區塊鏈技術在數據標注

火牛小視頻，來玩之前你需要知道的幾件事

【本文由贊我(zaneds.com)獨家冠名】

火牛最近在群里火爆起來，持幣分紅的概念十分吸引人。

是的，火牛小視頻比較特殊的一點:每天中午12點，根據你所擁有的FB（火牛積分）來分紅人民幣，秒速提現支付寶。

具體的規則如圖：

有朋友做了一個1000FB的分紅收益表：

我也在一個星期前，小玩了一下，這里跟大家聊一聊。

團隊的主力都是來自於蛙趣視頻，現在這個視頻已經涼涼了。

網上熱度很少，去搜索一下評價，負面居多：

還有人在網上發帖求教如何去廣告。

可見，蛙趣視頻已經差不多到盡頭了，團隊想借著區塊鏈的東風再起。

像這種，在互聯網屬於二流，三流的產品用區塊鏈包裝一下再上新的情況不是少數。

至少團隊還是有做視頻經驗的，產品也是落地的，比什麼都沒有的空氣要好很多。

創業不易，對於創業團隊不需太苛刻。

現在區塊鏈內容平台如雨後春筍，短視頻作為最賺錢的內容之一，肯定不會放過區塊鏈這層金衣。

但是僅僅是炒概念還是做實實在在的區塊鏈項目，這裡面的區別就大了。

這里需要大家注意：

火牛的FB只是平台積分，不是基於ETH的TOKEN，而且並沒有上交易所的打算。

我需要和新入門的朋友說一下區別：

這里還有一點：

火牛作為區塊鏈?短視頻平台，其實其主要的商業邏輯跟區塊鏈沒什麼關系，依然是走互聯網免費模式，依靠規模來獲取廣告，而且火牛還在弱化區塊鏈在整個產品中的比重。

火牛不需要倒入私鑰，沒有助記詞，沒有本地錢包，操作起來，跟抖音，西瓜視頻沒什麼區別。

火牛也無意在區塊鏈技術上有所創造，很多圈裡人甚至根本不認為火牛屬於區塊鏈項目。

在這里，還有一種猜測，就是火牛去掉區塊鏈那一套，其目的也許是為了降低門檻，方便圈外人參與。

畢竟，如果短視頻只限制在幣圈中，人數太少，是沒有發展的。

而，圈外人對於TOKEN是不太容易接受的，人民幣是更直觀的刺激。

總體來看，目前，這還是一個傳統互聯網項目包裝成區塊鏈項目。

我們在上一個部分聊到了，火牛無意將自己打造成一個區塊鏈產品，它的商業邏輯和抖音等沒有區別，還是用互聯網的免費模式。

有人提出，火牛就是一個資金盤。

現階段確實如此，我們每天獲得的分紅，實際上來自於用戶充值，而用戶充值是為了獲得分紅。

所以，這的確是一個後來的人給前面的人分紅的旁氏，一旦，新人進入的速度減慢，或者充值人數減少，分紅下降是不可避免的。

除非，在這個盤子崩掉之前，有新的資金進入，比如廣告，或者贊助商等，也許這個模式就能活下來。

也有人說火牛借鑒FT，用大量的分紅吸引新玩家加入，短時間之內擴大規模，假設用戶增長的速度夠快，火牛再活個一年沒有問題。

但是，火牛和FT兩點不同：

所以，本質上，火牛和FT並不是一回事，只是借用了這種資金盤模式，隨時有跑路的風險。

當然，當用戶基數夠大，自帶流量的大V入駐，可能會帶來打賞的玩家，就是那種大把的錢打賞主播，不求回報的死忠粉，也許會是一個比較大的盈利點。

所以，我們可以看到火牛目前的規劃：

也有幾個趨勢的變化：

前期玩火牛的，羊毛黨居多，注冊成本很低，不需要實名，這對於火牛是不利的。

火牛如今似乎也慢慢把重點從把拉新放到鼓勵充值上了，前期的玩家應該已經賺的盆滿缽滿了。

增加了觀看視頻的時間，實際上在提高刷FB的成本（時間也是成本），而主播加入，可能會使得火牛的粘性增強，短時間來看，發展還算不錯，分紅應該還會維持一段時間。

另外：

總之，火牛小薅怡情即可。

FB的意思：

FB就是副本的意思。

建築施工圖簡介：

主要用來表示房屋的規劃位置、外部造型、內部布置、內外裝修、細部構造、固定設施及施工要求等。它包括施工圖首頁、總平面圖、平面圖、立面圖、剖面圖和詳圖。

大樣圖簡介：

大樣圖是指針對某一特定區域進行特殊性放大標注，較詳細的表示出來。某些形狀特殊、開孔或連接較復雜的零件或節點,在整體圖中不便表達清楚時,可移出另畫大樣圖。嚴格得講，「大樣圖」一詞多用於施工現場，對於局部構件放樣。建築設計施工圖中的局部放大圖稱為「詳圖」，如樓梯詳圖、衛生間詳圖、牆身詳圖等。

