Kumaramputhur是（shì）喀拉拉邦Palakkad西北约45公里（lǐ）处的（de）一个小村庄，约有（yǒu）3500个（gè）家庭在这里居住（zhù）。这（zhè）个村庄没有第一产业可（kě）言，它的性（xìng）别比例和识字（zì）率都低于（yú）该州的平均（jun1）水平。除（chú）了有（yǒu）一些现代化的痕迹，这里似乎没有什么值得引起注（zhù）意（yì）。

然（rán）而，正是在这个（gè）村子里（lǐ），高（gāo）中辍学生Mujeeb Kolasseri指挥（huī）着（zhe）一支由200多名员工组成的团（tuán）队（duì），为美国、欧洲、澳大利亚和亚洲的客户开发人工智能解决方案。Kolasseri 于三年前（qián）创办了这家名为Infolks的公（gōng）司，28岁的他是（shì）该（gāi）公司资格最老的成员。

该公（gōng）司的办（bàn）公室位（wèi）于连接Palakkad和Kozhikode的高（gāo）速公路（lù）上，虽然不起眼，但团（tuán）队（duì）里（lǐ）的大部分（fèn）成员都在这里工（gōng）作。他们（men）所要做（zuò）的就是将（jiāng）固定在自（zì）动驾驶车辆上的摄像机（jī）拍摄的车（chē）辆、交通（tōng）灯、路标和行（háng）人的图像（xiàng）进行强调和标记（jì）。这（zhè）份工（gōng）作看似简单，但（dàn）却很困难，因为他们需要将（jiāng）激光雷达遥感器捕（bǔ）获的（de）数据（jù）进行精确标记（激（jī）光雷达为自动驾驶车辆创建3D地图，以获得（dé）对周（zhōu）围物体的感知）。

约2000公里之外，加尔各答西南边（biān）缘的梅蒂阿（ā）布鲁兹胡格（gé）利河岸（àn）附近，约有200名妇女正在给图（tú）像贴标签，这些图像将用于（yú）训（xùn）练自动驾驶车辆和增强现实系统中的算法（fǎ）。

“他们参与（yǔ）着一些我们（men）最前沿的图像项目，”数（shù）据（jù）注释公司（sī）iMerit的技术和营销副总裁Jai Natarajan表示（shì），其（qí）员工参与（yǔ）标记和准备数据，以训练人工智（zhì）能算法。

iMerit在（zài）加尔各答、兰奇、布（bù）巴内斯瓦尔、维扎格和夏隆办事处的数千名员（yuán）工也在从事着类似的工作，通过给（gěi）数百万数据贴上标签（qiān），帮助训练全球各大公司（sī）开（kāi）发的人工智（zhì）能（néng）算法。

全球企业巨头正在逐步采用人（rén）工智（zhì）能（néng），为人（rén）工智能算法提供支持的数据集也变（biàn）得越（yuè）来越专有，所以这些公司（sī）需要（yào）在要求、质量控（kòng）制、反（fǎn）馈和交付方面与（yǔ）数据标签团队进行更高程度的合作。

由于（yú）本世（shì）纪初（chū）业务流程外包的繁荣，印度人对这些行话和要求并不（bú）陌生。数据注（zhù）释和标记也是一种由流程驱动的工作（zuò），需要精确的工作和技能，即使（shǐ）是受过高（gāo）中教育（yù）的人也（yě）可以接受（shòu）培训。

随着以众包为主的第一代工（gōng）作被更先进的要求所取代，Infolks、iMerit和Playment等公（gōng）司开始迎合全球客户，并使印（yìn）度成为数据标（biāo）签和（hé）注释工作（zuò）的新兴中心（xīn）。

“这是一（yī）个新兴行业。在印度，每（měi）个人都已经（jīng）开始（shǐ）意识到它带来的巨大（dà）机遇，”印度科技产业机构Nasscom的（de）高级（jí）副总裁兼首席战略（luè）官Sangeeta Gupta表示。“人工智能需要适（shì）当注释、分类和匿名的数据。为此，不管喜不（bú）喜欢，你都将（jiāng）使用自动（dòng）化（huà），但你也必须使用熟练（liàn）的人力（lì）资源，而这就是它（tā）给（gěi）印（yìn）度带来的机（jī）会。”

根据研究公司（sī）Cognilytica的一份报（bào）告（gào），到2023年底，与人（rén）工智能和机（jī）器学（xué）习相关（guān）的数（shù）据准备解决方案的全球市场，预计（jì）将从2018年的约5亿美元增长（zhǎng）至12亿（yì）美元。

什么是（shì）数（shù）据标记（jì）？

通（tōng）过数据（jù）标（biāo）记和注释，来（lái）自（zì）非（fēi）结构（gòu）化来源（如照相机、传感器、电子邮件和社交媒（méi）体等）以及来自结构化来源（如数据库）的数（shù）据集被（bèi）标（biāo）记（jì）、标注、着色（sè）或突出（chū）显示，以标（biāo）记出差（chà）异、相似性或类型。通过这样的方法，当数（shù）据被输（shū）入到用于训练人工（gōng）智能（néng）系（xì）统（tǒng）的算法中时，该（gāi）算法可以正确地识别数（shù）据并从（cóng）中学习（xí）。

