Capire perché l'annotazione con intervento umano è fondamentale

Vent'anni fa, se qualcuno avesse detto che stava pensando di prendere un robot per farsi aiutare in casa, sarebbe sembrata un'idea davvero improbabile. Oggi, però, siamo nel pieno del boom dell'IA e i robot vengono testati in scenari simili.

Un settore chiave dell’IA che guida questi progressi è la visione artificiale, che permette alle macchine di comprendere immagini e video. In altre parole, i modelli di visione artificiale come Ultralytics YOLO11 e il più recente Ultralytics YOLO26 possono essere addestrati su dataset composti da dati visivi e annotazioni.

Queste annotazioni aiutano il modello a comprendere i dati visivi. Per esempio, i dataset per il rilevamento degli oggetti usano riquadri di delimitazione per disegnare rettangoli attorno agli oggetti di interesse. Questo consente al modello di rilevare e localizzare quegli oggetti in nuove immagini, anche quando la scena è affollata o l'oggetto è parzialmente nascosto.

Altre attività di visione artificiale si basano su tipi diversi di annotazioni. I dataset per la segmentazione etichettano il contorno esatto di un oggetto a livello di pixel, mentre i dataset di keypoint indicano punti di riferimento specifici, come le articolazioni di una persona.

Tuttavia, in tutti questi formati, un fattore cruciale è la qualità e la coerenza delle etichette. I modelli apprendono direttamente dai dati su cui vengono addestrati: se le etichette sono incoerenti o errate, spesso il modello trasferisce questi errori anche nelle proprie previsioni.

Anche con l'automazione, i dataset annotati da esseri umani restano fondamentali, soprattutto in ambiti ad alto rischio come l'imaging medico. Piccoli errori di etichettatura, come un confine tumorale impreciso o un'anomalia non rilevata, possono insegnare al modello uno schema errato e portare in seguito a previsioni non sicure. Gli esperti umani forniscono la verità di riferimento accurata e la capacità di giudizio richieste da queste applicazioni.

Fig. 1. I dataset annotati da esseri umani sono necessari. Immagine dell'autore.

In questo articolo approfondiremo perché i dati annotati da esseri umani sono essenziali, anche mentre l'IA continua a evolversi.

La necessità di annotare immagini e video#

I modelli di visione artificiale apprendono in modo simile a noi, osservando molti esempi. La differenza è che imparano attraverso l'addestramento su ampi dataset di immagini e video che gli esseri umani etichettano in anticipo. Queste etichette fungono da verità di riferimento e insegnano al modello, per esempio, che un oggetto è un pedone, dove si trova il bordo di un tumore o che un oggetto è un'automobile.

Le immagini del mondo reale sono raramente pulite o uniformi. L’illuminazione può cambiare e far apparire diverso lo stesso oggetto. Persone e veicoli possono sovrapporsi o essere parzialmente nascosti. Gli sfondi possono essere affollati e fonte di distrazione. Quando i dataset includono annotazioni accurate e uniformi in queste situazioni, i modelli sono molto più preparati ad affrontare ciò che troveranno al di fuori degli ambienti controllati.

L’annotazione dei dati non consiste solo nel disegnare riquadri o tracciare contorni. Richiede di applicare linee guida e prendere decisioni pratiche su cosa considerare un oggetto, dove collocarne il confine e come comportarsi quando qualcosa non è chiaro. Questo giudizio umano mantiene i dati accurati e utilizzabili.

In definitiva, un sistema di visione artificiale è efficace solo quanto i dati annotati da cui apprende. In applicazioni ad alto impatto, come individuare il cancro nelle scansioni o rilevare pericoli stradali per le auto a guida autonoma, le annotazioni precise di persone esperte fanno davvero la differenza in termini di accuratezza e sicurezza.

La diffusione dell’automazione nell’annotazione dei dati#

Con la diffusione della visione artificiale e la crescita dei dataset, l’automazione sta diventando un metodo comune per velocizzare l’annotazione. Invece di etichettare tutto a mano, i team usano modelli di IA per generare una prima serie di etichette.

Le persone esaminano poi i risultati, correggono gli errori e gestiscono i casi che il modello non riesce a etichettare con sicurezza. Questo approccio velocizza l’annotazione mantenendo alta la qualità.