Ⅱ 數據標注實務—數據標注概述

數據標注實務—數據標注概述
數據標注行業的發展
1. 人工智慧發展史
人工智慧的概念在上世紀五六十年代被正式提出。1956年在達特茅斯會議上首度提出「人工智慧（AI）」概念，被譽為「人工智慧的起點」。人工智慧的發展經歷了起起伏伏，從理論到實踐，從初期在現實應用環境中使用效果不佳，到通過技術的突破，實現存儲能力、計算能力的大幅提升的過程。
2. 數據標注的起源
2007年，斯坦福大學教授李飛飛等人開始啟動ImageNet項目。數據標注的概念：標注是對未處理的初級數據，包括語音、圖片、文本、視頻等進行加工處理，並轉換為機器可識別信息的過程。
3. 人工智慧演算法與數據標注之間的關系
深度學習是人工智慧目前的一個重要研究領域，其主要有四種方式：監督學習、無監督學習、半監督學習、強化學習，監督學習是當前人工智慧的研究重點。
國內數據標注行業的發展現狀
數據標注行業近幾年發展迅猛，要求越來越高。
1. 市場端
預計2025年市場規模將突破100億元人民幣，對標注數據的需求量會更大，數據標注行業的發展前景是十分向好。目前數據標注需求量最大的五座城市分別是：北京、成都、杭州、上海、深圳。
2. 供應商端
分為三大類：平台數據供應商、中小數據供應商、需求方自建團隊。從供應商的發展來看，行業內部處於「洗牌」階段。
什麼是數據標注
數據標注（Data Annotation）是對文本、圖像、語音、視頻等待標注數據進行歸類、整理、編輯、糾錯、標記和批註等加工操作，為待標注數據增加標簽，生成滿足機器學習訓練要求的機器可讀數據編余碰碼的工作。標簽（Label）標注任務（Annotation Task）數據標注員（data labeler）標注工具（annotation tool）
數據標注的工作特點
數據標注工作特點是由數據標注項目的特點決定的，而且需要根據效果不斷進行需求調整。需具備以下能力：可遷移學習能力、重復標記能力、細心專注能力、總結提煉能力。
數據標註定義及分類
數據標注的基本流程包括4個環節：
1. 數據採集：首要環節，來源於提出標注需求的人工智慧公司。常通過互聯網獲取公開的數據集散灶與專業數據集。
2. 數據清洗：重要的環節，對數據進行篩檢，去重，並對數據集中存在的異常值與缺失值進行查缺補漏，同時平滑雜訊數豎掘談據，最大限度糾正數據的不一致行和不完整性。
3. 數據標註：由標注員負責標注數據，可採用分類標注、標框標注、區域標注、描點標注或其他標注方法進行。
4. 數據質檢：關鍵環節，常見的控制質量方法:多人驗證、埋題驗證、標注人員狀態驗證、機器驗證。
數據標注的分類
常根據待標數據類型進行分類：
1. 文本標註：主要是用於自然語言處理（Natural Language Processing，NLP）,如：客服行業、金融行業、醫療行業等。其標注方式有：分詞標注、詞性標注、情感標注、意圖識別、實體標注等。
2. 音頻標註：主要用於語音識別（Automatic Speech Recognition，ASR）和語音合成（Text-To-Speech，TTS），ASR技術主要是將聲音轉成文字，而TTS技術主要是將文字轉化為聲音。目前較常見的應用場景有智能客服、電話機器人、蘋果手機的Siri等。音頻標注方式有語音轉寫、語音情感標注等。
