为了满意需要，刘到闲起首要厘清用户用意的种别，并尽可能细致地罗列出来，而后给每个种别付与清楚的界说，明白差别分类之间的界限在那里。比方，用户说“我很悲伤”，她在标注规矩中写上，这是在追求感情支撑；用户描写了一件生涯中产生的高兴事，她会将这界说为分享团体生涯。 懂得天然言语交互中字与字之间的奥妙差别，是刘到闲善于的事。往年28岁的她是985高校结业的言语学硕士，曾在科技媒体任务过一年，由于对媒体任务24小时待命的厌倦，她开端寻觅让创作与科技联合的另一种可能性，比方“豢养AI”。 这是个可遇弗成求的转行机遇。ChatGPT的走红带来了天生式AI跟预练习模子的暴发，模子“堆量”练习后出现出的智能让业表里赞叹。她看到了模子练习“走俏”之下，数据标注的主要性。她想踏上这波风口，离前沿技巧更近一点。 跟刘到闲一样做数据标注的共事基础都是硕士研讨生学历，在公司外部被分别为经营岗。她的一局部共事是冲着AGI（通用人工智能）幻想来的，另一局部是冲着年夜厂正编跟高收入来的。在人工智能风口眼前，数据标注岗亭，成了为数未几非技巧配景员工的职业跳板。 固然薪水不料想中高，跟公司里的其余经营岗共事比拟，刘到闲的薪水乃至更低一些。但比拟阿娟那样基本的数据标注任务，从事多模态对齐、常识图谱构建等高端标注的薪资可达2-3倍，月薪两三万也很畸形，有些公司还开放了从数据标注到产物、算法等岗亭的提升门路。 响应的，专家型数据标注师的请求也越来越高。据刘到闲察看，现在年夜厂应聘AI数据专家的学历请求年夜多为硕士研讨生，且须要在相干专业范畴有所积聚，比方医疗、执法、财经等。 连最基本的一线数据标注员的门槛都在晋升，年夜模子公司卑鄙的数据标注岗也会对应聘者能否结业于211高校有偏好。据《科创板日报》2023年8月报道，百度智能云海口标注基地的数百名数据标注师，100%是本迷信历。 一份由百度数据标注外包公司供给的“文心一言2024口试题”表现，在断定AI的答复能否正确时，应聘者须要斟酌该答复能否合乎客不雅现实，逻辑能否通畅，并给出响应的断定来由；应聘者还要修正一篇800字以上的谈论文——这曾经相似高中语文教师的任务。 究竟，AI曾经不再是谁人牙牙学语的孩童，它们须要学历更高、才能更强的教师，才干持续生长。 从拉框到打分 阿娟亲历了数据标注行业的变更。 作为链条最末了的一线数据标注员，在阿娟的设想中，她应该也是像刘到闲那样任务的。她结业于一所平易近办一般高校，是误打误撞入的行。 2020年，在友人的先容下，阿娟第一次据说了“数据标注员”的任务，很生疏，但感到挺矮小上的，“我感到可能是像从前各人设想中的年夜厂（员工）键盘敲得噼里啪啦响的那种，存在含金量”。 当时的应聘请求也简略，只有会用一些办公软件就行。抱着尝尝的心态，阿娟报了名，经由过程培训测验后于昔时11月上岗任务。跟她一同入职的基础都是宜君当地人，有孩子母亲，也有中专刚结业的年青人。 最开端的标注义务重要是图像类，波及外卖、保险、医疗等种种范畴。阿娟印象比拟深入的是一个宠物鼻纹名目。 良多宠物主人会给本人的宠物买保险，鼻纹是保险公司辨别雷同种类、长相类似的宠物的要害。她跟共事须要做的任务是，给宠物照片中的鼻子局部画框，辅助AI进一步辨认鼻纹。这个名目让阿娟感触到了任务的代价感。她以为这是在辅助宠物主人给宠物顺遂投保、向保险公经理赔，只管她地点的小县城多少乎不人会给宠物上保险。 图像数据标注做得纯熟了，阿娟又连续打仗了良多文本类的名目。名目范例换得很快，营业需要也很复杂，偶然前一周还在做条约文件标注，下周又换成了医学论文数据提取。司理给什么名目，阿娟跟共事们就照着标注标准去实现，碰到疑难就提出、探讨、处理，绝年夜少数名目都不给她留下印象，她也很少猎奇这些标注完的数据会用到那里。 任务近两年后，阿娟的共事越来越多，底本的小办公室包容不下，两百多团体搬进了敞亮的写字楼。她显明感到义务难度在回升，公司应聘的学历请求曾经进步到了年夜专以上。