数据集是人工智能（AI）的生命线 - 可以说，它们使模型成为可能。但是，没有相应注释的数据取决于正在运行的算法的类型（即，监督与无监督），或多或少是无用的。这就是为什么像Scale这样的样品标签创业公司筹集了数千万美元，并吸引了优步和通用汽车等客户。这就是为什么Kevin Guo和Dmitriy Karpman共同创办了Hive，这是一家使用由数十万志愿者提供的注释数据来培训特定领域AI模型的创业公司。
拥有近100名员工的Hive在从PayPal创始人Peter Thiel的创始人基金和其他人那里筹集了超过3000万美元的风险投资之前不久，推出了旗舰产品--Hive Data，Hive Predict和Hive Enterprise。
“我们建立了[Hive]，因为我们觉得虽然围绕人工智能和深度学习有很多兴奋，但我们没有看到很多实际应用正在建设中，”郭在电话采访中告诉VentureBeat。“有很多炒作，但他们真正要解决的问题似乎并不明显。大多数这些都是有些工作的演示，但并不是真正的企业级。“
为此，Hive通过Hive Work（一个智能手机应用程序和网站）招募大部分人类数据贴标人，指导他们完成分类图像和转录音频等任务。作为交换，Hive发放了一小笔奖励 - 每周数万美元。（郭说它可以使用“激增定价”来确保在必要时更快的周转时间，例如当Hive客户有特定项目时。）
该战略取得了成功。Hive在其贡献者社区中的30多个国家/地区拥有近700,000名用户，他们每天帮助处理大约一千万个标签，准确率达到99％。（这种准确性部分归因于一个淘汰系统，它每隔一段时间就会进入“已知”任务，确保用户不会对系统进行游戏。）客户通过提供数据标签服务的Hive Data挖掘员工队伍。针对多个垂直行业量身定制。
“获取培训数据来构建这些模型实际上非常非常重要。从某种意义上说，自动化的唯一方法就是招募大量的人力，这几乎具有讽刺意味，“郭说。“你可以拥有最好的框架，但如果没有良好的训练数据，你将无法获得良好的输出。我把它比作一个人类的头脑：你可以拥有最聪明的大脑，但如果你不教这个大脑猫狗之间的区别并展示它的好例子，它就永远不会认识到猫与狗之间的区别。“
Hive Work的输出还提供Hive Predict，为企业提供定制设计的计算机视觉模型，帮助企业实现业务流程自动化; Hive Enterprise，针对汽车，零售，安全和媒体等领域，提供从头开始构建的专有数据的定制深度学习模型。Hive使用基于Google开源TensorFlow框架的后端，通过API或云开发AI系统，或与集成合作伙伴合作设计内部部署解决方案。
到目前为止，凭借其内部服务器和网络基础设施，Hive创建了机器学习模型，可识别活动，预测年龄和性别，对汽车进行分类，确定相机传感器与感兴趣主体之间的距离，甚至可以检测爆炸等事件，电视节目中的枪声，战斗和广告。郭拒绝透露Hive的任何客户的名字，但表示每个客户每个月都要发出数千万的API请求。
Hive的模型之一 - 徽标模型API - 当然会检测徽标，但也会检测它们显示的产品或广告以及它们可见的持续时间。Hive声称，与Google Vision Cloud的5％召回率和66％的精确度相比，它具有99％的召回率和98精度。
Hive每周增加100个徽标，目标是在2018年第四季度达到10,000。
“我们的质量标准远远高于其他所有人，”郭说。“我不希望[Hive]成为另一个真正过度的人工智能公司，它实际上无法构建技术，我认为这对整个空间来说并不好。”
閱讀更多 aios 的文章