比方说，你想训练一种算（suàn）法，利用车载摄像（xiàng）机拍摄的（de）图像来理解路标。数据标签工或注释工（gōng）将通过图像数据集，使用标注工具标（biāo）记或高（gāo）亮（liàng）显示路标，并将（jiāng）其输入人工（gōng）智能算法进行学习。下一次，当算（suàn）法在一（yī）个区域内实时行驶（shǐ）并遇到路标时，它应该能够识别出路标。算法训（xùn）练（liàn）的路标图像越多，其准确性就越高（gāo）。

推动人工智能或机器学习激增的是（shì）从互联网、社（shè）交媒体、传感器和（hé）其（qí）他来源获取的大量数据。如今的算法有能力吸收更（gèng）多的数据，从（cóng）而也更精确（què）。只要（yào）数据是优质且干净的，将（jiāng）另外一百万个（gè）数据集（jí）输入（rù）一个算法将（jiāng）会提高它的准确性。因此，这也导致（zhì）了人（rén）工智（zhì）能（néng）算法和应用（yòng）对标注良好的数据（jù）产生了无止（zhǐ）境的渴望。

根据Cognilytica的（de）报告，现如今，数据准备和工程任（rèn）务占据了大多数（shù）人工智能和（hé）机（jī）器学习项目（mù）80%以上的时间。

“比如自动驾（jià）驶，一个小时的视频数据可能需（xū）要消（xiāo）耗800个工时，”Playment首席（xí）执行官Siddharth Mall表示。

Infolks之旅

Kolasseri高（gāo）中辍学后，在铝（lǚ）加工行业（yè）工作，但由于健（jiàn）康原因不得不离开。在国内，他（tā）注册（cè）了亚马逊（xùn）称（chēng）为“Mechanical Turk”（MTurk）的众包就业（yè）市场，并开始从全球各地（dì）的（de）公（gōng）司（sī）从事注释工作（zuò）。

“我能够保持99.8的评级是因为我（wǒ）能够提（tí）供（gòng）高质（zhì）量的（de）服务。我工作过的一家公司非常喜欢我的（de）工作，于是直接找到我，并提供了更多（duō）的工作（zuò），”Kolasseri说，他随（suí）后成（chéng）立了一个六人团（tuán）队来完成这项（xiàng）工作。“我们最初在家（jiā）工作，2016年初，随（suí）着业务的增长，我决（jué）定注（zhù）册成（chéng）立这家公司。”

最初，Kolasseri的兄弟（dì）和一（yī）个朋友投资了2.5万卢比，帮助他建立了这家公司。如今，Infolks是一个（gè）正在（zài）成长中的团队（duì），其（qí）大（dà）部分员工来自Kumaramputhur及其周边（biān）地区。

Kolasseri说：“公司的愿景是（shì）将我（wǒ）们的村庄变得全球化，并为农村地区的年轻人提（tí）供经济机会。近（jìn）200名员工中有（yǒu）90%在20到25岁之（zhī）间。”

尽管（guǎn）该团队也负（fù）责医疗保健、机（jī）器人和农（nóng）业等领域的数据集，但（dàn）他们（men）大（dà）约（yuē）75%的工（gōng）作都是在自动驾驶（shǐ）车辆（liàng）领（lǐng）域。其客户包括德国汽（qì）车（chē）公司戴（dài）姆（mǔ）勒和其他国际科技公司，由（yóu）于签署的协议，Kolasseri并未（wèi）透露这些（xiē）公司的名称（chēng）。

至于注释，该（gāi）公司使用客户提供的工具，或者使（shǐ）用第三方（fāng）工（gōng）具（jù）。“我们（men）的研发团队正在开发自己的注释工具。它目前正在测试中，应该会在接下来的几周（zhōu）内推出，” Kolasseri表（biǎo）示。Infolks还在Kozhikode区（qū）附近（jìn）的一个科技园区内（nèi）设立了另一个办事处。Kolasseri希望（wàng）这（zhè）能（néng）够增加（jiā）公司（sī）的收入，因为（wéi）新的地点属于（yú）经（jīng）济特区，有助于扩大其全球（qiú）客户群。

印度人工智（zhì）能（néng）后（hòu）台（tái）

亚马逊的MTurk在开始（shǐ）限制非美国员工之前，曾（céng）是印度人寻找数据标签（qiān）和注（zhù）释工作的热门平台。尽管后（hòu）来取消了限制，但随着企业客户（hù）开始（shǐ）更加重视数据安全（quán），MTurk在（zài）数据标签商中的（de）受欢（huān）迎程度有（yǒu）所（suǒ）下（xià）降。此外，包括Spare5、Cloudfactory和（hé）Figure Eight在（zài）内（nèi）的新众包平台也已经进（jìn）入市（shì）场，它们则更加关注注释和标签（qiān）市场。

