～每周五定期更新 上期回顾&查看方式 在上一期，我们学习了众包算法实践——认识 AMT的相关内容。 PS：了解了上期详细内容，请在自定义菜单栏中点击“灯塔数据”—“技术连载”进行查看；或者滑到文末【往期推荐】查看 No.77 众包算法实践——成为众包工人 小可 ：再来看一个任务。 王 ：我们就进入了众包平台的 Requester（请求者）页面。这里的操作需要我们先登录账户。 AMT 平台已经替我们准备了很多的任务类型，比如分类、数据收集、调研、为图片打标签等，基本能满足我们对各种众包任务的需求。可以根据自己需要完成的任务来选择合适的类别，在这里我们以分类进行举例。 结语 经过学习，我们研究了众包算法实践——成为众包工人涉及到的一些具体问题。
No.50期 众包应用举例 小可：那除了维基百科之外，众包还有哪些应用呢？ Mr. 王：其实众包在业界的应用还是非常广泛的。 大量的公司和网站都使用了众包算法， 有些众包算法是显性的任务分配和任务处理，也有些众包算法是隐性的。比如这种特殊的验证码： 小可：哦，验证码还是很常用的，只是这个验证码中有两个单词。 王：其实在图像识别中，众包的例子也有很多。比如我在网上挂一个图，问这是不是“哈工大校园”。 王：其实在数据库中，也有众包的例子。比如模糊匹配问题。 内容来源：灯塔大数据 文章编辑：柯一
个人网站、项目部署、开发环境、游戏服务器、图床、渲染训练等免费搭建教程，多款云服务器20元起。
NO.50 众包特点 Mr. 王：我们讨论了这么多众包的例子，现在来研究一下众包的一些特点。你先来说说，一个众包算法需要由哪些部分组成？ 比较直观的回报就是金钱，在有些众包平台上面，工人完成了任务之后会收到一定的资金报酬；而有些众包任务虽然并不能提供报酬，但是很多人依然乐此不疲，是因为这些众包任务设计得比较有趣，很多人为了打发时间，也会去完成众包任务 比如当我们有任务要完成时，是选择交给现有的众包平台，还是自主开发搭建一个众包平台；而且在众包平台设计时，人机交互是很重要的，应如何激励用户参与到众包任务中；界面的设计是否吸引人、与工人间的交流通信，以及平台的信誉和工人挽留机制都要考虑 王：有时众包平台也采用一种准入机制。比如想参与到众包任务的贡献中，先要经过一个资格考试来验证该工人是不是具有完成任务的资格。 文章来源：灯塔大数据 文章编辑：秦革
导读： 新的加密系统可以让制药公司和学术实验室共同合作，更快地开发新的药物,而不会向竞争对手透露任何机密数据。 ---- 新的加密系统可以让制药公司和学术实验室共同合作，更快地开发新的药物,而不会向竞争对手透露任何机密数据。 该计算系统的核心是一种称为神经网络的人工智能程序。 更多的培训数据产生了更聪明的人工智能，这在过去是一个挑战，因为药物开发人员通常不会因知识产权问题而共享数据。 研究人员在10月19日的“ 科学”杂志上报告说，新系统允许人工智能将数据众包，同时保持信息的私密性，从而鼓励合作伙伴加快药物开发。 确定新的药物蛋白质相互作用可以揭示各种疾病的潜在新疗法。 在新的AI培训系统中，从研究组汇集的数据在多个服务器之间进行分配，每个服务器的所有者看到的似乎只是随机数。
NO.52 众包算法例析 小可：讨论了这么多，我还是想通过一个具体的众包例子来了解一下众包算法。 Mr. 王：好，我们就从计算机的角度用具体的例子来分析一下众包算法。 通过我们前面讨论的内容，你能不能想到设计众包算法需要考虑的一些基本问题？ 小可若有所思，说：嗯……既然很多众包平台是要支付劳动报酬的，那么最起码的众包算法应该要尽量的省钱吧？ Mr. 所以众包算法期待的就是能结合机器和人的优点，使得成本、时间和质量都达到一个比较好的结果。 小可：那么具体要怎么结合呢？ Mr. 王：其实众包算法中包含的思想就是混合人和机器的工作流程。 下期精彩预告 经过学习，我们了解了一下了解众包的算法例析。在下一期中，我们将进一步研究一下众包的具体应用，具体的运用到时间中国去解析。更多精彩内容，敬请关注灯塔大数据，每周五不见不散呦！ 文章来源：灯塔大数据 文章编辑：秦革
