林石

近期，全世界都在談?wù)揅hatGPT將帶來顛覆性的技術(shù)革命，但在人工智能產(chǎn)品卷起巨浪的時候，從肯尼亞、烏干達(dá)再到印度、中國，水下還有一群不被看見的“人工智能訓(xùn)練師”，在簡陋的工作環(huán)境下，以最簡單的技能，與最前沿的技術(shù)產(chǎn)生了聯(lián)系。

A服務(wù)人工智能

在2021年版的《人工智能訓(xùn)練師國家職業(yè)技能標(biāo)準(zhǔn)》中，對該職業(yè)的能力特征描述是“具有一定的學(xué)習(xí)能力、表達(dá)能力、計算能力；空間感、色覺正常”，普遍受教育程度寫的是“初中畢業(yè)”。言外之意，這是一份幾乎零門檻的職業(yè)。

年過50歲的郭梅原本在山西當(dāng)?shù)氐拿旱V上班。離開煤礦之后，她長時間找不到工作，最后成為數(shù)據(jù)標(biāo)注基地中的一名員工，每天要拉兩千個以上的框。

除了“拉框”，人工智能訓(xùn)練師李杰也會接到語音標(biāo)注的項目，通常是甲方采集到的不同地域、不同人群的語音，李杰必須戴上耳麥，仔細(xì)地辨認(rèn)出每一個聲音的含義。這些聲音被李杰一一轉(zhuǎn)錄成準(zhǔn)確的文字，有時還需要打上說話人的性別、情緒等更細(xì)分的標(biāo)簽，最后教會人工智能模型理解人類的語言，用于智能客服、智能音箱、地圖導(dǎo)航等產(chǎn)品中。

人工智能的三大基石是數(shù)據(jù)、算力與算法，數(shù)量越多、質(zhì)量越高的數(shù)據(jù)，往往越能夠訓(xùn)練出更“聰明”的模型。人工智能的主流方向是深度學(xué)習(xí)。在過去，由人來告訴機(jī)器，貓身上都有哪些特征，機(jī)器根據(jù)這些特征判斷一個物體是不是貓；深度學(xué)習(xí)則是通過“喂養(yǎng)”大量不同貓的圖片，機(jī)器就能自行歸納出貓的特征。這就需要大量經(jīng)人工標(biāo)注的圖片，可以說，有多少智能，就得付出多少人工。

這種數(shù)據(jù)標(biāo)注要求特別多，“框框不能超過也不能小于，更不能漏點(diǎn)，一出錯誤驗收不合格就得重新拉”。這些數(shù)據(jù)的最大流向是用于自動駕駛的機(jī)器學(xué)習(xí)，要確保駕駛安全，通常需要提供數(shù)以百萬計的標(biāo)注數(shù)據(jù)對人工智能加以訓(xùn)練——背后則是無數(shù)在電腦前點(diǎn)擊鼠標(biāo)、敲擊鍵盤的“李杰們”。

B互聯(lián)網(wǎng)版富士康

數(shù)據(jù)標(biāo)注產(chǎn)業(yè)的誕生最早可以追溯到2005年。當(dāng)時，著名計算機(jī)視覺專家、人工智能專家朱純松從美國回到了故鄉(xiāng)湖北鄂州，創(chuàng)辦了蓮花山研究院，籌建據(jù)稱是當(dāng)時世界上最早的大數(shù)據(jù)標(biāo)注團(tuán)隊。

在深度學(xué)習(xí)成為人工智能主流之后，日益增長的互聯(lián)網(wǎng)大數(shù)據(jù)成為了人工智能的最好養(yǎng)分。據(jù)統(tǒng)計，全球每年生產(chǎn)的數(shù)據(jù)量將從2016年的16.1ZB猛增至2025年的163ZB，其中80%～90%都是原始數(shù)據(jù)。這些在經(jīng)過清洗和標(biāo)注后，變成標(biāo)準(zhǔn)化格式數(shù)據(jù)，才能被人工智能所理解。

