国王金融官网

每当丈夫上班、儿子返校，家住武汉的全职妈妈吴海燕便会坐到电脑前最先一天的事情，在一个被称为“freespace鱼眼语义支解”的项目中举行标注事情。

之以是叫鱼眼语义支解，是由于吴海燕标注的图片全都泉源于车载鱼眼摄像头所录视频。这些图片的场景大多在停车场中，吴海燕需要做的是行使点阵工具，将立柱、栅栏、天真车、行人等物体的接地址标出并链接，形成一块蓝色的封锁多边形区域，这块区域就是freespace（可行驶区域）。

当吴海燕将一段视频的300帧图像所有标注好，这些数据集便可用于训练智能汽车的自动驾驶算法，辅助AI（人工智能）明晰在停车场哪些区域可以行驶、哪些区域可以泊车以及哪些区域不能触碰。

“现在看到新闻里很火的Chat－GPT都有种亲热感，似乎是自己手把手教出来的。”2月15日，吴海燕告诉经济考察报。

这样一份可以被形容为AI“先生”的事情，在《国家职业分类大典（2022年版）》中被称为数据标注员，即通过对图片、语音、文本等数据举行标注和加工，为AI算法学习及优化提供样本。

像吴海燕这样的兼职数据标注员，仅在其事情的平台就有近两万人，他们的职业靠山和社会身份各异，既有吴海燕这样的家庭主妇，也有多数会的下层白领，以及部门残障人士。

这些数据标注员正处在火热AI赛道的*层，用日复一日的死板劳动，为现在大放异彩的种种AI应用提供主要的数据养料，他们所在的行业也被统称为“人工智能基础数据服务”。

凭证IDC公布的数据，近5年中国AI基础数据服务市场规模年复合增进率到达47%，预期2025年将突破120亿元，占到中国人工智能市场规模总额约10%。

01 “数据标注员”

2月15日，经济考察报记者在兼职猫平台报名了一份数据标注员的兼职，当晚，项目卖力人赵强杰电话询问了记者的基本情形，随后将记者拉至一个名为“试标”的微信群里。

“新进群的同砚先看群通告，再看谈天纪录里的视频，看完有想做（数据标注）的，私聊找我试标，只差三小我私人了。”

这是一份时长36分钟的标注培训视频，树模了若何在一帧车载鱼眼摄像头录制的视频中，通过将立柱、天真车、行人等障碍物的接地址毗邻到一块，从而精准标注出一块蓝色区域。

“标注职员需以封锁多边形的形式标出视频每一帧画面中障碍物接地址freespace的界线。”与教学视频配套的另一份培训文档上有对该项目的概述。

“freespace简朴说就是可行驶区域，常见于泊车场景的数据标注，通过将栅栏、墙面等障碍物阻隔的近端区域，未被天真车占用的可泊车位等界线的像素坐标信息标注后，用于辅助AI界说可行驶区域，可以实现自动泊车、一键呼叫等功效。”上海一家智能硬件企业的算法工程师冯易向经济考察报注释。

赵强杰所说的试标，即是兼职数据标注员的面试，通过标注“实战”来测试应聘者的事情能力，在大致看完了标注项目的教学视频后，记者私聊了赵强杰，表达了想要试标的意愿，随后获得一个测试账号。

记者登录一个名为数加加众包的数据标注平台，并在其中打开了赵强杰指定的测试项目。在旁观教学视频之初，这份标注事情的难度并不高，只不外是根据既定规则将画面中可行驶区域标注出来。

但在现实操作历程中，记者照样遇到了不少难题，例如画面中远处的立柱被遮挡，无法准确标出界线与接地址，抑或是画面远处过于模糊，无法区分标注物体所属类型。

用了快要10分钟，记者委曲完成了*帧图像的标注，历程中，赵强杰多次敦促了记者。

“你确定你看过视频了吗？看过视频是不能能还标成这样的，要像你这样标，AI学完车就直接撞柱子上了。”在收到了试标注的图像后，赵强杰向记者反馈。

他还告诉记者，通常一段鱼眼视频会有20帧图像需要标注，熟练的数据标注员一天需要标200-300帧画面，像记者这样的标注速率无法胜任兼职事情。

在记者举行试标的同时，一位在深圳上班的白领董程也加入了赵强杰的群。

他稍早前在社交平台上看到有关兼职数据标注员的先容信息，随后被“下班兼职、人为日结、日薪300、就像连连看”等要害词吸引，在私聊公布信息的博主后，获得了赵强杰的联系方式并进群。