Kolasseri说：“在创办公司（sī）之前，我（wǒ）曾于2015年至2016年期间（jiān）在MTurk平台上工（gōng）作过，如（rú）今，仍然（rán）不断有新（xīn）的平台（tái）出现（xiàn）。但是，由于企业客户（hù）非常关注数据安全，尤其是（shì）考虑到许多（duō）数据集都是专有的，因此（cǐ）信任这些平台上的工作人员（yuán）成为他们面临的更（gèng）大挑战。”

由前Flipkart员工Mall、Ajinkya Malasane和Akshay Kumar Lal所创（chuàng）立的（de）Playment，则以一种略有不同的方式对待注释和标签行业（yè）。

该（gāi）公（gōng）司为各种用例开发了一系列注（zhù）释工具，并开发了一个由受过这（zhè）些工（gōng）具培训的标签工和注释工（gōng）组（zǔ）成的众包平台。该（gāi）公司直接与客户（hù）或相关的信息技（jì）术服务公司进行合作。

“要（yào）将（jiāng）原始数据转换为（wéi）带注（zhù）释的结（jié）构（gòu）化数据，你需（xū）要前端注释工具、熟练（liàn）且经济高效的人力资源。此外，由（yóu）于处理数据的规模化，你还需要有（yǒu）合适的中（zhōng）间件来（lái）支持不同的工作流并管理远程（chéng）人力资源，”Mall说。

Playment的众包平台拥有30多万（wàn）标（biāo）签（qiān）工（gōng）和注释工。其中，该公司认为约有2.5万人（rén）是“高技（jì）能顶级玩家”。据Mall称（chēng），这些人几（jǐ）乎整（zhěng）天都在平台上，平均月收（shōu）入为2万至3万（wàn）卢比。

Playment的大部分（fèn）工（gōng）作也（yě）来自国际（jì）客户，其中包括三星、滴滴出行、阿里（lǐ）巴巴（bā）、Drive.ai和Continental AG，其中（zhōng）大部分都属（shǔ）于自动（dòng）驾驶车辆领域。

iMerit的（de）战（zhàn）略则以员工为中（zhōng）心。其2000多名劳动力中，约80%来自月（yuè）收入（rù）低（dī）于100美元的（de）家庭；其中大约一（yī）半是女性。“我们的社会使命是在贫困社区（qū）和公司或工业较少的（de）地区创造技术就（jiù）业机会。我们在（zài）科（kē）技产业稍低、科技就（jiù）业机会较少的城市开展业务，” Natarajan说道。

所（suǒ）谓的利他主（zhǔ）义也有很好的商业意义。Natarajan表示：“我们的（de）合作（zuò）伙伴和（hé）办公（gōng）地点，允许我们（men）以非常经济高（gāo）效的方式扩大数据注释和标签（qiān）团队，并为客户（hù）提供高质量（liàng）的工作。”

尽管iMerit的大部（bù）分业务都来自美国（guó）——客户包括微（wēi）软（ruǎn）、易趣和Tripadsvisor——但其90%的数据注释和（hé）标签工作是在印度完成（chéng）的。

注释自（zì）动化（huà）

虽然各大公司正在（zài）开发用于（yú）注（zhù）释的自动化工（gōng）具（jù），但由于许（xǔ）多工作需要（yào）更为（wéi）细致的定（dìng）制注（zhù）释或标签（qiān）工作，要想（xiǎng）让自（zì）动（dòng）化工（gōng）具（jù）达到高精度还需要（yào）一段时间。

Natarajan说，与五年（nián）前人（rén）工智能还（hái）在区分猫和狗（gǒu）的不同相比，现在（zài）的人工智（zhì）能（néng）需（xū）要处理更高级的工（gōng）作。“机器学习已（yǐ）经向前（qián）发（fā）展，所以不再有人要求我（wǒ）们为狗和（hé）猫（māo）进行标记。如今，每家公（gōng）司都有（yǒu）定制的需求和非（fēi）常细微的需（xū）求，所以不可能自动实现这一点，也（yě）不可能自动给出数据（jù）并由一（yī）群匿名人士贴上标签。”

他（tā）说，基于人工智能的自（zì）动（dòng）化（huà）注释工具是（shì）不可避免会出（chū）现的，但它并不（bú）是一（yī）个威（wēi）胁。“自动化注释工具本身就是经过良好注释训练（liàn）出（chū）来的（de）结果。当（dāng）你（nǐ）试图解决一个问题时，这些工具只能把你带到（dào）一定的水（shuǐ）平（píng），但是要超（chāo）越（yuè）这个水平，你还需（xū）要自定义注释，”Natarajan说。

当然，加（jiā）以一段时间，自动化工具会变的足够有效，从而能够（gòu）创建（jiàn）更好地数（shù）据集。“从更长远的（de）角度来看，我们确实认识到这个行业并不能永久存在。当客户成功时，我们的任务就结束（shù）了，”Natarajan说。“但我们也（yě）发现，这也并不是一个100%肯定（dìng）的事情，因为它总是一个（gè）持续不断的学习和改进的过（guò）程。此外，当客户转向下一个问（wèn）题时，一切又（yòu）都从（cóng）零开始了。”

换句话（huà）说，印度的数据标签和注释公司尚（shàng）未见顶，这一行业可能需要（yào）很长时间才会走上业务流程外包的老路。