為推動(dòng)智能時(shí)代的巨輪滾滾向前，AI行業(yè)需要龐大的、標(biāo)注好的數(shù)據(jù)作為養(yǎng)分。這些數(shù)據(jù)大多出自一些學(xué)歷不高的人，他們是“人工智能背后的人工”。

人工智能暗角

在人工智能的世界里，存在不為人知的“數(shù)據(jù)折疊”：一邊是炫酷科技、智能應(yīng)用層出不窮的光鮮表象;一邊是大量人工拿著不高的工資，埋頭生產(chǎn)機(jī)器學(xué)習(xí)的“食物”，即標(biāo)注好的數(shù)據(jù)。

例如，由北郵和華騰碩博合辦的300人規(guī)模的電子商務(wù)培訓(xùn)班，其中近一半的人都會(huì)兼職數(shù)據(jù)標(biāo)注項(xiàng)目。他們多是18歲左右的學(xué)生，每天盯著電腦屏幕給圖片拉框，做著枯燥的工作，而標(biāo)注好的數(shù)據(jù)將用于炫酷的無人駕駛項(xiàng)目。他們一個(gè)月的收入在2 000元左右，如果全職做，收入能有4 000~5 000元。

培訓(xùn)班學(xué)員參與的標(biāo)注項(xiàng)目多是“外包”。某數(shù)據(jù)標(biāo)注主管說，2011年AI數(shù)據(jù)標(biāo)注項(xiàng)目的外包市場(chǎng)剛打開，2015年才開始發(fā)展，緊接著2016年下半年出現(xiàn)收縮，到了2017年又有了新一輪的爆發(fā)。

最近的這次爆發(fā)與人工智能行業(yè)的發(fā)展有關(guān)。大量人工智能機(jī)器落地后，為了投入實(shí)戰(zhàn)，需要進(jìn)行深度學(xué)習(xí)，于是整個(gè)行業(yè)對(duì)數(shù)據(jù)的需求量增大。但非結(jié)構(gòu)數(shù)據(jù)需要經(jīng)標(biāo)注后才能使用，這意味著需要大量人力完成數(shù)據(jù)標(biāo)注工作。

不過，創(chuàng)業(yè)團(tuán)隊(duì)和巨頭公司為了集中精力開展研發(fā)，或保持團(tuán)隊(duì)的高學(xué)歷占比，很少選擇完全自建數(shù)據(jù)標(biāo)注團(tuán)隊(duì)。因此，BAT、人工智能創(chuàng)業(yè)公司，學(xué)術(shù)團(tuán)體，以及政府、銀行等機(jī)構(gòu)都可能成為“發(fā)包方”，將數(shù)據(jù)標(biāo)注工作外包出去。

在“外包方”一端，有 “眾包”和“工廠”兩種模式。前者是把任務(wù)通過平臺(tái)轉(zhuǎn)接給網(wǎng)民，如“百度眾包”“京東眾智”“龍貓數(shù)據(jù)”;后者要么是正規(guī)的機(jī)構(gòu)，要么是20人以下規(guī)模不等的“小作坊”，它們接到項(xiàng)目后會(huì)負(fù)責(zé)數(shù)據(jù)標(biāo)注的所有流程。

總體來看，數(shù)據(jù)標(biāo)注是“勞動(dòng)密集型”的中低收入行業(yè)，大多散落在三四線城市，而愿意做這行的人，大多把數(shù)據(jù)標(biāo)注當(dāng)成外賣、快遞行業(yè)的替代品。

例如，在距離貴陽市中心50公里的百鳥河數(shù)字小鎮(zhèn)，就有一個(gè)規(guī)模500人的“數(shù)據(jù)工場(chǎng)”。在這500名標(biāo)注員中，近一半來自附近一家扶貧高職的學(xué)生。

這些學(xué)生很珍惜這個(gè)兼職機(jī)會(huì)，因?yàn)槊吭履軖? 500元，足以自立，省吃儉用還能補(bǔ)貼家庭，而且數(shù)據(jù)標(biāo)注不用在戶外經(jīng)受日曬雨淋，相對(duì)輕松且體面。

