第288章 巨额的隐形财富(续)
事实也正是如此。
涉及到人工智能的三驾马车算法、算力、算据数据。
算法看起来很重要，但要知道很多时候，没有优质数据存在，就很难训练出优质的算法。
数据这东西虽然通常情况下看不见摸不着，但任谁也不能忽视数据的重要性。
尤其是标注数据更是相当重要。
在时下有监督的机器学习仍然是当前神经网路学习训练的主要方式。
而有监督的机器学习是离不开标注数据的。
有监督的机器学习需要被标注数据作为先验经验。
在有监督的机器学习里未被标注的数据和被标注数据以比例划分为训练集和测试集。
话说，，，版。】
机器通过对训练集的学习得到一个模型，再对测试集进行识别，就可以到的该模型的准确率。
算法人员根据测试结果找到模型的短板，并将数据问题反馈给数据标注人员，再重复流程，直到得到的模型指标符合上线需求……
在时下几乎没啥无监督学习的应用的情况下，大规模、高质量的人工标注数据集甚至可以说是现在机器学习产业发展的刚需。
在这种情况下，把数据以及标注数据看得再重要也不为过。
因此才有了林灰所谓的估值估低了的说法。
不过所谓的估值也不重要了，真涉及到标注数据的出售的话具体价格完全可以慢慢谈。
林灰是需要很多钱，但如果是将来同一些超级巨头进行谈判的话，林灰也未必一心要钱。
用林灰感兴趣的资源进行交换也不是不可以。
说实话这些顶尖巨头的部分资源对林灰还是相当有诱惑力的。
具体到林灰现在所拥有的标注数据。
曾经涉及到网文翻译的时候，林灰当初几乎是第一时间想到了前世那部手机里plet这个软件。
plet这个软件是前世林灰所在公司开发测试的一款软件。
这个软件不怎么为人所知是因为该软件还处于α内测阶段。
α测试的目的是评价软件产品的功能、局域化、可用性、可靠性、性能和支持。
尤其注重产品的界面和特色。
α测试的时间可以从软件产品编码结束之时开始。
也可以在模块(子系统)测试完成之后开始。
还可以在确认测试过程中产品达到一定的稳定和可靠程度之后再开始。
plet这款软件的α内测就是在确认plet达到一定的稳定和可靠程度之后才开始的。
所以说虽然plet尚在内测。
但这款软件的技术水平也是相当成熟了，几乎离正式面世只差一轮公测。
林灰原本想过待时机合适将这样一个软件复刻出来去进军软件翻译市场的。
在留心到标注数据所拥有的特殊价值的情况下。
林灰同样差不多是第一时间想到了plet这一软件。
毕竟作为一个主打a翻译的软件，其训练过程中自然是同样用到大量的双语互译标注数据的。
而plet这款未正式上市的软件作为前世公司寄予厚望的产品之一。
对这款软件在实际开发中所用到的标注数据林灰相信肯定能在前世企业数据里翻找到的。
这种情况下似乎现在直接拿曾经公司在调教plet这款软件所用到的标注数据去换钱岂不是事半功倍？
虽然plet这款软件在架构的时候同样没有进行全语种的互译数据标注。
但最起码涉及到中、英、俄、法、西、日这些常见语种之间的互译数据标注肯定是要有的。
纵然这些语种之间的互译数据不是所有的语种之间都能达到千万条的互译标注规模。
但最起码中英、英中互译标注数据肯定还是相当有规模的。
在这种情况下，林灰估算了一下前世plet这款软件所用到的标注数据在今天起码也要拥有七八亿美元的价值。
这无疑是一笔相当巨额的财富。
最关键的是即便林灰拿了这些语种之间的互译标注数据去换钱。
也不妨碍林灰到时候将plet这个软件推向翻译市场。
呃，虽然有点奸商的作风。
但怎么说呢，一鸡多吃是常态。
甚至于可以说一鸡多吃是互联网时代下的典型商业特色。
尽管短时间内林灰不大可能去突然涉及到翻译领域的互译标注。
但林灰手中的标注数据可不仅仅是翻译领域。
以林灰此时所耕耘的自然语言处理这个方面吧。
尽管林灰在此前的生成式文本摘要模型的构建中主要是使用无监督训练的方式进行的大量数据获取以及相应的模型训练。
但林灰手中确确实实是有自然语言处理方向的标注数据。
而且是超大规模的文本标注数据。
这更是一笔相当大的财富。
虽然这种文本数据标注相比于双语互译文本标注标注起来门槛更高的数据其价值肯定是要打折扣的。
但在形成规模的情况下纵然是一般的标注数据一样是一笔不容小视的财富。
仅仅是涉及到文本摘要有关的一些普通标注数据林灰估计在这个时空换取几千万美元的话完全没问题。
如果对这些标注数据加以一定包装并且足够幸运能够遇到一些识yan货da人t的话。
商业谈判时如果谈判的人很会的话谈到近亿美元也是有可能的。
如果对标注数据进行一定的包装，林灰估计忽悠个上亿美刀也是完全没问题的。
对这些标注数据加以一定的包装是什么意思呢？
就是美化标注数据的质量。
严格来讲的话，同样是标注数据也是可以区分为专家标注和众包的。
所谓的“专家标注”也不是真的专家去进行标注。
“数据标注”听起来似乎蛮高大上的，但实际上呢？
进行数据标注过程往往非常复杂，涉及到数据量特别多的时候，对人工劳动力会有很高的要求。
虽然不能说低端吧，但这种机械而繁复的工作至少跟高端是没啥关系的，砖家教授肯定是不会去干这活的。
所谓的专家标注一般都是由苦逼的算法工程师进行兼职。