同记者一样，董程也在随后的试标中被赵强杰镌汰，记者对比了董程标注的截图与赵强杰提供的准确标注截图，发现除了个体点位的标注差异外，大致区域局限着实并没有太大差异。

“自动驾驶类的数据标注需求是很严的，不精致的数据甲方是不会验收的，你看起来可能就差一点点，然则人人都差一点点，累积起来给到AI训练那里可能就会是天大的错误，若是泛起无效训练，轻则虚耗一些成本，重则要出性命的。”面临记者的疑问，赵强杰说。

深圳一家AI企业的产物司理何茂对记者示意，在算力、算法和数据组成AI应用的三概略素中，训练的准备数据可以算得上是最主要环节，谷歌大脑首创人吴恩达就曾指出：“AI研究80%的事情应该放在数据准备上，确保数据质量是最主要的事情；业界若是更多地强调以数据为中央而不是以模子为中央，那么机械学习的生长会更快。”

何茂告诉记者，当前主流的机械学习算法为有监视学习，即让机械通过标签化的数据举行学习训练，“就像人类一样，小时刻有人告诉你什么是汽车，什么是飞机，教你学会了判别，这就叫有监视学习”。

而在有监视学习中，通过对大量原始语音、视频、文本及图片数据举行加工处置，从而使机械能够识别和学习这些信息的数据标注事情，便成了机械学习顺遂举行的要害环节。“对经由标注的数据集举行模子训练，可以让AI在未来再次吸收到对应数据时，能够举行简朴分类并输出准确判断，例如freespace数据标注，便能够让AI在泊车场景下快速判断可行驶区域与可停泊车位，以是数据标注就像是AI的启蒙先生，教给差异场景下的AI最基础的判别和分类功效。”何茂注释。

冯易指出，对于有监视学习算法来说，训练数据的需求空间还很大，以是基础数据服务对模子算法施展着要害支持作用。

02 “训练”ChatGPT

凭证应用场景的差异，数据标注也分许多类型，像赵强杰、吴海燕最近在做的鱼眼freespace标注就属于语义支解的一种。

“凭证差异物体、区域的形状举行描边标注，将对应界线像素数据对应到详细种别和属性，使机械能够快速识别，相当于告诉机械什么样的是车、什么样的是路、什么样的是树等等，主要应用在自动驾驶、智慧安防等场景。”何茂告诉记者。

而近期大火的ChatGPT属于NLP（自然语言处置）模子的一种，这类模子的训练同样需要标注员举行对应的数据标注，赵强杰在去年底就曾接到过自然语义类型的标注义务，“那是一个十万条的新闻情绪分类标注项目，要凭证每条新闻的内容举行正面、中性、负面三种类型的标注”。

据领会，情绪标注是指针对原始文本、语音等自然语言内容举行情绪倾向的判断，辅助NLP模子人类语境与情绪。

赵强杰举例，“好比，机械收到了一句‘今天是周五’，这句话可能在转达正面情绪，若是后面紧接着补一句‘我还要加班’，就酿成了负面情绪的表达，明晰用户情绪能够辅助AI更好地组织回覆”。

在赵强杰展示的项目说明文档中，记者看到了其团队去年所接新闻情绪标注项目的详细要求，客户希望标注团队凭证新闻内容，判断其对经济的影响利害，从而举行三种类型的分类。

例如，在该文档中，有一则新闻内容是在去年北京市某场新冠疫情防控事情新闻公布会上，转达了多名违反疫情防控相关划定，及涉嫌妨害熏染病防治罪的相关责任人，该则新闻的标注处有一个数字0，即此新闻表达的为负面情绪。

“情绪标注的项目义务对照常见，除了在智能客服、智能家居领域，还可以用在舆情监测上，辅助企业快速锁定负面舆情，举行公关处置。”赵强杰说。

相较于略显简朴的情绪标注，吴海燕去年还曾介入过更为庞大的词性及句法标注，这类经由标注后的数据，便被用于训练类似于ChatGPT这类自然语言处置模子。

吴海燕回忆，该项目的原始数据主要为采集自种种社交平台谈论区的语句，标注员要将语句中的词汇语法属性以及句中的依存关系举行标注。

以“今天破晓苹果公司公布了iPhone14”一句为例，该句中一共有“今天、破晓、苹果、公司、公布、了、iPhone、14”八个需要标注的词性以及依存句法，其中今天为时间词，标注为t，该短语又属于定中关系，需标注为ATT；破晓同样属于时间词，标注为t，但在句法上属于状中结构需标注为ADV。

