深度學習似乎看起來像是神奇的魔法，但背後可是成堆單調沉悶的工作，得耗費心力為資料加上標籤，是成就許多深度學習專案的關鍵。
「必須手工為資料加上註解，拖慢了這個產業的發展腳步…這件事真的要花很多時間。」碼隆科技（Malong Technologies）共同創辦人暨技術長 Matt Scott 對 AI Podcast 主持人 Noah Kravitz 這麼說。
Scott 說新技術可望日後減少處理此類作業的人力，將深度學習的實力用在解決更多問題上，像是自動辨識購物車裡的商品。
2014年在中國成立的碼隆科技，開發出一款能從網路資料進行學習的人工智慧演算法，對「繁雜」又未加上標籤的影像進行分類。
「我們一直試著努力攻克這類問題，像是該怎麼存取網路上現有的大批資料。」Scott 說。
今年初 Scott 及其研究團隊入圍 CVPR 電腦視覺大會舉辦的 WebVision 競賽活動，碼隆科技以 94.78% 的高辨識率，在百餘個共同角逐的企業和學術單位中榮獲冠軍。
相較之下，人類的辨識率只有 95%。
碼隆科技用以打造 Product AI 技術的平台，可以為產品拍攝一小張照片，再運用深度學習技術去剖析影像和辨識其中內容的標籤。
Scott 表示：「我們將打破人類加註的限制，將這項技術提升到新的層次。如今我們已經進入一個不受束縛的新時代。」
跟人工智慧連上線：人工智慧如何幫你挑選下次要刺的圖
想要刺個新的圖案嗎？快快收聽上一集的 AI Podcast。
我們訪問到來自哥本哈根之新創公司「Tattoodo」的兩位開發者 Goran Vuksic 及 Dennis Micky Jensen，介紹他們怎麼開發出一套神經網路，協助你挑選最適合的刺青圖案。
如何收聽 AI Podcast
可通過 iTunes、DoggCatcher、Google Play Music、Overcast、PlayerFM、Podbay、Pocket Casts、PodCruncher、PodKicker、Stitcher 及 Soundcloud 收聽 AI Podcast。要是這裡未列出你愛用的收聽管道，請透過 aipodcast@nvidia.com 留言給我們。
圖片提供：Jayel Aheram, via Flickr。