），2016年（nián）初，随着业（yè）务（wù）的（de）增（zēng）长，我决定注册成立这（zhè）家公司。”

最初，Kolasseri的兄弟和一个朋友投资了2.5万卢比，帮助他（tā）建立（lì）了这家（jiā）公司。如今，Infolks是一个正在成长中的（de）团队，其大部分员工来自（zì）Kumaramputhur及其周边地区。

Kolasseri说：“公（gōng）司（sī）的愿景是将（jiāng）我们的（de）村庄变得全球化，并（bìng）为（wéi）农村地（dì）区的年轻人提供经（jīng）济机会。近200名（míng）员工中有90%在20到25岁之间。”

尽管该团（tuán）队也负责医疗保（bǎo）健、机（jī）器人和农（nóng）业等（děng）领（lǐng）域的数据集，但他们大约75%的工作都是（shì）在自动驾驶车辆领域。其客户（hù）包括德国（guó）汽车公司戴姆勒和其他国际科（kē）技公司，由于签署的协议，Kolasseri并未透露（lù）这些公（gōng）司（sī）的（de）名（míng）称。

至于注释，该公司使用客户提供的工具（jù），或者使用（yòng）第三方（fāng）工具。“我们的研发（fā）团队正在开发（fā）自己的注释工（gōng）具（jù）。它目前正（zhèng）在测（cè）试中，应该会在接（jiē）下来的几周内（nèi）推（tuī）出（chū），” Kolasseri表示。Infolks还在Kozhikode区附（fù）近的一（yī）个科技园（yuán）区内（nèi）设立了另一（yī）个办（bàn）事（shì）处。Kolasseri希望这能够增加公司（sī）的收入，因为新的地点属于经济特区，有助（zhù）于扩大（dà）其全球客户群。

印度人工智能后（hòu）台

亚马逊（xùn）的MTurk在（zài）开始限制非美国（guó）员工之前，曾是印度人寻找数据标签和注释工作的热门平台。尽管后来取消（xiāo）了限制，但（dàn）随着（zhe）企业客户开始更加重（chóng）视数据安全（quán），MTurk在数（shù）据标签商中的（de）受（shòu）欢（huān）迎（yíng）程度有所（suǒ）下降。此（cǐ）外，包括Spare5、Cloudfactory和Figure Eight在内的（de）新（xīn）众包平台也已经进（jìn）入市场（chǎng），它们则更加关注注释和标签市场。

Kolasseri说：“在创（chuàng）办公司之前，我曾于2015年（nián）至2016年期（qī）间在（zài）MTurk平（píng）台上（shàng）工（gōng）作（zuò）过，如（rú）今，仍然不（bú）断有新的平台出现。但是（shì），由于企业客户非（fēi）常关注（zhù）数（shù）据安全，尤其是考虑（lǜ）到许多数（shù）据集都是专有（yǒu）的，因此（cǐ）信任这些平台上的工作（zuò）人员成为他们面（miàn）临的更大挑战。”

由前Flipkart员工（gōng）Mall、Ajinkya Malasane和Akshay Kumar Lal所创立的Playment，则以一种（zhǒng）略（luè）有不（bú）同（tóng）的方式对（duì）待注释和（hé）标（biāo）签行业。

该公司为各种用例开发了（le）一系（xì）列注释工具，并开发了一个（gè）由（yóu）受过（guò）这些工具培训的标签工和注（zhù）释工组成的众包（bāo）平台。该公司直接与客户或相关的（de）信（xìn）息技（jì）术服务公司进行合作。

“要将原始数据转换为（wéi）带注释（shì）的结构（gòu）化数据，你需要前端注（zhù）释工具、熟练（liàn）且（qiě）经（jīng）济高效的人力资（zī）源。此外，由于处理数据的规（guī）模化，你还需要有合适的（de）中间件来支（zhī）持不同（tóng）的工作（zuò）流并（bìng）管理远程人力资源，”Mall说。

