2023年第一季度，國(guó)內(nèi)多家互聯(lián)網(wǎng)企業(yè)相繼推出類(lèi)ChatGPT產(chǎn)品。
復(fù)旦大學(xué)邱錫鵬教授團(tuán)隊(duì)發(fā)布國(guó)內(nèi)第一個(gè)對(duì)話式大型語(yǔ)言模型MOSS，邀公眾參與內(nèi)測(cè)；百度推出類(lèi)ChatGPT產(chǎn)品“文心一言”；秘塔科技自研LLM大模型“對(duì)話寫(xiě)作貓”已正式上線……且不說(shuō)產(chǎn)品的體驗(yàn)感如何，它們均提醒了中國(guó)AI企業(yè)必須加速推進(jìn)。
當(dāng)一眾互聯(lián)網(wǎng)大佬紛紛表示要在ChatGPT風(fēng)口尋求新的機(jī)會(huì)時(shí)，作為人工智能下游的數(shù)據(jù)標(biāo)注行業(yè)從業(yè)者，楊科琪明顯感受到公司業(yè)務(wù)量出現(xiàn)了短期增長(zhǎng)。但這種增長(zhǎng)量是否會(huì)持續(xù)？他無(wú)法判斷，至少到目前為止，國(guó)內(nèi)做AI的公司有很多，但能夠盈利的卻少之又少。
早在2017年，伴隨無(wú)人駕駛與阿爾法圍棋（AlphaGo）帶來(lái)的AI浪潮，數(shù)據(jù)標(biāo)注行業(yè)逐漸進(jìn)入大眾視野。同年，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，明確新一代人工智能發(fā)展三步走戰(zhàn)略目標(biāo)，人工智能上升為國(guó)家戰(zhàn)略層面。
2019年，即人工智能訓(xùn)練師被納入國(guó)家職業(yè)分類(lèi)目錄的前一年，楊科琪和朋友在中國(guó)西北的一個(gè)小縣城開(kāi)啟了AI數(shù)據(jù)服務(wù)生意。楊科琪說(shuō)：“實(shí)際上，職業(yè)培訓(xùn)與做業(yè)務(wù)是兩回事，在數(shù)據(jù)標(biāo)注公司，聰明、用功的人學(xué)習(xí)一周就能上手?！痹谒磥?lái)，數(shù)據(jù)標(biāo)注是一份門(mén)檻低且又有些枯燥的工作，但這并不影響其成為時(shí)下中國(guó)部分縣城流行的職業(yè)之一。
2020年，楊科琪離開(kāi)了初創(chuàng)公司，進(jìn)入一家專(zhuān)業(yè)AI數(shù)據(jù)服務(wù)提供商企業(yè)。在他看來(lái)，數(shù)據(jù)標(biāo)注行業(yè)必定要走向?qū)I(yè)化與職業(yè)化的發(fā)展方向。
以下為楊科琪的自述。
是安逸還是無(wú)趣？
1000個(gè)工位，1000臺(tái)電腦，目前有800位人工智能訓(xùn)練師，他們每天坐在電腦前畫(huà)框、放大畫(huà)面、調(diào)整框線、提交審核……這里有空調(diào)、有網(wǎng)絡(luò)，每個(gè)人有不到2平方米的辦公區(qū)域。
目前，我們最大的業(yè)務(wù)是無(wú)人駕駛項(xiàng)目，標(biāo)注員根據(jù)系統(tǒng)給出的方框，用鼠標(biāo)細(xì)化一輛車(chē)的大體輪廓，然后將圖片放至最大，細(xì)心調(diào)整車(chē)輛邊緣的框線，再勾選屏幕左上角的車(chē)輛屬性。
所謂人工智能訓(xùn)練師就是讓汽車(chē)在行駛過(guò)程中自動(dòng)識(shí)別馬路。如果只是將視頻傳給計(jì)算機(jī)，計(jì)算機(jī)是無(wú)法識(shí)別的，需要大量的標(biāo)注員將視頻中的道路框出，再交給計(jì)算機(jī)，計(jì)算機(jī)多次接收此類(lèi)信息后，才能逐漸學(xué)會(huì)在視頻和照片中識(shí)別出道路。