或者由专门的算法数据标注员进行标注。
涉及到人工智能的三驾马车算法、算力、算据数据。
算法看起来很重要，但要知道很多时候，没有优质数据存在，就很难训练出优质的算法。
数据这东西虽然通常情况下看不见摸不着，但任谁也不能忽视数据的重要性。
尤其是标注数据更是相当重要。
在时下有监督的机器学习仍然是当前神经网路学习训练的主要方式。
而有监督的机器学习是离不开标注数据的。
有监督的机器学习需要被标注数据作为先验经验。
在有监督的机器学习里未被标注的数据和被标注数据以比例划分为训练集和测试集。
话说，，，版。】
机器通过对训练集的学习得到一个模型，再对测试集进行识别，就可以到的该模型的准确率。
算法人员根据测试结果找到模型的短板，并将数据问题反馈给数据标注人员，再重复流程，直到得到的模型指标符合上线需求……
在时下几乎没啥无监督学习的应用的情况下，大规模、高质量的人工标注数据集甚至可以说是现在机器学习产业发展的刚需。
在这种情况下，把数据以及标注数据看得再重要也不为过。
因此才有了林灰所谓的估值估低了的说法。
不过所谓的估值也不重要了，真涉及到标注数据的出售的话具体价格完全可以慢慢谈。
林灰是需要很多钱，但如果是将来同一些超级巨头进行谈判的话，林灰也未必一心要钱。
用林灰感兴趣的资源进行交换也不是不可以。
说实话这些顶尖巨头的部分资源对林灰还是相当有诱惑力的。
具体到林灰现在所拥有的标注数据。
曾经涉及到网文翻译的时候，林灰当初几乎是第一时间想到了前世那部手机里plet这个软件。
plet这个软件是前世林灰所在公司开发测试的一款软件。
这个软件不怎么为人所知是因为该软件还处于α内测阶段。
α测试的目的是评价软件产品的功能、局域化、可用性、可靠性、性能和支持。
尤其注重产品的界面和特色。
α测试的时间可以从软件产品编码结束之时开始。
也可以在模块(子系统)测试完成之后开始。
还可以在确认测试过程中产品达到一定的稳定和可靠程度之后再开始。
plet这款软件的α内测就是在确认plet达到一定的稳定和可靠程度之后才开始的。
所以说虽然plet尚在内测。
但这款软件的技术水平也是相当成熟了，几乎离正式面世只差一轮公测。
林灰原本想过待时机合适将这样一个软件复刻出来去进军软件翻译市场的。
在留心到标注数据所拥有的特殊价值的情况下。
林灰同样差不多是第一时间想到了plet这一软件。
毕竟作为一个主打a翻译的软件，其训练过程中自然是同样用到大量的双语互译标注数据的。
而plet这款未正式上市的软件作为前世公司寄予厚望的产品之一。
对这款软件在实际开发中所用到的标注数据林灰相信肯定能在前世企业数据里翻找到的。
这种情况下似乎现在直接拿曾经公司在调教plet这款软件所用到的标注数据去换钱岂不是事半功倍？
虽然plet这款软件在架构的时候同样没有进行全语种的互译数据标注。
但最起码涉及到中、英、俄、法、西、日这些常见语种之间的互译数据标注肯定是要有的。
纵然这些语种之间的互译数据不是所有的语种之间都能达到千万条的互译标注规模。
但最起码中英、英中互译标注数据肯定还是相当有规模的。
在这种情况下，林灰估算了一下前世plet这款软件所用到的标注数据在今天起码也要拥有七八亿美元的价值。
这无疑是一笔相当巨额的财富。
最关键的是即便林灰拿了这些语种之间的互译标注数据去换钱。
也不妨碍林灰到时候将plet这个软件推向翻译市场。
呃，虽然有点奸商的作风。
但怎么说呢，一鸡多吃是常态。
甚至于可以说一鸡多吃是互联网时代下的典型商业特色。
尽管短时间内林灰不大可能去突然涉及到翻译领域的互译标注。
但林灰手中的标注数据可不仅仅是翻译领域。
以林灰此时所耕耘的自然语言处理这个方面吧。
尽管林灰在此前的生成式文本摘要模型的构建中主要是使用无监督训练的方式进行的大量数据获取以及相应的模型训练。
但林灰手中确确实实是有自然语言处理方向的标注数据。
而且是超大规模的文本标注数据。
这更是一笔相当大的财富。
虽然这种文本数据标注相比于双语互译文本标注标注起来门槛更高的数据其价值肯定是要打折扣的。
但在形成规模的情况下纵然是一般的标注数据一样是一笔不容小视的财富。
仅仅是涉及到文本摘要有关的一些普通标注数据林灰估计在这个时空换取几千万美元的话完全没问题。
如果对这些标注数据加以一定包装并且足够幸运能够遇到一些识yan货da人t的话。
商业谈判时如果谈判的人很会的话谈到近亿美元也是有可能的。
如果对标注数据进行一定的包装，林灰估计忽悠个上亿美刀也是完全没问题的。
对这些标注数据加以一定的包装是什么意思呢？
就是美化标注数据的质量。
严格来讲的话，同样是标注数据也是可以区分为专家标注和众包的。
所谓的“专家标注”也不是真的专家去进行标注。
“数据标注”听起来似乎蛮高大上的，但实际上呢？
进行数据标注过程往往非常复杂，涉及到数据量特别多的时候，对人工劳动力会有很高的要求。
虽然不能说低端吧，但这种机械而繁复的工作至少跟高端是没啥关系的，砖家教授肯定是不会去干这活的。
所谓的专家标注一般都是由苦逼的算法工程师进行兼职。
或者由专门的算法数据标注员进行标注。