3. 圖像標註：主要給計算機視覺相關的演算法提供數據集，日常能了解到的場景如人臉識別、自動駕駛、車牌識別以及目前比較火的醫療影像的識別等都會用到圖像標注。標注方式有矩形框標注、多邊形拉框、打點、OCR識別、語義分割、圖片審核分類等。
4. 視頻標註：主要是通過對視頻取幀後進行圖片標注，然後再進行合成訓練。例如：監控視頻、自動駕駛、智慧交通等，其標注方法基本和圖片標注一致。
數據標注的應用領域
盡量理解標注數據的應用場景，對於標注質量有重要意義。
1. 出行領域：常見的標注方式有：點標注、線標注、框標注、3D點雲標注、場景語義分割、PoI（Point of Interest）標注等。
2. 安防領域：政府層面多。人臉標注、視頻分割、語音採集、行人標注等是重要的數據標注應用。
3. 金融領域：文字翻譯、語義分析、語義轉錄、圖像標注等都會得到很廣泛的應用。
4. 電子商務領域：能進一步深度挖掘數據集，通過互聯網搜索指定內容的搜索完善、通過語句的情感判斷、意圖判斷、糾錯、以及語言的採集、標注等均為重要的數據應用。
5. 公共服務領域：檢查內容是否符合要求的內容審核，對具有相同意義的語句進行歸類的語義分析、意圖識別、語音轉錄，以及視頻審核、文本審核等都是數據標注常見的應用領域。
數據標注行業的運行模式
數據標注的特點
標注內容最小顆粒度、項目標注數量大、標注需求迭代快。
數據標注在人工智慧中的地位
數據標注為人工智慧公司提供了大量的帶有標簽的結構化數據集，供機器進行訓練和學習，保證演算法模型的有效性。而數據標注的准確性決定了人工智慧的有效性，因此在目前階段數據標注在人工智慧中還占據著非常重要的角色，而且在未來一段時間依然非常重要。
數據標注運行模式可以參考PM項目管理。
數據標注行業未來發展趨勢及挑戰
具前瞻性的數據集產品和高度定製化數據服務將成為數據標注行業發展的主流。數據標注行業競爭加劇的發展趨勢目前已進入快速增長期，微觀角度來看：市場規模不斷擴大，市場競爭的加劇，行業內部或將迎來「洗牌期」；宏觀角度看：高質量、精細化、定製化的數據集越來越受到需求方的青睞。
政策的有力支持
工業和信息化部印發了《促進新一代人工智慧產業發展三年行動計劃（2018-2020年）》。2020年2月，「人工智慧訓練師」正式成為新職業隸屬於軟體和信息技術服務人員小類。
面臨的問題和挑戰
挑戰1：標注需求難度加大、行業結合深入不夠。
挑戰2：半自動化標注工具及管理平台的研發不足，關注兩個重點：如何提升標注效率和如何做好項目管理。
挑戰3：數據標注質量的把控不過關目前已進入快速增長期。
挑戰4：數據安全與隱私的保護不容樂觀，目前產生了如數據治理、數據分割、數據安全傳輸和區塊鏈等技術。
數據標注行業的前景與發展
數據標注行業前景廣闊，但也面臨諸多挑戰。唯有不斷提升自身技術實力、快速迭代自身業務以適應需求變化、並打造品牌與實力的雙重口碑效應，才能在激烈的市場競爭中更具優勢，建立高度排他性技術壁壘，從而保證自身在競爭中立於不敗之地。

