在杭州，我們逛了一家“數(shù)據(jù)博物館”

魚羊 2021-10-26 13:52:14 來源：量子位

魚羊 博雯 發(fā)自 凹非寺

量子位 報道 | 公眾號 QbitAI

你可能打卡過很多博物館，但我敢說“數(shù)據(jù)博物館”，肯定不在此列。

上百個開源數(shù)據(jù)集是展品，其中不乏來自電商、文娛等互聯(lián)網(wǎng)領(lǐng)域的真實(shí)場景數(shù)據(jù)，更有來自工業(yè)、醫(yī)療等領(lǐng)域的產(chǎn)業(yè)稀缺數(shù)據(jù)。

還吸引了中國科學(xué)院國家天文臺臺長常進(jìn)院士、創(chuàng)新工場首席科學(xué)家周明博士、阿里巴巴集團(tuán)副總裁賈揚(yáng)清、阿里巴巴青橙獎獲得者王權(quán)等學(xué)者大咖紛紛前往圍觀。

不僅如此，“博物館”還組織了一系列數(shù)據(jù)青年團(tuán)聚活動，邀請青橙獎獲得者、阿里星學(xué)長、技術(shù)KOL，與青年開發(fā)者暢聊《如何選擇第一個工作》《AI的未來發(fā)展趨勢與行業(yè)前景》等熱門話題。

你或許想不到，這家“博物館”是由阿里云天池在今年的杭州云棲發(fā)起。

沒錯，就是那個“獎金豐厚”、“直通大廠”、“還能結(jié)♂識AI大神”，人稱“中國數(shù)據(jù)類賽事第一品牌”的天池平臺。

不過現(xiàn)在，你可不能僅僅把它看作一個刷簡歷的平臺了。

阿里云天池平臺開起了“博物館”，這究竟是怎么一回事？

什么是“數(shù)據(jù)博物館”？

答案還得從現(xiàn)場獲取。

最吸引眼球的“展品”，當(dāng)屬行業(yè)大規(guī)模開源數(shù)據(jù)集。

不僅數(shù)量多達(dá)上百個，還覆蓋零售、文娛、工業(yè)、醫(yī)療、自然科學(xué)等數(shù)十個行業(yè)。既有來自真實(shí)業(yè)務(wù)場景的商品數(shù)據(jù)，也不乏跟產(chǎn)業(yè)界、學(xué)術(shù)界深入合作獲得的寶貴科研數(shù)據(jù)。

更厲害的是，基于這些數(shù)據(jù)集產(chǎn)出的學(xué)術(shù)論文，已經(jīng)有超過700篇。

具體詳情，我們不妨選取其中幾個“經(jīng)典款”，一起看個究竟。

比如新零售領(lǐng)域數(shù)據(jù)集，就有阿里淘系技術(shù)開源的家居行業(yè)數(shù)據(jù)集3D-FRONT，包含超過20,000張高清室內(nèi)場景專業(yè)設(shè)計渲染圖，可用于場景布局預(yù)測與生成等研究課題。

該數(shù)據(jù)集填補(bǔ)了業(yè)內(nèi)大規(guī)模高質(zhì)量3D場景布局標(biāo)準(zhǔn)數(shù)據(jù)集的空白，也因此獲得了中國計算機(jī)圖形學(xué)大會頒發(fā)的首個「圖形開源數(shù)據(jù)集獎」。

再比如文娛數(shù)據(jù)集方面，服務(wù)于產(chǎn)業(yè)的視頻數(shù)據(jù)集同樣不少。

曾應(yīng)用于“MEDIA AI阿里巴巴文娛算法挑戰(zhàn)賽”的Youku-TED數(shù)據(jù)集，共包含近3,000小時的55,000段視頻，標(biāo)注了含53類事件類別的近30萬段視頻事件。

作為一個大規(guī)模的視頻時序事件檢測數(shù)據(jù)集，正是展開智能生產(chǎn)、視頻智能剪輯、生產(chǎn)安全監(jiān)控、視頻內(nèi)容檢索等熱門應(yīng)用研究的基礎(chǔ)。

更多方面，還有用于檢測鋼鐵、布匹、酒瓶、瓷磚瑕疵的工業(yè)領(lǐng)域數(shù)據(jù)集，涉及遙感、氣候、天文等領(lǐng)域的自然科學(xué)類數(shù)據(jù)集，以及醫(yī)療、交通、安全、數(shù)字城市等領(lǐng)域的數(shù)據(jù)集，都在開源列表之中。

值得一提的是，天池平臺還廣泛和外部機(jī)構(gòu)合作，開放多個行業(yè)/學(xué)術(shù)benchmark。

像是由阿里達(dá)摩院、天池平臺，以及浙江大學(xué)聯(lián)合推出的MUGE榜單，就是一個用于多模態(tài)理解和生成評估的基準(zhǔn)，這也是國內(nèi)首個多模態(tài)方向的基準(zhǔn)數(shù)據(jù)集。