新冠肺炎病毒的研究人员有了一种新的分布式计算能力：众包。 通常，众包涉及信息或意见收集，但在这种情况下，它涉及计算能力。 “有了折叠@home，人们的计算能力就可以为研究人员提供数据。”
PS：了解了上期详细内容，请在自定义菜单栏中点击“灯塔数据”—“技术连载”进行查看；或者滑到文末【往期推荐】查看 No.76 众包算法实践——认识 AMT Mr. 王 ：今天我们来讨论一下众包平台的实际使用。 小可 ：嗯，在前面介绍时就觉得众包是一个非常有趣的算法思想，我也很想了解它的具体使用呢。 Mr. 王 ：现在我们就以一个具体的众包平台为例，谈谈如何使用众包平台。 大多数时候，我们见到的众包平台都是以网站为表现形式的，在这里我们就以一个非常著名的众包平台——Amazon 的Mechanical Turk 为例，了解如何使用众包平台完成任务和发布任务。 下期精彩预告 经过学习，我们研究了众包算法实践——认识 AMT涉及到的一些具体问题。在下一期中，我们将进一步了解成为众包工人的相关内容。更多精彩内容，敬请关注灯塔大数据，每周五不见不散呦！
随着“大数据群众外包”迅速入侵，金融世界变天之日恐不在远。
选自arXiv 机器之心编译 参与：刘晓坤、路雪 本文通过在深度神经网络中引入一种新型众包层（crowd layer），通过反向传播方式，直接利用噪声标签实现端到端的训练。 然而，随着监督式人工神经网络的规模不断增大，对大型标注数据集的需求量也越来越大。近期，众包成为以可扩展的方式标注大型数据集的一种高效、廉价的解决方案。 在这篇论文中，我们针对的就是深度神经网络的众包训练问题。首先，我们将介绍最大期望值算法（EM），这种算法同时学习网络中的参数和不同标注者进行分类设置的混淆矩阵。 然后，我们提出了一种新型的通用众包层（crowd layer），这个层可以使深度神经网络用反向传播的方式，直接利用不同标注者的噪声标签进行端到端的训练。 我们的实验结果表明使用这种方法可以内部获取不同标注者的可信度和偏差，并在不同设置（如分类、回归和序列标注）的各种众包数据集上得到最优结果。 ? 图 1.
开发者们为了将用户体验优化到极致，通过大量的技术手段保障视频质量，比如减少丢包、断网恢复、即时响应用户网络变化等等。 因此我们提出了众包CDN的概念，并且申请了专利。15年，腾讯的X5浏览器内核和微信也提供了支持，同年，我们梨享计算也正式宣布成立。 可能大家会有疑问，WebRTC将来真的会成为一种主流技术吗？ 这时候可以先向STUN服务器发送测试数据包，后者做出响应，指示其在测试数据包中监测到的IP地址，此地址将成为潜在的候选地址返回。 除了播放器外，我们还开发了支持多协议、多源、混合P2P-CDN的下载器PearDownloader，可用于高清图、压缩包、软件发布或升级包、音乐、文档等大文件下载或在线服务的场景（github地址：https 大部分带宽、存储、计算资源通过众包方式收集自终端用户稳定在线的边缘设备，服务能力覆盖全部地域、所有运营商、每处网络边缘。
BCL是一个符合开放、分享与众包精神的研究平台，同时BCL上汇集了大量基于开放数据、众包数据的城市研究成果。 ? 开放和众包数据的出现为扭转上述局面带来了曙光。 另一方面，众包行为带来了新的公众参与形式，并可能促成规划决策、政府治理的改变。众包的行为主体是人，众包数据体现的是人的活动信息。BCL的很多研究都是基于这类数据进行人在空间里的活动特征分析。 如果说开放数据打破了信息的垄断，众包则是创造了一种感知社会、感知人的活动的数据基础。 众包，以及对众包数据的有效分析利用使得市民参与公共事务的门槛大幅降低。