她们开端做情势更丰盛、标注规矩更庞杂的名目。 在一个视频侵权类名目的标注里，阿娟须要断定给定的要害词跟视频内容的关系度。关系度个别会依照百分比分为四档，100%是完整关系，0是完整有关。她跟组员须要基于对要害词跟视频内容的懂得，依照标注标准逐一对应标注，这能处理80%以上的义务，剩下的20%可能会存在贰言，须要跟营业方闭会探讨。 名目越来越庞杂，共事的任务才能越来越高，行业飞速变更，但阿娟跟共事们并不明白这些变更是怎样产生的。对处于行业末了的她们来说，跟AI年夜模子有关的所有都在混沌间产生。 传统的标注依附规矩，天生式年夜模子标注则须要逻辑，比方标注推理步调（由于A以是B，但受C限度），或须要懂得，比方多模态对齐（文本跟视频内容关系），这类义务请求标注员具有形象头脑才能跟跨学科常识贮备，一般休息力无奈胜任。 有有数的一般标注员正在连续被行业镌汰。 模子卷不动，开端卷数据 阿娟任务内容的变更，跟刘到闲无机会转行做数据专家，都是统一件事的成果——年夜模子公司想活下去，必需去卷高品质数据。 2023年，年夜模子公司招算法专家，投入算力资本去练习模子，比谁的模子参数年夜，谁迭代的速率快，谁在各种榜单上能金榜题名。但比来比去，各人拉不开差距，各家的模子都无奈在出产力范畴充足胜任，砸在练习上本钱短时光收不返来。 到了2024年，年夜模子公司开端面对存亡磨练：从哪赢利？怎样活下去？怎样实现年夜模子在垂直场景的贸易化落地？乃至有头部年夜模子公司废弃预练习，片面转向利用开辟，把资本投入到能赢利的事件上。 一个共鸣是，要想在专业范畴落地，高品质的垂类数据是竞争的中心。比方医疗场景中的影像辨认，须要临床大夫停止标注，执法场景中的条约条目，须要状师标注条目中的逻辑关系跟司法说明。要想一个专业模子好用，必需有充足的精准的初始数据，这些数据难以从公然渠道获取，标注本钱也非常昂扬，但倒是不得不做的投入。 一个高学历的专家型数据标注员的人力本钱，远低于模子犯错要支付的价值：主动驾驶标注中一个漏标的行人可能招致百万公里路测掉败，直接耗费的测试本钱可能高达数万万，而执法条约的标注过错可能让企业面对诉讼。专业型的数据专家也能明显晋升标注效力，比方医学博士对CT影像的辨认率是一般标注员的好多少倍，还能辅助优化数据收罗战略。 这时像刘到闲一样，有垂直范畴专业常识的AI练习师就成了喷鼻饽饽。“垂直范畴（模子数据）咱们不太冒险去找一般的人标注，确定要找专业的。比方说口号音（模子），咱们就会倾向于去找学言语学的人，由于他们才干断定谜底的优劣。”小琴说。 小琴在一家创建十多年的上市公司辞职，该公司有多款成熟的AI产物，缭绕作为中心营业的语音模子搭建了自有的数据标注团队。2023年后，标注义务从客不雅抉择题变为了浏览懂得题，后期标注标准的制订、人机对齐工程更庞杂。为了保障标注的分歧性，她们可能会花半个月的时光研讨标注标准，请求产物、算法、标注、评测团队独特参加。 这一年，她地点的公司打算研发音乐模子，面对的第一个成绩就是数据怎样标注。他们发明在给模子投喂充足多的数据后，模子可能领有“出现”才能，在必定水平上“发明”音乐，但盘算机专业出生的团队成员无奈断定模子天生的音乐品质怎样，也很难找到优化偏向。 隔行如隔山，从语音模子到音乐模子，他们在音乐相干数据的标注上不教训。于是，团队打算找一位在音乐学院就读的先生做参谋。小琴以为，只有音乐专业的人才干辨别出模子天生的音乐究竟合分歧理，才会晓得调剂哪个韵律、哪种乐器能够帮助模子天生更好的成果。 更早之前，她地点公司还投入年夜笔资金，约请了良多专业的灌音师到灌音室录制一手的声响数据。 小琴坦言，不论是当初仍是将来，实在的数据始终都是价值连城，只有把实在场景中发生的数据累积起来，才有可能做出更好的模子，专家型AI练习师则是获取实在数据的“捷径”。 