但未來工作前途的不可預(yù)期，相對(duì)低的收入，較大的家庭負(fù)擔(dān)，仍然是這些年輕人無法擺脫的苦惱。

野蠻生長，坑與機(jī)會(huì)并存

數(shù)據(jù)標(biāo)注是一個(gè)勞動(dòng)密集型行業(yè)，進(jìn)入門檻并不高。因此，許多公司就通過壓低“成本”“薄利多量”開展競(jìng)爭(zhēng)。

據(jù)記者了解，許多專職數(shù)據(jù)標(biāo)注的公司大多通過招聘臨時(shí)工來省去五險(xiǎn)一金的人力成本，因此，僅憑7~8萬元的啟動(dòng)資金，就可以在縣級(jí)小城組起一個(gè)“工作室”。

另一方面，AI公司也傾向壓低成本——某數(shù)據(jù)標(biāo)注外包公司主管表示，部分AI公司不夠重視數(shù)據(jù)標(biāo)注，因此在壓低項(xiàng)目總體預(yù)算時(shí)，會(huì)選擇把數(shù)據(jù)標(biāo)注工作外包給一些不靠譜的團(tuán)隊(duì);但這些團(tuán)隊(duì)做不下來，又會(huì)把任務(wù)轉(zhuǎn)包給另一些小團(tuán)隊(duì)，或重新找到大的數(shù)據(jù)標(biāo)注公司，直接影響最終質(zhì)量和交付期限。

“低價(jià)競(jìng)爭(zhēng)和行業(yè)不規(guī)范導(dǎo)致的層層外包是行業(yè)的噩夢(mèng)。”京東眾智平臺(tái)的負(fù)責(zé)人李工認(rèn)為，除此之外，外包直接折損了小團(tuán)隊(duì)的利潤。

例如，何軍就在2017年底投入10萬元，在河南周口成立了一個(gè)40人團(tuán)隊(duì)的數(shù)據(jù)工作室。

“利潤其實(shí)不高，”何軍細(xì)細(xì)算賬，“一個(gè)拉框值4分錢，一個(gè)標(biāo)注員一天能做大約4500個(gè)，但過關(guān)率只有90%，實(shí)際只有160元左右，再除去審核的成本，再給每個(gè)標(biāo)注員每天發(fā)110元左右的工資，平均下來工作室每天也就從每個(gè)人身上賺30元吧。”何軍一直接的是二手項(xiàng)目，第一個(gè)月虧了本，第二個(gè)月勉強(qiáng)持平，因此，他希望在2018年“爭(zhēng)取接到一手項(xiàng)目”。

事實(shí)上，小團(tuán)隊(duì)只能接二手甚至是好幾手的項(xiàng)目，一手項(xiàng)目就像江湖傳說，聽過沒見過。

另一方面，大平臺(tái)也反感層層外包。畢竟要完成一些特定的復(fù)雜任務(wù)，需要對(duì)人員進(jìn)行長達(dá)1~3個(gè)月的培訓(xùn)，但是由臨時(shí)工組建而成的小團(tuán)隊(duì)大多做不到;不僅如此，許多小團(tuán)隊(duì)在理解客戶需求、保證數(shù)據(jù)的多樣性、隨機(jī)性上，也欠缺足夠的能力。

在這之中，還有一個(gè)角色在攪渾水——代理人。代理人就是拉項(xiàng)目跑活的人。一些小公司會(huì)高薪養(yǎng)代理人，以期打通中國人情社會(huì)中的關(guān)鍵節(jié)點(diǎn)。

而數(shù)據(jù)標(biāo)注行業(yè)在經(jīng)歷了早期瘋狂生長后，最終一定進(jìn)入洗牌時(shí)期，屆時(shí)，行業(yè)變得更為規(guī)范化、透明化，數(shù)據(jù)標(biāo)注的質(zhì)量會(huì)成為需求方最優(yōu)先考慮的變量。

大浪淘沙，最終會(huì)有兩類機(jī)構(gòu)留下來：注重質(zhì)量及服務(wù)的中小型數(shù)據(jù)標(biāo)注公司，以及自有整套數(shù)據(jù)技術(shù)的平臺(tái)。

