有那么一群人，他们的岗位虽各有千秋
却都有一个共同的“工作伙伴”，AI
每一份劳动，都在创造价值
而他们的劳动
则是为了让AI变得更加“好用”
赋能千行百业的劳动者创造更多价值
为此，他们需要
与成万上亿的数据、设备打交道
也因此被称作AI背后的“无名英雄”
今天，让我们一起走近
人工智能背后“人工”的力量
No.1 数据训练师
让AI为人类带来更美好的未来
Q
谈谈您为AI做了哪些“幕后工作”？
作为一名人工智能算法工程师，我的工作是设计、开发和优化算法模型，以便让机器能够更加智能、准确地执行各种任务，从而为人类社会带来更多的便利和效益。
-点击查看答案-
A
Q
如何训练一个AI模型？
具体而言，我需要使用大量的数据来训练机器学习模型，不断提升模型性能。这项工作涉及到数据的采集、清洗、处理等，同时还需要对各种机器学习算法进行选择和优化，以便让训练出来的模型能够达到较高的准确率和稳定性。这个过程需要扎实的数学和计算机技能，同时还需要有较强的数据处理和分析能力。总的来说，模型训练是我最基础、最重要的工作之一，也是实现人工智能应用的关键步骤。
-点击查看答案-
A
Q
如何把AI变为可落地的应用？
目前，我所在的团队正在开发一个车辆、行人、非机动车、车牌的识别和追踪系统，以便用于智慧交通全息路口场景。为了训练这个模型，我们首先需要收集大量的车辆和车牌图片样本，并对这些数据进行清洗和标注。这个过程需要耗费大量的时间和人力，以保证数据的准确性和质量。准备好了数据，我们还需要选择合适的机器学习算法，并对其进行调参和优化，以便让训练出来的模型能够达到较高的准确率和稳定性。这个过程需要进行多次试验和优化，需要不断地调整算法参数，并对模型进行评估和验证。最后一步，我们需要使用训练好的模型进行测试和部署，以便让其能够在实际场景中进行应用。在这个过程中，我们需要对模型进行不断地监控和优化，以确保其能够持续地保持较高的准确率和稳定性。
-点击查看答案-
A
Q
数据训练会产生什么价值？
模型训练最终的目的是通过对大量数据的学习和训练，让机器能够自动地进行某些任务，比如图像识别、语音识别、自然语言处理等，以便更好地为人类服务，提高生产力和生活质量。还是以我刚刚谈到的项目为例，现阶段，佳都科技自研的车牌自动识别系统，车辆识别mAP指标达到0.833，能做到车辆实时追踪，车牌识别准确率达到99%以上。未来，我会基于真实的交通环境对模型进行不断的优化，服务于需要进行智能监控车辆信息、交通信息和依据交通情况进行决策的客户，例如交警、政府相关部门等。对于我个人而言，能够训练出一个准确率高、稳定性好的机器学习模型，并且在实际场景中进行应用，可以帮助人们解决实际问题，比如提高交通安全、提升日常工作效率等，是一件非常有成就感的事情。这种成就感不仅来源于对技术的追求和探索，更源自于对社会发展做出贡献的内心认同感。
-点击查看答案-
A
No.2 产品测试
用有限的测试时间和测试资源做最充分的测试
Q
您日常都在为哪些产品“挑刺”？
我负责的是佳都智能轨交软件产品的测试，佳都为城轨运营商提供从智能算法到整个应用场景的全栈式人工智能技术与产品方案，所以说，轨交软件产品测试的工作内容也相当繁多，涵盖了综合监控、AFC、PIDS、安检、生物特征、创新研发以及清分等各个系统的产品测试工作。
-点击查看答案-
A
Q
说说您对产品测试的这份工作的理解？
产品测试的工作可以用四个词来理解：验证功能，确认需求、质量评估、过程改进。其中，验证是为了保证软件正确地实现了某一特定功能，关注软件模块或功能内在的正确性，此外，我们还需要检验软件是否满足了用户的需求，这一环节主要关注用户的需求是否满足，和软件产品的价值是否实现。第三，是对软件或系统的质量进行度量评估、以验证软件质量满足用户需求的程度，提供软件产品的质量信息和质量风险。最后，我们会通过对测试产生的数据和结果进行分析，为开发过程改进提供依据实现过程高质量、交付高质量。当然，这其中同样少不了创新。可以说，我们以严格测试标准打造靠谱的产品品质，最终就是为了给乘客营造更加安全可靠智能的出行环境，也给地铁业主日常运营服务提供稳定的保障。
-点击查看答案-
A
No.3 数据建模师
用数据驱动认知与赋能
Q
数据建模工作的内容是什么？
简单来说就是让数据“活起来”、“会说话”。对庞杂无序的数据进行抽丝剥茧、凝练精华，进而构建数据模型来描述什么样的数据反映了什么现象、问题与规律，充分挖掘数据的价值，把数据变成功能。
-点击查看答案-
A
Q
如何利用数据建模处理海量的交通数据？
我的日常工作，就是利用GPS数据来构建城市交通大脑动、静态数据的校验模型，并不断的迭代优化模型。起初，交通大脑基础数据或计算结果存在某些问题，为此我们利用GPS数据建立校验模型，来进行自动化排查，然后检验算法结果的准确性，此时往往会发现新的问题，然后对模型进行一轮又一轮的优化，对算法结果进行一遍又一遍的校验，直至算法模型具备实用价值。
-点击查看答案-
A
Q
数据建模最终的目的是什么？
数据建模的最终目的是把数据变成功能，利用数据创造价值。工作过程中，我研发了一系列基于 GPS 数据的大脑动、静态数据校验模型，实现了大脑数据校验与修正完全自动化的功能，能够节省大量的人工数据校验与修正工作，有效促进了交通大脑的进一步完善与优化。
-点击查看答案-
A
在佳都科技
还有很多像他们一样
用技术创造价值的幕后劳动者
正是无数个他们推动着AI的繁荣
让城市变得更加智能和美好
未来，佳都将继续以更好用的AI
为各行业劳动者数字化转型助力
践行“城市慧变得更好”的初心