?
　　對數(shù)據(jù)的洞察力是當下很多業(yè)務(wù)面臨的挑戰(zhàn)，加上數(shù)據(jù)通常是無組織的，分析起來更加棘手。人工智能在這條路上已經(jīng)有所成就，但是一家年輕的創(chuàng)業(yè)公司希望通過將人類帶回原始的方法，以獲得更好的效果。
　　Spare5周三發(fā)布了一個新的平臺，將人類的理解和人工智能結(jié)合起來，幫助公司分析無組織的數(shù)據(jù)，包括圖片，視頻，社交媒體的內(nèi)容，文本信息等。結(jié)果顯示，效果非常好。
　　這項級數(shù)目前被用于Expedia和Getty Images來完善和整理數(shù)據(jù)的信息。
　　“這些業(yè)務(wù)需要人類特殊的洞察力來解決復雜的數(shù)據(jù)問題，”Spare5的創(chuàng)始人和CEO Matt Bencke說，“當人工的智慧與機器學習結(jié)合的時候，將會有無限可能?！?br /> 　　Spare5通過眾包平臺來最大發(fā)揮人力。這個公司可以使用全球超過40，000個不同學科的專家，讓他們通過app或者桌面客戶端來完成客戶的需求。人們可以通過給文章打分，標注圖片，填寫描述，加標簽的這些微工作獲得報酬。
　　當公司需要分析數(shù)據(jù)的時候，將無組織或者不完整的數(shù)據(jù)上傳給Spare5，然后Spare5將工作分成若干微工作，附上客戶的要求，制定工資標準，然后發(fā)布工作。
　　為了信息的準確，Spare5將用戶分成不同的組——比如30到40歲的婦女等。
　　然后，使用機器學習算法過濾結(jié)果，確保準確性和質(zhì)量。
　　最后的結(jié)果是，用戶之前無組織的數(shù)據(jù)被重新整理成規(guī)整的格式，并附上人工處理的信息，還有對信息的重要性或標注的自信程度等。之后，這些數(shù)據(jù)可以被用于訓練人工智能算法，完善數(shù)據(jù)集喝或者提高推薦引擎。
　　有覺察能力的級數(shù)，比如，人工智能驅(qū)動的機器客服，可以使用Spare5來檢驗AI模型是否合格。
　　企業(yè)策略組的分析師Nik Rouda說，“機器學習的缺點在于，他們最多得到數(shù)據(jù)之間的聯(lián)系，但是不知道其中真正的原因，這是人類的優(yōu)勢?！?br /> 　　Rouda補充道，沒有組織的數(shù)據(jù)差別細微，比如，他們甚至不能識別出吉娃娃狗和蛋糕，甚至Google的技術(shù)都會把黑人錯誤地識別為黑猩猩。
　　“機器學習可能辦事仔細，不犯人類可能犯的錯誤，但是人類的經(jīng)驗也尤為可貴?！盧ouda說。但是Spare5可以很好地結(jié)合兩者。
　　“提高數(shù)據(jù)的準確性和完整性可以優(yōu)化模型，這樣機器學習才會更有效?！?br /> 　　Spare在2014年成立，去年八月已經(jīng)有一千萬美金的基金。
　　原文：Startup combines AI with human savvy to help make sense of data（譯者/賴信濤 責編/孫思）
?