Playment的众包（bāo）平台拥有30多万（wàn）标签工和注释工。其（qí）中，该（gāi）公司认为约有（yǒu）2.5万人是“高技能顶（dǐng）级玩家”。据Mall称，这些人几（jǐ）乎整天（tiān）都在平台（tái）上（shàng），平（píng）均月（yuè）收（shōu）入为2万至3万卢比（bǐ）。

Playment的（de）大部分（fèn）工作也来自国际客户，其中包括三星、滴滴出行、阿里巴巴（bā）、Drive.ai和（hé）Continental AG，其（qí）中大部分都属于自动驾驶车（chē）辆领域。

iMerit的战略则以员（yuán）工（gōng）为（wéi）中心（xīn）。其（qí）2000多名劳动力中，约80%来自月收入低（dī）于100美元的家庭（tíng）；其中大约（yuē）一半是女性（xìng）。“我们的社会使命（mìng）是在贫困社区和公司或（huò）工业较少的地区（qū）创造技术就业机会。我（wǒ）们在科技产（chǎn）业稍低、科技就业机会较少的城（chéng）市开（kāi）展业务，” Natarajan说道（dào）。

所谓的（de）利（lì）他主（zhǔ）义也有很好的（de）商业（yè）意义（yì）。Natarajan表示：“我们的合（hé）作（zuò）伙伴（bàn）和办公地点（diǎn），允许（xǔ）我们以非常经济高效的方式（shì）扩（kuò）大数据注释和标签团队（duì），并为客户提供高质量的工作。”

尽管iMerit的大（dà）部分业务（wù）都来自美国——客（kè）户包括微软、易趣（qù）和Tripadsvisor——但（dàn）其90%的数据注释（shì）和标（biāo）签（qiān）工作是在印度完成的。

注释（shì）自动（dòng）化（huà）

虽然各大公司正在开发用于注释的自动化工具，但由于许（xǔ）多工作需要更（gèng）为细致的定制注（zhù）释或（huò）标签（qiān）工作，要想让自动（dòng）化工（gōng）具达到高精度还需要（yào）一段时间。

Natarajan说，与五年前人工智（zhì）能还在区分猫和狗的（de）不（bú）同相比，现（xiàn）在的（de）人（rén）工智（zhì）能需要（yào）处理更高级的工作。“机器学习已（yǐ）经向前发展，所以不再有人要求（qiú）我们（men）为狗和（hé）猫进行标记。如（rú）今，每家公司都有（yǒu）定制的需求和非（fēi）常细微的需求，所以不可能（néng）自动实（shí）现这（zhè）一点，也不可（kě）能自动给出数据并由一群（qún）匿名人士（shì）贴上标签（qiān）。”

他说，基于人（rén）工智能的自动（dòng）化注释工具是不可（kě）避免会（huì）出现的，但它（tā）并不是一（yī）个威胁。“自动化（huà）注释工具本身就是经过良好注释训练出来的结果。当你试图解决一个问题时，这些工具只（zhī）能把（bǎ）你带到（dào）一定的（de）水平（píng），但是（shì）要超越（yuè）这个水平，你（nǐ）还（hái）需（xū）要自定义注释，”Natarajan说。

当（dāng）然，加（jiā）以一（yī）段时间，自动化工具会变（biàn）的（de）足够有效，从而能（néng）够（gòu）创建更好地数据集。“从更长远（yuǎn）的（de）角度来（lái）看，我们确实（shí）认识到这个行业并不能永久存（cún）在。当客（kè）户（hù）成功时，我们（men）的任务就结（jié）束了，”Natarajan说（shuō）。“但我们也发现，这也并不是一（yī）个100%肯定的事情，因为它总是一个持（chí）续不断的（de）学习和（hé）改进的过程。此（cǐ）外，当客户转向（xiàng）下（xià）一个问题时，一切又都（dōu）从（cóng）零开始了。”

换句话说，印度的数据（jù）标签和注释公司尚未见顶，这（zhè）一行业可能需要很长时间才会走上业务流程外包（bāo）的老路（lù）。