“原始的文本数据直接给到机械固然是识别不了的，以是需要举行标注，给每一个词语、句子举行定性，从而可以使用模子做剖析和表达。”冯易向记者注释。

他告诉记者，现在中文领域主流的词性标注法，为北京大学盘算语言所在2003年推出的语料库加工规范，其中将中文词性分为39类，包罗“形容词、时间词、人名、地名、成语”等等，而中文作为典型的大字符集语言，仅仅标注词性仍难以用于高效训练模子，因此就需要进一步标注句法。

“常用的汉字可能都有七八千个，所有汉字加一块有10万个，还存在同音、同义、歧义等情形，这就需要将句法标注和词性标注连系起来，依存句法标注简朴来说，就是剖析一段句子，寻找其内部词语之间的依存关系，从而实现对差异语句结构的高效归纳综合，让AI能够通太过析句子结构提炼出相关信息，以便更准确、自然地给到用户回复。”冯易示意。

何茂亦示意，诸如词性及句法标注只不外迈出了NLP模子训练的*步，后续还要经由特征工程（将词句向量化，便于盘算机识别）、选择模子、训练模子、评估模子及测试上线，若是没有高质量的优异训练数据集作为基础，后面的所有事情都无从谈起。

“ChatGPT的降生本质上照样属于‘鼎力出事业’的事情，依赖大数据、高算力、大模子硬堆出来的人工智能，背后包罗了数不清的标注员、训练师的劳动功效。”何茂说。

现在，回忆起去年曾经介入的文本标注项目，再来看眼下四处都能刷到的有关ChatGPT的新闻，吴海燕以为有些不以为然：“人工智能也没那么神奇，若干人把几百万、几万万的句子掰开揉碎了教它才教明晰，教人才没这么费劲。”

03 “企业工会”的众包

“你是数加加公司的人吗？是代表数加加招人是吗？”在记者加入的试标群中，有应聘者艾特了赵强杰提问。

“我们是数加加旗下的企业公会，就是以团队形式领取义务的众包组织，群里只有我一个对接人，其他人找你们都不要信托。”赵强杰回覆。

众包即一家企业或机构将事友谊务拆分包装为差其余项目，以自愿自由的形式通过互联网外包给非特定群体。

海内最早让民众领会到众包的，即是逐日穿行在大街小巷的百万外卖小哥，对企业来说，众包降低了用工成本，提高了营业运行效率，对从业者来说，众包形式天真、多劳多得。

而对人工智能数据标注这样的事情来说，以众包模式运转无疑是*解，由于数据标注这份事情着实是太过噜苏、辛劳且廉价。

像赵强杰就已经记不清遇到过若干干了两天就打退堂鼓的标注员，“人人都以为这份事情简朴，似乎坐在电脑前把器械框起来就能轻轻松松挣钱，现实哪有那么好的事”。

对AI训练来说，数据标注的质量具有十分主要的意义，若是在标注历程中泛起禁绝确甚至错误，很有可能会导致十分严重的结果。“好比鱼眼语义支解，该标的柱子没标出来，该圈的区域没圈进去，AI学习完，把车撞柱子上，或者死活识别不了空车位泊不进去”。

他以一个2D拉框义务向记者说明标注事情所需的仔细水平，其在标注平台上打开了一张车辆在蹊径上行驶的照片，并指出记者的目的是将该照片中的物体划分打框符号。记者在图片中*一辆皮卡车上画了一个框，并提交了义务。看到记者发来的标注功效后，赵强杰乐了：“你再仔细看看，这个图里只有这一辆车吗？”记者频频查看图片，确认只有这一辆天真车后，再次向赵强杰提交了标注图片。

当看到赵强杰发来的准确标注图片后，记者才明晰自己的错误有多“离谱”。

在准确的标注图片上，除了记者框定的那“*”一辆天真车外，蹊径上的交通标线，路两旁的行道树，甚至在树荫遮蔽下只显露了一小截的电线杆，以及画面远处险些浓缩为几个像素点的三轮车都需要标注。“你画框的方式也纰谬，画的局限太大了，框线应该要牢牢贴着目的物体，不要留出悠闲。”赵强杰又指出记者的一个错误。