今年3月，德勤中國(guó)發(fā)布的《人工智能基礎(chǔ)數(shù)據(jù)服務(wù)白皮書(shū)》顯示，人工智能基礎(chǔ)數(shù)據(jù)服務(wù)下游應(yīng)用占比中自動(dòng)駕駛占到52%。隨著自動(dòng)駕駛AI算法的升級(jí)迭代及模型訓(xùn)練數(shù)據(jù)量的指數(shù)級(jí)增長(zhǎng)，技術(shù)迭代帶來(lái)數(shù)據(jù)需求“大爆發(fā)”。相比其他項(xiàng)目，自動(dòng)駕駛業(yè)務(wù)的持續(xù)性更好，而且服務(wù)周期也比較長(zhǎng)。
人工智能的三大基石是數(shù)據(jù)、算力與算法。我們數(shù)過(guò)羊、數(shù)過(guò)木頭，還數(shù)過(guò)鐵塊，涉及的行業(yè)有醫(yī)學(xué)類(lèi)、安防類(lèi)、現(xiàn)在的自動(dòng)駕駛等，還接過(guò)看手相的一個(gè)項(xiàng)目，甲方要求我們給手掌上的各種手紋進(jìn)行標(biāo)注，很多員工都開(kāi)始研究手相，挺好玩的。一般而言，視覺(jué)類(lèi)的內(nèi)容要做到機(jī)器準(zhǔn)確識(shí)別，至少需要10萬(wàn)張圖片。對(duì)于AI產(chǎn)品，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。
標(biāo)注員一天的工作內(nèi)容就是畫(huà)框線，根據(jù)項(xiàng)目的難易程度，一個(gè)框3—8分錢(qián)，工作日8小時(shí)要畫(huà)2000個(gè)框以上，人均月收入在3000—4000元。
以我們公司為例，人員流動(dòng)率在30%—40%，因?yàn)楣ぷ鞅容^簡(jiǎn)單，每天8小時(shí)坐在電腦前，做著重復(fù)性工作，對(duì)于有的人而言是一份還算安逸的工作，但對(duì)另一些人而言就顯得非?？菰锖蜔o(wú)趣。
一個(gè)AI產(chǎn)品的誕生一般需要經(jīng)歷數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練與優(yōu)化、模型管理、推理應(yīng)用等4個(gè)模塊，在國(guó)內(nèi)已經(jīng)形成了非常成熟的全產(chǎn)業(yè)鏈。目前，我所在的公司在做的就是數(shù)據(jù)準(zhǔn)備，包括數(shù)據(jù)生產(chǎn)、數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注三大方面。像我們這種布局在縣城的數(shù)據(jù)標(biāo)注公司，一般主要負(fù)責(zé)數(shù)據(jù)清洗和數(shù)據(jù)標(biāo)注。清除模糊的圖片、噪聲太多的語(yǔ)音、錯(cuò)誤的文本內(nèi)容后，我們?cè)龠M(jìn)行畫(huà)框線和數(shù)據(jù)標(biāo)注，根據(jù)甲方的不同需求進(jìn)行操作。
技能等級(jí)認(rèn)定中的初級(jí)工
根據(jù)《人工智能訓(xùn)練師國(guó)家職業(yè)技能標(biāo)準(zhǔn)（2021年版）》的定義，人工智能訓(xùn)練師是使用智能訓(xùn)練軟件，在人工智能產(chǎn)品使用過(guò)程中進(jìn)行數(shù)據(jù)庫(kù)管理、算法參數(shù)設(shè)置、人機(jī)交互設(shè)計(jì)、性能測(cè)試跟蹤及其他輔助作業(yè)的人員。
