人工智能时代下，数据标注为机器学习算法训练、优化提供了海量优质数据，数据服务已成为当下行业热点，这其中AI标注作为最重要的工作模式，是行业数据生产力提升的关键。

在传统的机器学习（Machine Learning）中，数据标注员通过“鼠标”为训练人工智能算法模型提供种类繁多，且高质量的结构化数据集。

在这过程中，数据的每一行标注都要依靠人力完成。在对数据加工过程中，需要标注员对图像中每一个对象元素拉框标记，且各对象间隔需仔细区分；在语音标注时标注员需聆听词语发音并转义出来，因此这种工作往往枯燥无聊，考验标注员的耐心与细心。

除去对标注员本身要求外，这项工作不仅很耗时耗力，在执行效率以及交付质量均出现诸多问题，成功的人工智能训练模型所需的标注数据成千上万，因此人工智能探索之路上，如何改进数据标注中的高密度人力工作情况成为急需突破的难关。

随着AI应用场景方向的飞速扩展，利用人工智能进行辅助标注的方法逐渐落地。人工智能在不同数据处理阶段发挥作用，如在采集、标注、质检审核工作中引入人工智能辅助标注，在图像处理中的场景分割、物体识别，语音数据中的语音识别、文字转写等，利用人机协同模式，在自动化标注后由人工进行校对，提高标注效率且降低了成本。

AI标注不仅能提高整体工作执行效率，也减少业务执行过程中对人力的依赖。尽管，现阶段数据标注行业仍以人力为主，AI标注只是起到辅助作用，但随着机器学习不断探索，AI辅助将愈加精确，为数据标注贡献更多力量。