他告诉记者，对标注员的事情质量，其公会的审核十分严酷，例如最近正在举行的鱼眼支解项目，若是一名标注员延续标错了三帧画面，会被直接作废当月结算资格。“你来我们这干一定拿不到钱。”赵强杰讥讽。

但记者注重到，能够精准标注、少少犯错的熟练标注员，月收入着实也很低，远没有种种平台上宣传的“轻轻松松五六千”那么风景。

“现在标一个框基本就三到四分钱，甚至更低，我又是兼职，有的时刻标得头晕眼花，一个月下来还没有一千块钱。”吴海燕说。

赵强杰也示意，其公会旗下熟练标注员的时薪大多在10-15元左右。

他统计，能够耐久坚持在标注领域干下来的成员，大多为家庭主妇、制造业跨行、耐久自由职业人士等，而像董程这类有稳固事情的白领，就算试标通过，也不会稳固在此兼职。

对于人工智能基础数据服务领域的商业模式，2021年上岸科创板的海内人工智能基础数据龙头海天瑞声（688787.SH）曾在其招股说明书中有过详细披露——

“以2019年某叫醒词下令词语音识别采集项目为例，该项目采集人数跨越200人，采集工具要求多区域、可举行尺度美国英语发音、岁数结构多样，采集工期为15天，刊行人与服务公司、小外包职员和终端职员之间的数据服务采购历程如下：

刊行人与各数据服务提供商签署采购框架协议，包罗芜湖善慧人力资源服务有限公司（以下简称“芜湖善慧”），双方约定服务费率为10%.........

刊行人以电子邮件形式向芜湖善慧下达采购通知，写明项目简介、服务工期要求，并明确项目采购量为采集服务210人，标注服务525小时，其中标注服务525小时=所需标注的数据量200小时*标产比2.625；

芜湖善慧通过小外包职员在上海、深圳、成都等地寻找到足够数目的终端采集职员，同时直接寻找了部门终端标注职员，将报价信息反馈给刊行人，经刊行人判断相符其营业采购价钱系统及同类项目价钱区间，双方杀青一致确定采集单价和标注单价.........

刊行人对小外包职员、终端职员举行培训，部署所需的平台和工具，小外包职员组织并治理终端职员最先举行质料数据的采集和标注，服务公司举行全程的监视、治理；

服务公司凭证质料数据的采集和标注情形，保持与刊行人、小外包职员、终端职员等各方的实时相同，确保采购服务工期进度及数据质量，并向刊行人交付采集标注后的数据；

刊行人对数据举行质量验收后，与服务公司举行结算并出具验收结算单.........。”

此外，海天瑞声回覆上市问询函时透露，2019年度，在其一体化数据处置平台注册账号的终端劳务职员到达了6.93万人，同期该公司的员工仅142人。

海天瑞声在生产训练数据的历程中，通过对接第三方数据服务供应商、人力资源外包服务公司的形式解决了大规模劳务职员需求，在这一历程中，甚至还可能泛起层层外包的情形。

这在一定水平上注释了为何像吴海燕、赵强杰一样的产业底层数据标注从业者，在履历了繁琐、死板、重复且辛劳的事情后，依然得不到一份“像样”的回报。

不外，虽然背靠众包模式搭建起了一座低成本的人工智能数据工厂，但海天瑞声上市以来的财政显示却始终差强人意。

其2020年至2021年的营收划分为2.33亿元及2.06亿元，同比下滑了1.76%、11.53%，其2022年的营收有所回暖，前三季度同比增进27.82%，但扣非净利润依旧延续跌势，1.67亿元的营收只有427万元的净利润，同比暴跌77.76%。

“人工智能行业整体生长迅速，应用领域和场景日趋庞大，像打个框、标个点这样简朴的标注事情也很快会被AI取代，以后的标注事情只会越来越专业，越来越庞大，ChatGPT就是一个很典型的例子，人家已经实现了AI教育AI。”何茂指出。

在他看来，随着下游需求不停转变，上游一众人工智能基础数据服务企业若还着迷于提供劳动麋集型服务，很快也将面临镌汰。

在采访即将竣事时，记者讥讽赵强杰就像是一位在AI时代的富士康里上班的线长，他的回覆却是：“标注员跟富士康里的民工比不了，人家包吃包住，签劳动条约，有五险一金。”