天使湾领投 这家数据服务公司核心成员来自华尔街硅谷 标注准确度99.9%

◆ 创始人章磊正在演讲。

文| 铅笔道 记者 杨博宇

►导语

今日，“星尘数据”创始人章磊向铅笔道透露，公司已于今年8月获得天使轮投资。该笔投资由天使湾领投，英诺天使、老鹰基金和创势基金跟投。资金主要用于产品开发和运营。

在人工智能领域，为机器学习模型提供的数据通常由人工标注形成。这是AI公司耗时耗力的环节，但同时也是最刚需的环节。“在深度学习模型训练过程中，几十万标注好的数据样本是最基本的前提条件。”

目前，国内的数据服务才刚刚起步，章磊及其团队成立“星尘数据”，想在这一领域掘到“金矿”。“星尘数据”是一家为机器学习训练提供数据标注服务的公司。其平台“stardust”通过“准入考核”、“动态测量”、“动态发题”和“人机结合”等标注方法，为人工智能企业提供人工智能数据众包服务。

注：章磊承诺文中数据无误，为内容真实性负责。铅笔道作客观真实记录，已备份速记录音。

若把人工智能行业比作金字塔，最顶端的是人工智能应用（如无人汽车、机器人等），而最底端则是数据服务。“国内的应用端和欧美已经并驾齐驱了，但是在最基础的数据服务上还有较大差距。”

刚从硅谷回国的章磊，对此感触颇深。彼时，他在一家人工智能投资公司担任首席数据科学家。由于没能找到合适的数据标注公司，他只能通过招募、培训实习生的方式，完成标注工作。由于人员流动性大、成本高，标注效果并不理想。

章磊介绍，“人脸识别每张图至少需要标注52个点，标注上万张图，无人汽车需要标注的数据更多。这样巨大的工作量通过招募实习生标注的方式事倍功半。”

在美国有许多专门提供数据标注服务的公司，国内仅有三四家刚刚起步，其标注体系和工具还较落后。如使用QQ群管理标注人员，而非系统自动计算数据质量。

但是数据的竞争是AI领域最根本的竞争。业界共识是“大量数据+普通模型”比“普通数据+高级模型”的准确度更高，而这些数据必须通过标注才能形成。章磊意识到国内的这座价值50亿美金的“金矿”正待挖掘。

从前公司离职后，今年3月章磊和合伙人成立“星尘数据（stardust）”。这是一家AI数据服务公司，为人工智能企业提供机器训练的数据标注服务。

团队将客户提供的数据和标注模型公布在“stardust”平台上，通过平台考核的C端标注人员可根据模型做标注试题，完成标注任务。团队提供人脸、无人车、图片边缘、图片识别、图片主题提取和声音转文字等多种模型的标注服务。其可标注内容和具体流程如下：

◆ 可标注内容

◆ 标注流程

以电商的人工智能客服为例，客服需要“理解”用户留言所包含的情绪，才能有针对性地回复。在“你们到底什么时候发货？”这句话中，标注人员需要对所包含的情绪模型“焦躁、疑问、平静、高兴”进行标注，让人工智能学习如何作答。

由于标注是不断测试和优化的互动过程，“星尘数据”的数据科学家基于建模经验和学术水平，会给客户提供免费的咨询和流程化方案。比如在上例中，章磊会对情绪模型是否合理、是否需要改进提供建议和优化方案。同时，团队也可免费为客户提供标注工具的开发。

“星尘数据”通过“准入考核”、“动态测量”、“动态发题”和“人机结合”四种方式控制C端用户标注的准确度。其具体内容如下表：

通过这套标注方法和体系，平台的标注准确度为99.9%。通过准入考核的C端标注人员已有2万余名。

章磊通过和硅谷数据安全公司合作，用加密技术在数据底层做隔离，从而分离了数据的使用权和拥有权，以此防止客户数据在众包过程中泄漏。

目前“星尘数据”团队成员6人，包括2名数据科学家、4名工程师。核心成员来自于世界银行、硅谷、百度人工智能实验室吴恩达团队等公司或机构，长期从事数据分析和建模工作。

◆ 标注人员正在对汽车轮廓进行标注。

公司现仍在试运行阶段，主要通过人工智能数据标注收费盈利。收费标准为0.05~2元/条。团队已有两家客户。

今年8月，团队获得天使轮投资，由天使湾领投，英诺天使、老鹰基金和创势基金跟投。章磊介绍，下一步团队除了扩展市场、完善产品外，还将开放API接口，“像淘宝电商一样出售数据模型。”

/The End/

编辑   吴晓宇     校对  李梓葳

优质项目"融资首发绿色通道"：创业者请加微信yangmao-71，务必注明项目名称；或发送BP至xueting@pencilnews.cn。

如需转载文章请联系铅笔道微信客服号铅笔道大芯芯（微信id：qianbidao2017）获取授权资质，否则我们将依法追究相关责任