還有5年，只有5年

由于對(duì)技術(shù)動(dòng)向缺乏把握，何軍時(shí)常處于一種對(duì)未來的不安之中。于是，當(dāng)他聽聞“算法升級(jí)后，將不再需要大量人工標(biāo)注”時(shí)，便緊張起來。

但數(shù)據(jù)服務(wù)商BasicFinder的CEO杜霖則認(rèn)為，數(shù)據(jù)標(biāo)注的市場(chǎng)才剛打開，未來5年內(nèi)，數(shù)據(jù)需求將緊隨人工智能的大規(guī)模落地，引來一波爆發(fā)式增長。

首先，這是由于人工智能行業(yè)本身的發(fā)展將進(jìn)一步帶動(dòng)數(shù)據(jù)標(biāo)注行業(yè)。

其次，目前能被建模量化的數(shù)據(jù)只占真實(shí)世界中的極少一部分，而現(xiàn)有的數(shù)據(jù)標(biāo)注業(yè)務(wù)又主要集中在安防和自動(dòng)駕駛領(lǐng)域，未來，隨著AI深入更多垂直行業(yè)，新的數(shù)據(jù)需求將不斷出現(xiàn)。

何軍回憶到，前些天北航的學(xué)生找上門來，要對(duì)“積云”進(jìn)行標(biāo)注。而杜霖也分享了一個(gè)很有意思的標(biāo)注項(xiàng)目——標(biāo)注指甲區(qū)域，因?yàn)榭蛻粢雒兰讬C(jī)器人。

第三，在當(dāng)下主流的“有監(jiān)督學(xué)習(xí)”算法模型下，為了讓算法準(zhǔn)確率更高，對(duì)數(shù)據(jù)的需求量也將隨之增大。

第四，從感知智能向認(rèn)知智能的進(jìn)化過程中，將需要不同維度的數(shù)據(jù)，這可能進(jìn)一步催生出更精細(xì)的數(shù)據(jù)標(biāo)注需求。比如，對(duì)一段對(duì)話數(shù)據(jù)的標(biāo)注，不僅要知道對(duì)話內(nèi)容、語義，可能還需要標(biāo)注談話者的身份、情緒變化等。

杜霖提到，目前在人工智能公司的總支出中，20%~30%都用于數(shù)據(jù)，而現(xiàn)階段大陸市場(chǎng)數(shù)據(jù)采集及標(biāo)注的規(guī)模保守估計(jì)有五十億元。綜合以上四點(diǎn)，在未來，包括采集、標(biāo)注、清洗等流程的數(shù)據(jù)市場(chǎng)將達(dá)上百億元。

而這一切都是基于“有監(jiān)督學(xué)習(xí)”這個(gè)大前提。如果算法從“有監(jiān)督學(xué)習(xí)”升級(jí)為“無監(jiān)督學(xué)習(xí)”等新算法后，數(shù)據(jù)標(biāo)注需求將大大減少。但是在目前，無監(jiān)督學(xué)習(xí)等新算法尚不能用在大規(guī)模的商業(yè)落地中。

因此杜霖判斷，新的革新性算法至少在5年內(nèi)都不會(huì)出現(xiàn)。深度學(xué)習(xí)訓(xùn)練平臺(tái)Novumind創(chuàng)始人吳韌也認(rèn)為，深度學(xué)習(xí)+大數(shù)據(jù)較難出現(xiàn)顛覆性的其他路徑。

5年，這對(duì)公司來說是一個(gè)可以布局、掉頭的“窗口期”。京東眾智的李工說，他們應(yīng)對(duì)變化的策略是著力研發(fā)加速AI落地速度的Pre-A.I.產(chǎn)品，并同時(shí)研發(fā)平臺(tái)技術(shù)，做到“數(shù)據(jù)與流程分離架構(gòu)”，因此數(shù)據(jù)標(biāo)注不是他們的核心戰(zhàn)略。

BasicFinder也有類似布局，他們希望一手對(duì)接垂直行業(yè)里的數(shù)據(jù)生產(chǎn)者，一手對(duì)接上游的算法模型公司，共同推進(jìn)AI的落地。

但對(duì)數(shù)據(jù)標(biāo)注者個(gè)體來說，5年后也許就得面臨一次“失業(yè)”。那時(shí)，他們還能跟隨時(shí)代的腳步騰挪轉(zhuǎn)移嗎?