Ecco alcuni modi in cui l’automazione aiuta in genere nell’annotazione dei dati:

• Segmentazione automatica: i modelli possono suggerire automaticamente i contorni degli oggetti o maschere a livello di pixel, riducendo la quantità di tracciamento manuale necessaria agli annotatori.
• Tracciamento tramite flusso ottico: nei video, i metodi di tracciamento possono seguire un oggetto in movimento da un fotogramma all’altro e riportarne l’etichetta, contribuendo a mantenere uniformi le annotazioni nel tempo.
• Interpolazione dei fotogrammi: gli strumenti possono completare le etichette dei fotogrammi tra due fotogrammi già annotati usando indizi di movimento e tracciamento, così gli annotatori non devono etichettare ogni singolo fotogramma.
• Apprendimento attivo: le pipeline di addestramento possono individuare gli esempi che il modello considera incerti o insoliti e sottoporli prima alle persone, così il lavoro manuale si concentra sui dati che migliorano maggiormente le prestazioni.

Perché l’annotazione umana dei dati è ancora così importante#

Anche se l’automazione può velocizzare l’etichettatura, i modelli di IA hanno ancora bisogno del giudizio umano per restare accurati e affidabili.

Ecco alcuni ambiti chiave in cui le competenze umane fanno la differenza nell’annotazione dei dati:

• Comprendere il contesto: le immagini e i video reali sono spesso disordinati. Ombre, riflessi, sfocatura da movimento e oggetti sovrapposti possono confondere gli strumenti automatizzati. Gli annotatori umani possono interpretare ciò che sta realmente accadendo, rendendo le etichette più accurate.
• Mantenere uniformi le etichette: con la crescita dei dataset, le etichette automatiche possono variare o discostarsi da un lotto all’altro. Le persone possono verificare, correggere e uniformare le etichette, così il dataset rimane coerente dall’inizio alla fine.
• Ridurre pregiudizi e danni: le persone sono più brave a individuare contenuti sensibili, sfumature culturali e schemi che potrebbero introdurre pregiudizi. La loro supervisione contribuisce a rendere i dataset più equi ed evita danni involontari.
• Applicare competenze specialistiche: alcune attività richiedono conoscenze specifiche del settore, ad esempio per individuare anomalie mediche o difetti industriali. Gli esperti possono fornire etichette precise e risolvere i casi ambigui, così il modello apprende i dettagli corretti.

Panoramica sull’annotazione con supervisione umana nel ciclo#

Gli strumenti e le piattaforme di annotazione come Roboflow integrano l’automazione per velocizzare l’etichettatura, spesso usando modelli fondazionali come Segment Anything Model 3, o SAM 3. SAM 3 è il modello fondazionale di segmentazione interattivo di Meta AI.

Può rilevare, segmentare e tracciare oggetti in immagini e video a partire da prompt semplici, come clic, riquadri di delimitazione o brevi frasi, producendo maschere di segmentazione per gli oggetti corrispondenti senza richiedere un addestramento specifico per ogni nuova categoria.

Anche con questi approcci avanzati, gli esperti umani sono ancora necessari per rivedere e completare le annotazioni. Quando gli strumenti automatizzati producono una prima bozza e le persone la verificano, correggono e perfezionano, il flusso di lavoro viene chiamato annotazione human-in-the-loop. Questo mantiene rapida l’annotazione e assicura che le etichette finali siano abbastanza accurate e coerenti da addestrare modelli affidabili.

Fig. 2. Uno sguardo all’annotazione con supervisione umana nel ciclo. (Fonte)

Quando l’automazione dell’annotazione funziona e quando no#

L’annotazione automatizzata funziona al meglio con i dati provenienti da ambienti controllati. Le immagini raccolte in fabbriche, magazzini o corsie di negozi hanno in genere un’illuminazione stabile e mostrano chiaramente gli oggetti, consentendo agli strumenti automatizzati di etichettarle con precisione e aiutando i team a crescere più rapidamente con meno lavoro manuale.

I dati provenienti da ambienti meno controllati sono più complessi. Le riprese all’aperto cambiano in base all’ora del giorno e al meteo, mentre le scene di strade o abitazioni spesso includono disordine, sfocatura da movimento, oggetti che si coprono a vicenda e molte sovrapposizioni. Gli oggetti piccoli, i contorni dettagliati o le situazioni rare aumentano ulteriormente il margine di errore. Un modello che funziona bene con dati puliti raccolti al chiuso può comunque avere difficoltà con immagini disordinate del mondo reale.