美国地质调查局近期为解决这个问题提供了一个新选择－－利用智能手机的GPS功能进行众包地震预警。 美国地质调查局的科学家认为，智能手机和其它具备GPS功能的设备可以做为一个网络，为大地震提供早期预警。 这种众包系统，可以迅速检测到地震的发生，且几秒钟内，在地震波或海啸波到达人们之前给出预警。 此外，在地震发生可能性高但无法承担早期预警系统的地区（例如加勒比地区、中美和南美地区以及南亚地区），众包地震预警能够拯救成百上千条生命，且带有GPS功能的手机在这些地区使用很普遍。 ? 接下来，研究人员进行了模拟试验，试验采用的数据一个来自假设发生在北加利福尼亚的7级地震，另一个是来自2011年发生在日本东北冲（Tohoku-oki）的9级地震的真实数据。 手机数据也足以用来定位震中位置，精度在5公里以内，并且实时计算地震强度的演进。
机器之心报道 作者：张倩 作为人工智能社区群策群力的早期形式，「众包」成就了 ImageNet 等一批成功的数据集，也加快了整个社区的发展进程。但要构建人工智能技术开发生态，仅靠「众包」是不够的。 2009 年，由知名科学家李飞飞发起，来自全球 167 个国家近 5 万名工作者以众包的方式，通过三年合作努力，完成了日后触发人工智能领域发展浪潮的伟大数据集 ImageNet。 帮助李飞飞完成这一壮举的，是当时刚刚兴起的社区概念——众包。可以说，众包一直在人工智能领域扮演着重要角色，一定程度上加快了这一领域的历史进程。 众智类似于众包，但又不同于众包。 众包是繁复的人力投入，而「昇腾众智」意在通过「硬件开放、软件开源、使能伙伴」的方式，激发开发者的智慧，在网络模型开发、算子开发以及行业参考设计开发等几类项目上进行创新。
例如，我们在人脸识别领域的巨大进展，主要得益于在我们的图片数据库里已经有海量图像带有人们事先明确标记的人脸注释。因此，人工智能算法已经在通过这些数据库来学习人脸识别。 斯坦福大学的这个团队通过驾驶自己的研究车辆，沿着加利福尼亚州的高速公路采集路况，并积累出一个路况数据库。由此，他们就收集到包括GPS数据、视觉图像数据、激光扫描数据，等等。 但“众教”培训方式是一个显著的进步。这是第一次一个人工智能机器从真人的行为那里学习到了一个复杂驾驶技术。“我们的研究展示了我们如何把大众的驾驶知识和经验与“教授”机器学习驾驶技能整合起来。” 如此，采用“众教”的方法培训人工智能机器就很有意义。 不仅如此，这项研究工作还具有更广泛的影响。生活中有许多看上去挺简单的任务，人类觉得习以为常，但机器却难以完成，比如洗衣洗碗、哺育婴儿、熨烫衣物等。 假如Rajpurkar和他的同事们共同开发的“众教”方法可以适用于其他的任务，那么人类也许很快就可以成为人工智能机器的终极培训师。
事实上，以数据众包为代表的AI数据行业，也可以看作AI新基建的“基建”型业务，为各行各业智能化转型提供动能，加速智能经济到来。 问题在于，为什么需求方们都热衷于选择数据众包这类供应商模式来获得数据，在数据需求庞大的情况下，为什么不自建团队采集和标注数据？ 3、数据输出能力的“维度差距” 数据众包平台集中大量地熟悉数据采标业务，已经得到了充足的锻炼，一些平台，例如百度数据众包还对内提供大量数据服务，自2011年起全面支持百度自动驾驶、小度助手等AI业务，它们对于外部需求 但这种标准化和定制化只是相对的，对发展往往不够充分的自建平台而言是“定制化”（意味着需要花费大量精力），到了数据众包平台那里，可能只是“标准化”的一部分，像百度数据众包的标注能力已经可以覆盖市95%以上的主要标注场景 AI新基建对数据采标有三大要求，数据众包都满足了吗？