Ⅲ 區塊鏈究竟是什麼呢

區塊鏈究竟是什麼呢？本質上講，區塊鏈是一種分布式、去中心化的網路資料庫系統， 這個系統會讓數據的存儲、更新、維護、操作變得不同。區塊鏈有四項不可缺的核心技術， 分別是：分布式存儲、共識機制、密碼學原理、智能合約。

那麼我們下面就講一講，與傳統數據處理相比，區塊鏈到底有什麼不同，幫助大家了 解區塊鏈是什麼，讓大家對區塊鏈有一個總的認知。

一、區塊鏈中的數據存儲：塊鏈式數據結構

在數據存儲方面，區塊鏈技術利用的是「塊鏈式數據結構」來驗證與存儲數據的。

塊鏈式結構是什麼意思呢？鐵鏈子大家都見過吧，一環套一環那種，那其實，每一環 我們可以看作是一個區塊，很多環節扣在一起就形成了區塊鏈。

這個所謂的「鐵鏈」是如何存儲數據的呢？簡單來講，區塊鏈和普通存儲數據的不同 之處在於：在區塊鏈上，後一個區塊里的數據是包含前一個區塊里的數據的。

以讀書為例：我們平時看書，看完第 1 頁，接著讀第 2 頁、第 3 頁......
那在區塊鏈裡面呢，如果給每個區塊標註上頁碼，那麼第 2 頁的內容是包含第 1 頁的 內容的，第 3 頁的內容包含第 1 頁和第 2 頁的內容......第 10 頁包含了前 9 頁的內容， 就是這樣一個層層嵌套的鏈條，這樣一來，就可以追溯到最本源的數據了，這就是區塊鏈 的可追溯性。

區塊鏈這種「塊鏈式數據結構」使之具備可追溯性，這就天然適用於許多領域，譬如： 食品溯源、葯品溯源等等。這樣一來，毒奶粉、假疫苗、偽劣食品事件出現的概率就會大 大降低，因為一旦出現問題，通過溯源可以清晰知道到底是哪個環節出現問題，問責追償 將會更加清晰。

二、區塊鏈中的數據更新：分布式節點共識演算法

在數據更新方面，區塊鏈技術是利用「分布式節點共識演算法」來生成和更新數據。

每每生成新的區塊（也就是更新數據的時候），都需要通過一種演算法，獲得全網 51% 以上節點的認可才能構成新的區塊。說白了就是投票，超過半數人同意就可以生成，這就 使得區塊鏈上的數據不容篡改。

為什麼這么說呢？我們還是打一個比喻：我們把區塊鏈比作一個賬本，因為都是記錄 數據的嘛，傳統世界裡，記賬權力在於記賬先生，賬本屬於記賬先生一個人的。那麼在區 塊鏈裡面，每一個人都擁有這個賬本，想要更新賬目呢，就要投票，半數人以上贊成才可 以去更新賬目數據。

在這個過程中，我們會涉及到這么幾個名詞：分布式、節點、共識演算法，這幾個名詞 其實非常好理解：

每個人都記賬（也就是人人擁有賬本，賬本分散在每個人手裡），就是所謂的「分布 式」；

大家討論、投票產生的、一致贊同的記賬辦法，就是所謂的「共識演算法」；

每一個參與記賬的人，就是所謂的「節點」。

三、 區塊鏈中的數據維護：密碼學

在數據維護階段，區塊鏈的不同之處就在於：它利用密碼學的方式來保證數據傳輸和 訪問的安全。

區塊鏈中所應用的密碼學原理主要有：哈希演算法、Merkle 哈希樹、橢圓曲線演算法、 Base58。這些原理，其實都是通過一系列復雜的運算以及換算，來保證區塊鏈上數據安全。

四、 區塊鏈中的數據操作：智能合約

智能合約，是由計算機程序定義並自動執行的承諾協議，說白了，就是用代碼執行的 一套交易准則，類似於現在的信用卡自動還款功能，開啟這個功能，你自己什麼都不用管， 到期銀行會自動扣除你欠的錢。