在我看來(lái)，雖然標(biāo)注員也被稱(chēng)為人工智能訓(xùn)練師，但如果按照去年發(fā)布的《關(guān)于開(kāi)展新職業(yè)技能等級(jí)認(rèn)定工作的通知》的內(nèi)容，標(biāo)注行業(yè)內(nèi)的人工智能訓(xùn)練師在技能等級(jí)認(rèn)定中應(yīng)該屬于初級(jí)工，在其之上還有4個(gè)更高的職業(yè)技能等級(jí)。
其實(shí)，拿證和做業(yè)務(wù)真是兩回事?？既÷殬I(yè)證書(shū)，按照職業(yè)教育的要求需要上滿(mǎn) 60 個(gè)課時(shí)，課程中會(huì)系統(tǒng)學(xué)習(xí)人工智能的概念、未來(lái)的發(fā)展方向，以及相對(duì)完整的知識(shí)構(gòu)架邏輯。但是在標(biāo)注行業(yè)，在數(shù)據(jù)標(biāo)注公司，聰明、用功的人學(xué)習(xí)一周就能上手，只要會(huì)使用標(biāo)注工具就能勝任。
標(biāo)注行業(yè)作為勞動(dòng)密集型產(chǎn)業(yè)，運(yùn)作模式主要有兩種。一種是專(zhuān)業(yè)AI數(shù)據(jù)服務(wù)提供商自己雇人自己做；另一種是他們接到業(yè)務(wù)后發(fā)包出去，使用更具性?xún)r(jià)比的人員或公司。我所在的公司也屬于后者，“層層發(fā)包”在標(biāo)注行業(yè)比較常見(jiàn)。
數(shù)據(jù)標(biāo)注發(fā)展初期，就是由“眾包”模式而興起，當(dāng)時(shí)有很多眾包平臺(tái)，需求方項(xiàng)目要求有大量兼職人員接單，和目前的美團(tuán)模式差不多。當(dāng)年，我們的初創(chuàng)公司也是利用信息差，從數(shù)據(jù)標(biāo)注平臺(tái)接單，在市場(chǎng)上找更便宜的人力資源完成任務(wù)，但隨著數(shù)據(jù)標(biāo)注從野蠻生長(zhǎng)階段進(jìn)入規(guī)范化發(fā)展階段，市場(chǎng)上的兼職人員正在減少。越來(lái)越多的兼職業(yè)務(wù)正在被像我們這樣的縣城標(biāo)注公司替代。
2019年，我剛剛創(chuàng)業(yè)時(shí)，知道數(shù)據(jù)標(biāo)注的人不多，這行屬于剛剛興起。現(xiàn)在，這行的入門(mén)門(mén)檻變高了，參與的人也越來(lái)越多，市場(chǎng)壓價(jià)現(xiàn)象很普遍，與剛?cè)胄袝r(shí)相比，價(jià)格下降了30%左右，我個(gè)人覺(jué)得數(shù)據(jù)標(biāo)注市場(chǎng)已經(jīng)有點(diǎn)“紅海”了。
目前，大部分互聯(lián)網(wǎng)企業(yè)都在自建基地，比如百度、阿里巴巴、京東等互聯(lián)網(wǎng)大廠在全國(guó)都建立了基地，從而獲得政策扶持、租金減免等條件。
人工智能的下一站是縣城
人工智能訓(xùn)練師流行于縣城？我覺(jué)得很正常。目前，國(guó)內(nèi)標(biāo)注行業(yè)的價(jià)格戰(zhàn)愈演愈烈，在質(zhì)量、效率不斷提高的情況下，各大公司拼的無(wú)疑就是價(jià)格。隨著行業(yè)的發(fā)展，甲方需要不斷尋求價(jià)格更低的生產(chǎn)力區(qū)域，所以各大AI數(shù)據(jù)服務(wù)企業(yè)轉(zhuǎn)戰(zhàn)縣城非常正常。
在縣城辦公，房租、人力成本相對(duì)較低，同時(shí)互聯(lián)網(wǎng)企業(yè)確實(shí)可以解決一部分人的就業(yè)和收入問(wèn)題。目前，百度擁有行業(yè)內(nèi)最大的自建標(biāo)注團(tuán)隊(duì)，在山東濟(jì)南、山西臨汾、重慶奉節(jié)、四川達(dá)州、甘肅酒泉、江西新余等10個(gè)地區(qū)有自建標(biāo)注基地。