Per questo l’intervento umano è ancora importante. Le persone possono intervenire quando il modello è incerto, interpretare contesti complessi e correggere gli errori prima che finiscano nel dataset finale. L’annotazione con supervisione umana nel ciclo aiuta l’automazione a basarsi sulle condizioni del mondo reale e mantiene affidabili i modelli dopo la distribuzione.

In quali ambiti l’annotazione con supervisione umana nel ciclo può fare la differenza?#

Ora che abbiamo visto dove l’automazione funziona bene e dove mostra i suoi limiti, esploriamo alcune applicazioni in cui l’annotazione con supervisione umana nel ciclo svolge un ruolo importante.

Rilevamento dei difetti nella produzione#

Immagina un nastro trasportatore in fabbrica, dove ogni minuto centinaia di componenti passano sotto una telecamera. La maggior parte dei difetti è evidente, ma ogni tanto compare una crepa sottilissima, con un’angolazione insolita o nascosta dal riflesso di una luce. Un sistema automatizzato potrebbe non rilevarla o classificarla come una texture superficiale innocua, mentre una persona che esamina i risultati può notare il difetto, correggere l’annotazione e assicurarsi che il modello impari a distinguerlo.

Questo è il ruolo dell’annotazione con supervisione umana nel ciclo nell’ispezione industriale. L’automazione può pre-annotare i tipi di difetti comuni ed elaborare rapidamente grandi volumi di immagini, ma le persone devono comunque verificare i risultati, affinare i contorni e gestire i rari errori che compaiono di rado nei dati di addestramento.

Veicoli autonomi e trasporti intelligenti#

Allo stesso modo, i veicoli autonomi usano la visione artificiale per individuare i pedoni, leggere i cartelli e orientarsi nel traffico, ma le strade reali sono imprevedibili. Per esempio, un pedone che sbuca da dietro un’auto parcheggiata di notte può essere parzialmente nascosto e difficile da vedere a causa dei riflessi.

Fig. 3. Un esempio di utilizzo della visione artificiale per analizzare il traffico. (Fonte)

Gli annotatori umani possono etichettare questi casi limite rari e critici per la sicurezza durante l’addestramento, così i modelli imparano la risposta corretta non solo in condizioni normali, ma anche nei momenti più importanti. Questo passaggio di supervisione umana nel ciclo è fondamentale per insegnare ai sistemi a gestire eventi poco frequenti, difficili da rilevare con la sola automazione.

Il futuro dei dataset annotati da persone#

Con il progresso della tecnologia, l’annotazione con supervisione umana nel ciclo diventa sempre più collaborativa. È interessante notare che i modelli linguistici visivi (VLMs), che apprendono sia dalle immagini sia dal testo, vengono ora usati per creare una prima bozza di etichette e suggerire correzioni a partire da semplici prompt.

Quindi, invece di esaminare manualmente ogni immagine per decidere cosa etichettare, un annotatore può fornire a un VLM un prompt come «etichetta tutti i pedoni, le auto e i semafori» oppure «segmenta tutti i difetti su questo componente» e ottenere una bozza di annotazioni da verificare. Su Ultralytics Platform, i team possono auto-annotare dataset di rilevamento con modelli visione-linguaggio e la VLM Leaderboard confronta la precisione con cui ciascun modello etichetta immagini del mondo reale.

Fig. 4. I grandi modelli multimodali possono collaborare con gli annotatori umani (Fonte)

Questo riduce i tempi di annotazione perché il modello può gestire in anticipo molti casi semplici, consentendo alle persone di concentrarsi sulla revisione dei risultati, sulla correzione degli esempi complessi e sulla coerenza del dataset. I grandi modelli multimodali iniziano anche a indirizzare gli annotatori verso i campioni più incerti, rendendo il lavoro umano più mirato e migliorando la qualità complessiva del dataset.

Punti chiave#

La visione artificiale aiuta le macchine a interpretare ciò che vedono e a reagire di conseguenza, ma funziona al meglio quando è affiancata dalle competenze umane. I dati annotati da persone mantengono i modelli ancorati alle condizioni del mondo reale e ne migliorano l’affidabilità. Combinando automazione e giudizio umano, i team possono sviluppare sistemi di visione ad alto impatto.

Unisciti alla nostra community attiva e scopri innovazioni come l’IA nella logistica e la Vision AI nella robotica. Visita il nostro repository GitHub per saperne di più. Per iniziare oggi con la visione artificiale, dai un’occhiata alle nostre opzioni di licenza.