它们收集的数据越多，它们完成任务结果就越好。我们的解决方案是从众包获取数据。”华盛顿大学计算机科学和工程副教授Maya Cakmak说。 为了得到更多关于建造模型的输入，机器人向众包求助。他们在Amazon Mechanical Turk（一个众包市场）上雇佣参与者，并建造类似汽车，树木，乌龟和蛇等的模型。 通过对动作的抽象，交互可视化，它向众包学习在新场景中实施这个动作的新方法。这项研究将在今年11月举办的人类计算与众包大会上发表。 布朗大学伍斯特理工学院，康奈尔大学的研究团队也在进行类似理念的研究，开发机器人使其可以能够通过众包学习新技能。 华盛顿大学的研究团队目前正在利用众包和在线资源教育机器人完成更复杂的任务，例如在多层的建筑物中找寻物品。
我们发现，在收集高质量数据的同时，还可以减轻工人的负担。 量化和避免众包中的不公平资质劳动.pdf
我们研究了一个众包问题，该平台旨在激励分布的员工提供高质量和真实的解决方案，但没有能力验证解决方案。虽然之前的研究大多假设平台和员工拥有对称的信息，但我们研究的是一个平台具有信息优势的信息不对称场景。 无验证的众包系统中的战略信息披露.pdf
作者巧妙地利用对两个众包平台的集成，获得能够对RNA降解进行极好预测的模型，以此来突破mRNA分子的热稳定性的限制。 为此，我们结合了两个众包平台：RNA设计平台Eterna和机器学习竞赛平台Kaggle。 我们使用来自Eterna平台上设计的短RNA片段的降解数据，该片段包含多种多样的序列和结构，并假设众包获得机器学习架构的问题将获得一个能够表达序列和结构依赖性降解模式的复杂性的模型（图1a）。 我们假设这种“双重众包”将导致对开发的模型进行严格和独立的测试，最大限度地减少设计测试结构者和构建模型者之间的假设共享，并得到更好的独立数据集的泛化性。 所得模型经受了两个盲测挑战。 研究结果 双众包竞赛设计与评估 OpenVaccine Kaggle竞赛（图1b）的目的是开发用于预测RNA降解模式的计算模型。
目前主要的高精地图数据采集包括集中制图模式和众包模式。集中制图模式通过配有激光雷达的数据采集车进行路测，但是会受到成本限制。众包模式借用大量车辆上的摄像头获取数据和数据实时更新。 但其发展受到需和主机厂合作，车辆底层数据封闭以及如何提高数据贡献者积极性等制约。 第一个支持多链的全球分布式地图网络GoWithMi可以带来有效的众包制式解决方案。 GoWithMi可以创建基于算法的Token激励地图众包，激励全球用户分布式共识生产，兼顾低成本、高精度、实时性、VR化与全球覆盖，彻底改变传统地图中心化生产方式。 23日-24日北京召开的“中国自动驾驶高精地图产业创新发展论坛2019 (hdmap2019)“中来自分布式地图"高维地球（GoWithMi）的创始人/CEO 李东先生将为您详细解读“区块链驱动的地图众包和共利新模式 曾任：-全球最大商用基础地图服务商Navteq（即Here Map）亚太区业务负责人；-全球最大导航服务提供商Destinator/Intrinsyc全球运营副总裁；中国首家和最大的众包交通信息服务商“
腾讯云数据万象（Cloud Infinite，CI）能够实现对云上的图片、视频、音频、文档等数据进行处理，为客户提供专业一体化的数据处理解决方案，涵盖图片处理、内容审核、内容识别、媒体处理、文档服务等功能，满足您多种场景维度的需求。
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