智能合約的突出優勢就是，很大程度上避免了由信任產生的一系列問題。
我們很多人，都遇到過被借錢的事情：朋友手頭緊了跟你借 2000 塊錢，承諾下個月 發了工資還錢，到了下個月他又找別的借口不還，拖來托去這事兒就沒譜了。本來沒多少 錢，還是朋友，雖然你很郁悶，這事也就算了。

那麼，有了智能合約以後，他就不能賴賬了，因為在智能合約上，一旦觸發合約中的 條款，代碼就會自動執行，不管他願不願意，只要他發了工資、賬戶上有了錢，他就得還 你。

總結一下本節內容，區塊鏈中有四項不可缺的核心技術，分別是：分布式存儲、共識 機制、密碼學原理、智能合約。

我們可以這樣理解：分布式存儲對應的是數據存儲這個階段，共識機制對應的是數據 的處理更新這個階段，密碼學對應的是數據安全，智能合約對應的是數據的操作問題。

Ⅳ 什麼是數據標注|「人工智慧+區塊鏈」科普第5問

上一問講到深度學習的時候，我們提到了一個非常關鍵的名詞：數據標注。

要講清楚什麼是數據標注，就不得不提到「數據標注員」這個特殊的群體。「人工智慧」這個名詞看似高深莫測，但目前提供給機器學習的 大數據採集工作，仍基於密集勞動力的人工智慧數據標注產業 。那些坐在電腦前被稱為「人工智慧背後的工人」的人們，每天工作的內容事實上和上個世紀80年代的很多流水線工人並沒有什麼本質上的不同。

這是事實，無需辯駁。

據不完全統計，全國「數據標注者」從業人員已達到10萬人，兼職人群接近100萬。

在人工智慧灼熱與閃亮的背後，數據標注產業，作為做基礎的支撐，顯得格外粗糲與拙樸。無怪乎有人說： 所謂的人工智慧，就是有多少人工就有多少智能。

那麼到底什麼是數據標注呢？

要理解數據標注，得先理解 人工智慧其實是部分替代人的認知功能 。回想一下人類是如何學習的，例如小時候我們認識蘋果，媽媽拿著一個蘋果到你面前告訴你，這是一個蘋果。以後你再遇到蘋果，你就知道：哦，這又大又紅酸酸甜甜的東西叫做「蘋果」。

類比機器學習，我們要教機器認識一個蘋果，當然它是嘗不出來味道的。我們只能給它一張蘋果的圖片，機器當然無法理解這是個什麼鬼！我們得先有蘋果的圖片，上面標注著「蘋果」兩個字然後拿給機器去學習。 機器雖然處理速度快記性好，但是在聯想、類比和舉一反三方面智商幾乎為零 。機器學習了A圖片中的蘋果，但是你再拿來一張機器從沒有學習過得另一張蘋果圖片B，它就不一定認識了。因為我們說世界上沒有兩片一模一樣的樹葉，那麼自然也沒有兩個一模一樣的蘋果了。那怎麼辦呢？我們通過給機器學習大量不同的蘋果圖片，讓機器來 捕捉到這些相同標注中的特徵 ，這時候再給機器一張陌生的蘋果的圖片，它可能就能認出來了。

假設我們有1000張標注著「蘋果」的圖片，那麼我們可以拿900張作為 訓練集 ，100張作為 測試集 。機器通過捕捉900張蘋果圖片中的特徵學習得到一個模型，然後我們將剩下的100張機器沒有見過的圖片去給它識別，然後我們就能夠測試出通過前面900張圖片的學習，機器認識蘋果的准確率有多高了。

總之， 數據標注就是人類藉助計算機等工具，對各種類型的數據包括文本、圖片、語音、視頻等，完成分類、畫框、注釋、標記並打上說明其某種屬性的標簽的工作。

人工智慧是大數據喂養出來的，而數據標注是形成有價值的海量數據中非常重要的一環。 如何高效的激勵和組織更多人群來參與數據貢獻將會是未來科技公司成功的關鍵。

下期內容： 什麼是知識圖譜？|「人工智慧+區塊鏈」科普第6問