如此大批量的開源數(shù)據(jù)集，確實(shí)不負(fù)“數(shù)據(jù)博物館”之名。

那么這些精品數(shù)據(jù)集又是從何而來？

阿里云開發(fā)者業(yè)務(wù)總監(jiān)王一婷介紹，一方面，他們會與業(yè)務(wù)團(tuán)隊共建自有數(shù)據(jù)集；另一方面，天池主動與工業(yè)、學(xué)術(shù)界合作，產(chǎn)出大量高質(zhì)量脫敏數(shù)據(jù)集；此外，平臺還支持用戶共享數(shù)據(jù)集，共同推動科研數(shù)據(jù)集開源生態(tài)的建設(shè)。

而這正是阿里云天池今年重磅升級之后，啟動的大規(guī)模數(shù)據(jù)開源計劃。

天池大動作為哪般？

又是來自真實(shí)行業(yè)大批量數(shù)據(jù)集的開源，又是建立行業(yè)benchmark，阿里云天池到底圖什么？

眾所周知，對于數(shù)據(jù)挖掘/機(jī)器學(xué)習(xí)這些學(xué)科，高質(zhì)量數(shù)據(jù)集可以說是必不可少的生產(chǎn)資料。

但以高校學(xué)生為代表的青年AI開發(fā)者，很難接觸到大量真實(shí)有效的數(shù)據(jù)，因此也就很難快速提升自身技術(shù)實(shí)踐能力。

而與真實(shí)業(yè)務(wù)場景的脫節(jié)，帶來的問題還不止于此。

比如，學(xué)界和業(yè)界在研究目標(biāo)上往往不同。學(xué)界可能更加關(guān)注一些確定條件下的確定指標(biāo)，而業(yè)界則會從成本和收益的角度去思考問題。

在云棲大會期間舉辦的天池數(shù)據(jù)青年團(tuán)聚上，達(dá)摩院算法專家羅浩博士就談到：

翻譯模型準(zhǔn)確率指標(biāo)從70%提升到80%，在學(xué)界是足以發(fā)表論文的優(yōu)秀成果，但對于產(chǎn)業(yè)界，就算一百句話都只翻錯了一兩個單詞，還是需要人工全部重譯，利潤提升不大。

針對這些問題，天池開啟大規(guī)模數(shù)據(jù)集開源計劃，希望通過提供工業(yè)界的最真實(shí)的業(yè)務(wù)數(shù)據(jù)，降低青年開發(fā)者接觸和使用科研數(shù)據(jù)的門檻。

再結(jié)合行業(yè)實(shí)際的競賽，使開發(fā)者能真正研究和解決實(shí)際的工業(yè)場景中所面臨的問題。

這樣的舉措，其實(shí)已見實(shí)效。阿里云天池大賽負(fù)責(zé)人王聽介紹：

過去7年中，天池已經(jīng)舉辦了400多場高規(guī)格的數(shù)據(jù)科學(xué)競賽。其過程中，青年開發(fā)者不僅提升了自身的技術(shù)實(shí)踐能力，同時也孵化出了優(yōu)秀解決方案，甚至已經(jīng)有直接反哺產(chǎn)業(yè)的案例。

也因此，現(xiàn)在，天池平臺上逐漸聚集起90萬+AI開發(fā)者，覆蓋98+國家和地區(qū)、4300+海內(nèi)外高校，成為了中國最大的人工智能開發(fā)者社區(qū)。

基于這樣的背景，阿里云天池也就有了進(jìn)一步擴(kuò)大生態(tài)的空間：聚合起青年開發(fā)者，眾智眾創(chuàng)，為行業(yè)解決業(yè)務(wù)痛點(diǎn)，并為社會培養(yǎng)和輸送人才，打造更完整的AI開發(fā)者創(chuàng)新生態(tài)，彌合從高校到產(chǎn)業(yè)的鴻溝。

天池變了，不再僅僅局限于比賽層面，而是從教育資源、計算資源、數(shù)據(jù)資源等更多的角度出發(fā)，面向青年開發(fā)者提供分享、互動、成長的社區(qū)陣地。

這樣的轉(zhuǎn)變，其實(shí)也正迎合了AI發(fā)展的大勢之下，青年人才更低門檻進(jìn)入到AI行業(yè)的需求。

而據(jù)天池方面透露，下一步，他們還將積極參與并致力于數(shù)據(jù)標(biāo)準(zhǔn)制定和行業(yè)標(biāo)準(zhǔn)數(shù)據(jù)集的建設(shè)，進(jìn)一步服務(wù)于AI產(chǎn)業(yè)的發(fā)展。

那么，你又是否看好呢？

天池官網(wǎng)：
https://tianchi.aliyun.com/

— 完 —