除此之外，政府補(bǔ)貼也是相關(guān)企業(yè)選擇縣城的主要原因。2023年1月，貴陽(yáng)市人民政府網(wǎng)發(fā)布的《貴陽(yáng)鼓勵(lì)企業(yè)吸納就業(yè)政策》中提到，貴陽(yáng)市符合條件的小微企業(yè)、民營(yíng)經(jīng)濟(jì)組織和社會(huì)組織吸納高校畢業(yè)生就業(yè)的，給予800元/人的一次性吸納就業(yè)補(bǔ)貼及一定額度的創(chuàng)業(yè)擔(dān)保貸款。
數(shù)據(jù)標(biāo)注作為勞動(dòng)密集型產(chǎn)業(yè)，當(dāng)企業(yè)更多地選在三四線城市落地，當(dāng)?shù)卣粗氐膭t是產(chǎn)業(yè)化的基地建成后，帶動(dòng)當(dāng)?shù)鼐蜆I(yè)、促進(jìn)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展。智研咨詢(xún)發(fā)布的《2022—2028年中國(guó)數(shù)據(jù)標(biāo)注與審核行業(yè)投資策略探討及市場(chǎng)規(guī)模預(yù)測(cè)報(bào)告》中提到，隨著人工智能成為國(guó)家發(fā)展戰(zhàn)略，其勢(shì)頭銳不可當(dāng)，預(yù)計(jì)2028年我國(guó)數(shù)據(jù)標(biāo)注與審核行業(yè)市場(chǎng)規(guī)模將達(dá)262.74億元。
不久前，Meta發(fā)布了史上首個(gè)圖像分割基礎(chǔ)模型——SAM（Segment Anything Model）。有人認(rèn)為，這代表著計(jì)算機(jī)視覺(jué)領(lǐng)域的GPT-3時(shí)刻已經(jīng)到來(lái)。有人說(shuō)這一模型會(huì)替代大量的標(biāo)注員，我個(gè)人認(rèn)為在數(shù)據(jù)處理的精度方面，人類(lèi)無(wú)法被替代，至少目前不會(huì)，畢竟對(duì)于AI產(chǎn)品而言，數(shù)據(jù)越精準(zhǔn)，模型才會(huì)越精準(zhǔn)。
ChatGPT在社交媒體上引起了巨大的話題度后，國(guó)內(nèi)多家互聯(lián)網(wǎng)企業(yè)相繼推出類(lèi)ChatGPT產(chǎn)品。對(duì)我們而言，短期內(nèi)AI企業(yè)對(duì)數(shù)據(jù)標(biāo)注的需求量還會(huì)增加，畢竟數(shù)據(jù)標(biāo)注在整個(gè)前期產(chǎn)品開(kāi)發(fā)的過(guò)程中時(shí)間占比可能在全周期的20%—30%之間，目前這一塊的數(shù)據(jù)確實(shí)需要大量的人去做。但是，隨著平臺(tái)標(biāo)注自動(dòng)化和預(yù)識(shí)別的發(fā)展，未來(lái)一部分標(biāo)注員可能會(huì)被淘汰。
未來(lái)，數(shù)據(jù)標(biāo)注這行一定會(huì)向著規(guī)范化和職業(yè)化發(fā)展，因?yàn)樾枨蠓降念?lèi)型和要求會(huì)增多，也會(huì)涉及各個(gè)領(lǐng)域的專(zhuān)業(yè)性方面。比如醫(yī)療，如果沒(méi)有醫(yī)學(xué)常識(shí)很難做好標(biāo)注；金融數(shù)據(jù)也是如此，看不懂財(cái)報(bào)，就沒(méi)辦法做標(biāo)注。
（應(yīng)受訪者要求，文中楊科琪為化名）
運(yùn)營(yíng)：嘻嘻
排版：韓博菲
聯(lián)系客服
