我们或许正处于一个脆弱的系统之中，这个系统虽然经过了大量的数据训练，却依然缺乏常识。
在2014年底，Uber董事会在关于优步与滴滴的大战中展开重要讨论。与此关于无人驾驶技术的研发与落地也正在进入关键阶段。数据标注和模型训练是无人驾驶技术的关键环节之一。Google的代表David Drummond提出，Google将以无人驾驶汽车进入网约车市场。这一决定意味着竞争将很快进入实质性阶段。无人驾驶技术仍面临巨大的挑战和不确定性。
八年后的今天，网约车行业经历了巨大的变革，数百亿美元的资金投入，便利了人们的生活，同时也留下了许多精彩的商战故事。无人驾驶技术的投入仍然面临巨大的挑战。据麦肯锡去年的统计，自2010年以来，无人驾驶相关技术的投入已超过千亿美元。无人驾驶系统仍然非常不可靠。在实际测试现的情况显示，即使是世界上最先进的无人驾驶系统也无法完全应对所有路况和挑战。福特技术负责人Doug Field表示：“无人驾驶是我们这个时代最困难的技术问题。”大公司和资本市场已经近乎绝望。
解决这些问题的核心在于大量的数据标注。今年4月的数据显示，在让汽车系统更准确地识别路况的过程中，数据标注员需要标注出图像中的每一个物体及其状态，以确保计算机能够识别出路上的各种物体并做出正确的判断。例如，标注夜间街道上的出租车图像中的出租车就需要数据标注员通过细致入微的工作来完成标注。虽然无人车的感知能力逐渐提高并不断发展变化以满足实际应用的需求但这并不意味着研发之路已经完全平坦。相反地它仍然需要更多的数据标注员来确保系统的准确性和可靠性。此外还需要更多的传感器来收集数据以帮助系统更好地适应不同的环境和路况。因此数据标注行业迎来了发展的黄金时期并正在成为未来机器人行业的重要组成部分之一随着市场规模的不断扩大该行业的劳动力需求也在不断增加。尽管数据标注员的工作量大且枯燥但他们的工作对于推动人工智能技术的发展至关重要。尽管人工智能技术在某些领域取得了显著进展但我们仍然需要更多的人力和努力来实现真正意义上的智能化未来依然充满了不确定性和挑战但也孕育着无限的机遇和可能。