燙手的小袁

小袁暫時(shí)想不到5年后那么長久的事。

他作為一名換過40份工作的聾啞人，很慶幸終于在數(shù)據(jù)標(biāo)注行業(yè)成了“有用的人”?，F(xiàn)在，他是京東眾智平臺(tái)上“靜公會(huì)”的聾啞人標(biāo)注員，而這個(gè)公會(huì)全部由聽障人士組成。

聾啞人的世界里多為名詞，缺乏形容詞。比如，要向他們解釋這根線標(biāo)得不“直”，就會(huì)比較費(fèi)勁。因此，在數(shù)據(jù)標(biāo)注工作上，健全人1周能完成的培訓(xùn)，聾啞人要花3周或更久。但是他們的優(yōu)點(diǎn)是專注、較真、對(duì)視覺信號(hào)敏銳，數(shù)據(jù)標(biāo)注行業(yè)就成了他們的機(jī)會(huì)。

像小袁這樣的聾啞人在眾智平臺(tái)上還有一千多名，京東為他們成立的“靜公會(huì)”，在項(xiàng)目工作上優(yōu)先照顧。比如，杜霖手下也有3個(gè)殘疾人團(tuán)隊(duì)，總共約80人。

杜霖和京東眾智平臺(tái)負(fù)責(zé)人都表示，愿意為更多殘疾人提供工作機(jī)會(huì)，這里是他們的家。而其中的少數(shù)人，也許能通過轉(zhuǎn)型為數(shù)據(jù)質(zhì)檢者，獲得更長期的職業(yè)生涯。

但科技的發(fā)展，必將帶來智能升級(jí)，也使整個(gè)行業(yè)更加規(guī)范化。因此，盡管數(shù)據(jù)標(biāo)注者的工作是幫機(jī)器更好地學(xué)習(xí)，促進(jìn)人工智能行業(yè)的發(fā)展，但行業(yè)發(fā)展到一定階段時(shí)，可能將不再需要大量的人工標(biāo)注。

可說到底，對(duì)知識(shí)的無限追求既是人類的天賦，也是人類攜帶的危險(xiǎn)，它早已深藏在我們的基因之中，呼喚我們不斷逼近未知邊界，所以更高的智能一定會(huì)到來。屆時(shí)，認(rèn)知差距將取代財(cái)富差距成為人群劃分的最顯著標(biāo)準(zhǔn)——而那可能是一種更無形的“折疊”。

未來，當(dāng)我們真正享受智能帶來的各種便捷時(shí)，歷史會(huì)遺忘這些人工智能領(lǐng)域的“首批工人”嗎?

這可能是除了技術(shù)水平之外，判斷那個(gè)未來是好是壞的更重要的標(biāo)準(zhǔn)。

(本文摘編自微信公眾號(hào)“甲子光年”)

編 輯：李垣諭 penguinpen@163.com

鏈接：

[1]數(shù)據(jù)標(biāo)注：我們準(zhǔn)備一張有家具的圖片，在上面框出家具，并標(biāo)注“家具”兩個(gè)字，就是數(shù)據(jù)標(biāo)注的工作。機(jī)器通過大量圖片學(xué)習(xí)了家具的特征后，再給機(jī)器任意一張有家具的圖片，它就能識(shí)別家具。

[2]非結(jié)構(gòu)數(shù)據(jù)：沒有預(yù)定義的數(shù)據(jù)模型，不方便用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)。

[3]有監(jiān)督學(xué)習(xí)：使用已知正確答案的示例來訓(xùn)練網(wǎng)絡(luò)的。

無監(jiān)督學(xué)習(xí)：可以做到通過人工智能在視頻網(wǎng)站中找貓。具體做法是：算法自動(dòng)將包含貓的視頻組合在一起，而不需要任何明確的訓(xùn)練數(shù)據(jù)。