据新智元报道，OpenAI为了晋升模子处置客户成绩的才能，向医学、执法、言语学、盘算机迷信、物理学等范畴的专家发问，至少300人，每人每小时付出100美元待遇，每个成绩均匀耗时约两小时。Scale AI、Turing跟Invisible等公司，也招募教训丰盛的顺序员或博士，帮助OpenAI、Google、Anthropic跟xAI等公司，在AI开辟的后练习阶段进步模子品质。 但这条“捷径”并欠好走。为了确保任务品质，年夜型AI公司越来越多地把高品质数据标注的任务放到了外部，或许直接雇佣专家，而不是以往的外包。数据就是壁垒，也是另一个烧钱游戏。 教会AI之后，他们要去哪？ 从前两三年，在像泡沫一样敏捷收缩的AI应聘市场里，“985硕士”做数据标注不外是此中的一个缩影。 Emily是一位从业多年的科技行业猎头参谋，近两三年为不少AI公司应聘海内人才。在应聘侧，AI公司给她留下了一个十分深入的印象——这些公司十分有活气、十分保守，招人必定要十分年青。 曾有企业客户告知Emily，作为一家年青的AI数字人公司，员工必定要98后，95后可能太“老”了。这些企业还请求应聘者有充足优良的进修配景，“海内‘清北断交’，外洋只看‘藤校’，211都感到争脸”。 天生式AI海潮下，应聘市场最火爆时，一家AI始创公司的HR天天会收到100多封简历，基本来不迭看。陆连续续地，会有候选人跟Emily说：“我感到这个有点泡沫，我感到咱们公司似乎有点不稳，下半年你帮我看看机遇。” 刘到闲也感触到了这种“不稳”。2024年以来，或者是模子已走过“堆量”练习的阶段，她看到本人支撑的模子团队对数据标注的需要正在增加。现实上，当标注精度越来越高，边沿收益开端递加，长尾的数据本钱极高，很多公司也难以累赘。 她开端反思，转行后的两年多时光，毕竟都阅历了些什么。 985硕士、年夜厂正编、AI风口之上，这些都无奈粉饰工种处于工业链卑鄙的现实。比拟于产物、算法团队，刘到闲所表演的脚色多少乎不话语权，她乃至自嘲像个“包领班”。任务的“中台”性子，请求她日复一日地跟各方相同、和谐，“你是去承接需要的，你要去听算法的决议，听产研他们想要什么货色，而后去交付给他们。不那么强的自动性，任务内容也不是特殊有发明性”。她从任务中取得的代价感越来越弱。 有次产研团队让刘到闲制订规矩来进步模子某方面的才能，但她研讨后发明，须要标注的数据品质不敷高，难以经由过程规矩来界定天然言语间的含混地带。她依据本人的专业断定反应给了产研团队，但对方只以为是刘到闲专业才能不敷，扣上去一个影响模子后果的“帽子”。 这种“背锅”的阅历良多，让她觉得非常疲惫；跟偕行交换时，她也感触到了“怨气”。“配合的产研团队，可能由于你是一个比拟卑鄙的脚色，就会表示得至高无上，任务休会不太好。”刘到闲说。 “教会AI之后，数据标注员们怎样办？”这是摆在每一个数据标注行业的从业者眼前的困难，不管学历，不管专业。当初，跟着AI越来越聪慧，曾经能够本人天生数据、本人练习，越来越不须要人类的监视，AI的人类教师们也终将不货色可教。 刘到闲曾经开端看其余的任务机遇了。她能够回到媒体行业，持续做科技报道，但薪水的差距让她迟疑未定。像少数AI练习师一样，转岗做AI产物司理或许经营也能够，不外重复相同、拉扯耗费的能量，须要花些时光来规复。 阿娟还不去想这个成绩。任务八个月后，她就升了小组长，至今已有18位组员。她须要为组员们的标注正确率跟效力担任，多了些向上相同的任务，人为也涨到了四千多元一个月。在小县城生涯，做个“月光族”，这些钱曾经让她觉得很幸福。 阿娟的亲朋都不晓得她在做什么，由于她从不鄙人班时光聊任务。这也是这份职业带给她的快活——她早年在培训机构当英语教师，时常须要周末给先生们补课，很难有完全的苏息时光。做了数据标注任务后，她到点放工，将生涯跟任务完整分别。 阿娟打算多攒攒任务年限，这两年再升个名目司理。 （应受访者请求，文中阿娟、刘到闲、小琴、Emily皆为假名。）前往搜狐，检查更多