算是比较自由的工作。
夏景行问道：“我们开发的fxnet数据库，现在标注了多少张照片？”
吴恩达叹了口气，“就一百多万张，因为找不到那么多人干这活，亚马逊amt上面的活跃用户太少，很多人干着干着就不干了。”
夏景行皱起了眉头，“太少了，标注数据就是人工智能的饲料，要赶紧想个办法把标注数量提升上去。”
说到这，夏景行心中突然一动，脱口而出道：“哎，我们可以考虑把这个产业引入中国啊？
一个月挣四五千块，应该还是能吸引一些人当数据标注员的。”
夏景行一下子联想到了很多东西，西哥可以在老家办个外呼中心，自己也可以在老家办个数据标注中心啊！
找一帮有一定文化基础的妇女，培训一下就可以上岗了，而且还可以在家里干活，相当于补贴家用了。
夏景行把自己的想法给吴恩达和李飞飞讲了一下。
李飞飞老家也是蓉城的，而且这是为妇女提供工作岗位，她对这件事很感兴趣，立马针对性的提出了不少建议。
吴恩达提出了不同意见：“选择众包模式，估计标注员只能标注一些简单的图片。
而视频标注和3d标注有些复杂，每一帧画面都需要标注数据。
尤其是戴伦你提过的自动驾驶，想想都觉得数据量恐怖。”
夏景行记得前世涌现出了一些专业的数据标注公司，他们的主要服务对象就是自动驾驶技术公司。
为了完成一些高质量、高难度的标注，那些数据标注公司没少研究如何高效标注数据的小工具。
“我们可以开发辅助标注工具，把图像和视频进行分割，标注员只需要在每个物体框里面打钩打叉，或者选择绿色、红色就行了。”
吴恩达眼睛顿时一亮，“这是一个好办法啊，不然一个图像标注几百上千组数据，能够把人活活折磨死。”
夏景行笑了一下，这可不是他自己想出来的，而是前世那些数据标注公司总结设计出来的小方法。
众所周知，数据标注越多，投食越多，喂养出来的人工智能就越精准。
开启自动驾驶模式的汽车，需要行驶在复杂的城市路况，这就对人工智能、计算机视觉提出了更高的技术要求。
周边的汽车、道路、指示牌等等，全都需要经过数据标注员无数次的标注，然后将大量的数据汇集在一起，最终才能培养出能够安全上路的自动驾驶汽车。
不过自动驾驶是渐渐走向成熟、精准的一个发展过程，在