文章插图
图片来源：由无界 AI生成
在一家互联网大厂做数据标注的小颜，时常在公司感到一种隔绝 。
小颜的工位，跟产品经理、程序员们挨在一起，他们能享受相同的福利：同样的工牌、苹果电脑；随时可以去健身房，或去太空舱睡一觉 。
但小颜能察觉到 ， 作为数据标注员的她和其他同事 ， 分属于“两个世界” 。
尽管大家是一个团队，但每天的早会 ， 没人会喊上标注员 ， 小颜只能偷偷摸摸在门外看 。有一回，有人推来一车台灯，是团队正在做的AI产品样机，程序员们围了上去，很兴奋，拿在手里把玩 。标注员们则坐在工位忙自己的事，毫无波澜 。“他们不知道那个产品，就是靠标注的数据做出来的 。”
入职时 ， 小颜所在的公司正在开发一款教育类AI产品 ， 需要标注大量数据以训练AI 。公司买来堆积如山的中小学习题册，小颜的工作是拍下每一道题，然后在电脑上对这些题目拉框，做标注 。
同样是为AI工作，程序员清楚地意识到自己的工作价值，享受着算法不断进步带来的快感，但几乎没有标注员会觉得，正是自己的劳动创造了AI 。
人工智能的进步离不开数据标注 。近几年自动驾驶的发展，带动了数据标注的市场 。据德勤的报告显示，2022年自动驾驶领域的标注需求占整个AI下游应用的38%，预计到2027年，比例将上涨到52% 。
今年大模型兴起，给数据标注行业再添一把火 ， 大量基于大模型训练场景的订单朝数据标注公司飞去，看上去 ， 数据标注这个枯燥的生意 ， 再次注入活力 。
一些技术公司走得更前列 ， 正在尝试使用AI自动合成数据 ， 供AI训练 。合成数据是基于少量真实数据，用AI无限生成、无需标注的数据，而不再依赖人工标注 。在自动驾驶领域，合成数据可以覆盖一些极端路况，比如行人突然闯入马路等 。
在他们的畅想中，今后合成数据将取代人工标注 。没有技术、只靠人力的标注公司将被逐步淘汰 。一项数据显示，国外用于人工智能的基础数据中，已有70%是合成数据，这条路正在被验证 。
对数量庞大的数据标注员来说，上述内容并不是好消息 。然而36氪接触的一些标注员，还不清楚ChatGPT到底是什么，他们的反应像是第一次听说这个名词 。
小颜说，标注员是一个随时可以被切掉的尾巴 。唯一的悬念是，这一刀何时彻底落下 。
训练机器的标注员们，觉得自己更像机器
小河的专业是英语系，大四那年在一家大厂实习 。第一天上班 ， 办公室在一栋写字楼里，宽敞、干净，完全符合她对互联网公司的想象 。没多久她意识到，面试所了解的工作内容——“整理、分类公司语音数据”，其实就是数据标注 。
后来小河承认，如果知道那是给AI打工的起始，她会立即走人 。
组里有6个实习生，都是名校外语系的同学 。一个女组长每天分派任务 。有时是一堆英语音标，小河的任务是区分出英音和美音；有时是一份Excel，点开，满眼都是数据，往下拉，足足有一万多条 。
“感觉像爬一座山 。”小河说 。
做过最多的“项目” ， 是中学生的口语标注 。标注员习惯把工作说成项目 ， 一个项目接着一个项目 。小河一天要听200条带浓重口音的录音 ， 每条两分钟 。听到一般疑问句，打1分；听到特殊疑问句，打2分；都没听到就是0分 。为了防止泄密，只能用办公室的有线耳机，小河听得耳朵酸胀，“不由自主的烦躁” 。
她经常听到录音出现脏话 。有的小孩口语没讲几句，就开始飙国骂 。还有一次做地图导航的项目，有人不由分说，在录音里谩骂 。“我不知道为什么有人会有那么大的怒气 。”
小河说，你不能太当回事，只能给这条录音打个标“无意义”，然后翻篇 ， 继续听下一条 。
“像个机器一样” ， 几乎每个标注员都会这样形容自己 。标注不费脑子 ， 一位山东的标注员说 ， 做过最困难的项目是指纹标注 。她拿到一堆不知道是谁的指纹图（有些还很模糊），需要沿着指纹的边缘一点点拉框 。“那天回家后，闭眼都是指纹 。”
许多项目要求标注员严格保密，但标注员也不关心项目用途是什么 。上班期间，标注员被要求交出手机，放在墙上的挂袋里 。只有接到电话时，才允许他们取回手机 。
推荐阅读
- 一文学会队列入门：Python数据结构与算法
- GitHub CEO：AI无法取代程序员
- MySQL如何与Redis保持数据一致性？
- PostgreSQL vs MySQL - 1000万数据批量插入，谁能略胜一筹
- 栈的实现：Python数据结构与算法
- 多模态大模型最全综述来了！7位微软研究员大力合作，5大主题，成文119页
- 我70后，做家政挣钱养俩儿子，挣得比公务员还高，准备干到退休
- 演员杨志刚：面瘫还结巴，却被三哥“强捧”，大姑其实是他亲妈
- 毛晓彤艳压古力娜扎和蔡文静！《你好星期六》全员芭比造型
- 曾是央视知名主持人，转行做演员后嫁圈外富商，今47岁成人生赢家