作為勞動密集型產(chǎn)業(yè)，數(shù)據(jù)標(biāo)注企業(yè)更多地選在一二線城市之外的地區(qū)落地，地方政府無論是為了扶貧或是搭上互聯(lián)網(wǎng)的順風(fēng)車，都能與互聯(lián)網(wǎng)公司們一拍即合。

2018年，位于太原的山西轉(zhuǎn)型綜合改革示范區(qū)就與百度達(dá)成合作，打造了號稱“全國范圍內(nèi)人員和產(chǎn)值規(guī)模最大的單體數(shù)據(jù)標(biāo)注基地”，基地占地面積超1萬平方米，已經(jīng)引進(jìn)了至少35家數(shù)據(jù)標(biāo)注公司，超過2000名數(shù)據(jù)標(biāo)注員。

在新疆和田，有4000人在當(dāng)?shù)氐臄?shù)字經(jīng)濟(jì)產(chǎn)業(yè)園從事數(shù)據(jù)標(biāo)注工作，和田地區(qū)更是拋出了“數(shù)據(jù)標(biāo)注產(chǎn)業(yè)之都”和10萬人數(shù)據(jù)標(biāo)注就業(yè)基地的目標(biāo)。

在河南，數(shù)百家數(shù)據(jù)標(biāo)注公司從無到有；在濟(jì)南，山東第一個數(shù)據(jù)標(biāo)注基地已經(jīng)容納了1500名“人工智能訓(xùn)練師”；在新三板上市的數(shù)據(jù)堂，也在保定、合肥分別建立了容納數(shù)百名數(shù)據(jù)標(biāo)注員同時工作的基地。

雖然數(shù)據(jù)標(biāo)注員身上的標(biāo)簽是“互聯(lián)網(wǎng)民工”“賽博流水線”，但對于絕大多數(shù)身在其中的人而言，—個互聯(lián)網(wǎng)版的富士康已經(jīng)是當(dāng)下不可多得的選擇。

C“教會徒弟，餓死師傅”

當(dāng)數(shù)據(jù)標(biāo)注成為“風(fēng)口”，淘金者也隨之而來。

2017年，周華偶然在朋友口中得知，做數(shù)據(jù)標(biāo)注能賺錢，剛剛創(chuàng)業(yè)失敗的他決定再賭一把。他找來合作伙伴，采購電腦、確定場地，又迅速地招聘了一批學(xué)歷不高、相關(guān)工作經(jīng)驗也不豐富的數(shù)據(jù)標(biāo)注員，緊鑼密鼓地接單。

此時的數(shù)據(jù)標(biāo)注產(chǎn)業(yè)趕上了人工智能創(chuàng)業(yè)潮。根據(jù)前瞻產(chǎn)業(yè)研究院統(tǒng)計，數(shù)據(jù)標(biāo)注公司從2014年開始不斷增加，并在2017年達(dá)到高峰，當(dāng)年數(shù)據(jù)標(biāo)注相關(guān)融資事件達(dá)到9起，到2021年4月，已經(jīng)有18家公司獲得融資，投融資事件39起。

數(shù)據(jù)標(biāo)注行業(yè)有三種不同的公司，一種是大型互聯(lián)網(wǎng)公司內(nèi)部的數(shù)據(jù)標(biāo)注部門，處理公司內(nèi)部的數(shù)據(jù)；一種是像數(shù)據(jù)堂這類有自己基地的數(shù)據(jù)標(biāo)注公司，他們有獨(dú)立承接訂單的能力，甚至外包給第三方；數(shù)量最多的則是以工作室形態(tài)存在的小公司，他們通常只能在眾包平臺上接單，或者接第三方中介公司轉(zhuǎn)過來的層層分包的訂單——在平臺上，他們或被稱為“公會”“團(tuán)隊”。周華的工作室便屬于最后一種，當(dāng)時主要依賴百度眾測的平臺訂單，平臺上會分發(fā)各類任務(wù)，在行業(yè)內(nèi)稱為“放題”，包括數(shù)據(jù)采集、圖片標(biāo)注、文本標(biāo)注等。

