又是一款有關人臉識別技術的軟體火爆網路，火到什麼程度呢？最近一週的時間，開啟任意一個社交軟體，都可能被這個魔性的音樂“螞蟻牙黑”洗腦，目前相關話題的影片播放量已達數十億次。

簡單來說，透過AI技術，使用者只要在APP上傳一張帶有人臉的靜態照片，就能製作成一個“搖頭晃腦”的動態小影片。

其實這並不是近兩年唯一引發“全民熱”的軟體，從特效軟體為人臉增加妝容特效，到一款名為“ZAO”App實現的影視劇“換臉”，再到現在的“螞蟻牙黑”，我們看到有越來越多的人臉識別技術以各種各樣的形式展現在人們面前。

事實上，就市場份額而言，人臉識別正成為僅次於指紋的全球第二大生物特徵認證方法。有越來越多的產品都加入了人臉識別功能，如手機採用的人臉解鎖、支付裝置採用的刷臉付款、透過刷臉解決通行問題的人臉閘機等等。

在這些功能實現的背後，人臉識別這項人工智慧技術是怎樣實現並確保準確性的呢？這就不得不說到資料標註在其中發揮的重要作用。

圖片來源：穀雨資料

資料標註是大多數人工智慧的基礎，它決定了機器學習和深度學習模型的質量。簡單來說資料標註就是透過標註的方式對資料進行分類，告訴機器什麼是“眼睛、嘴巴、耳朵”，從而實現智慧識別。現在透過資料標註，人工智慧不僅可以識別人臉，還可以識別農作物、醫學疾病檢測圖片等，甚至為自動駕駛、自動泊車提供資料支撐。

國內資料標註頭部企業在接受機器之心專訪時提到，幾年前的人臉關鍵點標註任務較為簡單，那時的資料標註需求只需在人臉上標出幾個點即可。而隨著技術的發展，現在的面部關鍵點標註可涉及多達206個點甚至更多：如每個眉毛上有8+個點，嘴唇上有20+個點，下頜輪廓上有17+個點等等。

隨著人工智慧技術與垂直行業結合得越來越緊密，人工智慧技術正從落地走向與場景相結合。例如在人臉識別中，早期技術可能只用於識別人臉，不斷地發展到情緒檢測，後期愈加深入細分——如微表情識別。

圖片來源：機器之心

以自動駕駛舉例。在輔助駕駛方面，資料標註也有很強的存在感。在輔助駕駛過程中，有一個關鍵功能叫做駕駛員疲勞檢測，透過視覺識別的方式監測駕駛員的狀態，識別是否分神、是否在打電話、是否在打瞌睡等這些注意力不集中的情況。透過更精密標註的資料訓練後，疲勞監測系統、危險動作監測系統等等使得汽車駕駛更加安全。

在高科技產業的實際落地中，資料的重要性有目共睹，而在助力傳統產業智慧化方面，資料標註也有著廣闊的賦能前景。一個非常容易被感知到的變化是，我們在致電銀行、通訊運營商，或者接到他們的服務電話時，會發現很多坐席人員變成了AI語音助手，能夠精準識別天南海北的方言提出的疑問，這要歸功於資料標註在方言識別上的突破，使得坐席人員可以從簡單的問題中或通知性溝通中解放出來，將精力專注於服務更棘手的特殊問題，不僅提高了話務人員的工作效率，也減輕了機械性人工的投入。

縱觀人工智慧技術的落地發展歷程不難發現，資料標註的應用場景愈加廣泛，不僅僅是前文提到到的人臉識別和自動駕駛場景，在語音識別、智慧安防、新零售、AI教育、工業機器人、智慧農業等等領域，都發揮著人工智慧基石的作用。在雲測資料看來，伴隨著人工智慧的場景落地，將技術升級引進資料標註的過程，不僅創造了更多的就業機會，對各行各業行業的推動也十分巨大。