同樣和他一樣撞上風(fēng)口的，還有當(dāng)時還是創(chuàng)業(yè)公司的星塵數(shù)據(jù)。星塵數(shù)據(jù)的創(chuàng)始人章磊，在華爾街、硅谷工作10年，2017年回國時，他本想繼續(xù)在投資領(lǐng)域創(chuàng)業(yè)，嘗試打造一個投研機(jī)器人——通過對大量公司年報、招股書等金融文檔的學(xué)習(xí)，輔助投資人決策。當(dāng)時國內(nèi)的數(shù)據(jù)標(biāo)注往往只能機(jī)械化地完成客戶需求，這種“新穎”的數(shù)據(jù)標(biāo)注要求，業(yè)內(nèi)難以實現(xiàn)。章磊卻看到了機(jī)會。

他創(chuàng)辦的星塵數(shù)據(jù)早在2018年1月就完成1000萬元人民幣的Pre-A輪融資，在去年8月又完成了5000萬人民幣的A輪融資，如今更多是做“數(shù)據(jù)標(biāo)注平臺”的生意——他們會去竟標(biāo)大公司給出的數(shù)據(jù)標(biāo)注訂單，再分包給類似一些小型的“數(shù)據(jù)工廠”。

2005年成立的海天瑞聲，在此次生成式人工智能風(fēng)潮中更是“賺麻了”。這家在業(yè)內(nèi)以語音數(shù)據(jù)標(biāo)注著稱的公司，2021年在科創(chuàng)板成功上市，今年1月以來，股價從每股60元左右暴漲到了每股超過200元。

畢竟對于國內(nèi)眾多研發(fā)人工智能的大廠而言，基礎(chǔ)的數(shù)據(jù)標(biāo)注是剛需，卻不可能永遠(yuǎn)自己來做。那么只要有訂單，無論是周華這樣的工作室，還是海天瑞聲、星塵數(shù)據(jù)這樣的大公司，都能賺個盆滿缽滿。

如今，隨著GPT-4和文心一言的陸續(xù)出場，人工智能正“升級換代”，數(shù)據(jù)標(biāo)注行業(yè)也伴隨著新的變化。人工智能研究者們已經(jīng)開始嘗試向機(jī)器“喂養(yǎng)”未標(biāo)注的數(shù)據(jù)與部分標(biāo)注數(shù)據(jù)，亦即“半監(jiān)督學(xué)習(xí)”，而不依賴于人工標(biāo)注的自監(jiān)督學(xué)習(xí)與數(shù)據(jù)標(biāo)注，也在業(yè)界開始出現(xiàn)實踐。

特斯拉目前正在開發(fā)的計算機(jī)Dojo，就采用自監(jiān)督學(xué)習(xí)技術(shù)，用于訓(xùn)練人工智能模型，對數(shù)據(jù)標(biāo)注的需求正越來越低。去年6月底，美國加州圣馬特奧縣的特斯拉辦公室，多名特斯拉員工在一次會議中被告知他們被裁員了，最終被裁員的200人中，大多數(shù)都是數(shù)據(jù)標(biāo)注員。

騰訊、阿里、字節(jié)跳動等一眾大廠，也都在研發(fā)自監(jiān)督學(xué)習(xí)的算法，甚至有些數(shù)據(jù)標(biāo)注公司也都已經(jīng)有60%內(nèi)容來自于機(jī)器的自動化標(biāo)注。

李杰聽過一個說法，數(shù)據(jù)標(biāo)注員是“人工智能的老師”，是他和同事們?nèi)諒?fù)一日的拉框教會了人工智能理解人類世界。但他從沒想過，當(dāng)人工智能時代真正到來的那一天，取代他們的，恰恰會是自己曾經(jīng)的學(xué)生。

摘編自微信公眾號“藍(lán)字計劃”