文丨何蕾

ChatGPT 爆火后，AI 行業(yè)開始了新一輪 " 搶人大戰(zhàn) "：

王慧文個人出資 5000 萬美元，打出 "AI 英雄榜 "，要招募業(yè)界公認(rèn)頂級研發(fā)人才；獵頭瘋狂挖角硅谷華裔技術(shù)大佬，跳槽薪資 200 萬起；"10 萬月薪搶人 "，脈脈創(chuàng)始人兼 CEO 林凡稱，國內(nèi) AIGC 行業(yè)也在招兵買馬，年薪百萬、16 薪成為 " 標(biāo)配 "。

(資料圖片)

巨頭喊話、熱錢涌動，中國版 ChatGPT，將誕生在這些頂級 VC、頂級 AI 人才手中。

但與此同時，一個和 ChatGPT 緊密相關(guān)，一個相對低廉、不穩(wěn)定的職業(yè) —— 數(shù)據(jù)標(biāo)注員，也引起了小范圍的關(guān)注和討論。

他們被譽(yù)為 "AI 訓(xùn)練師 "，但他們的工作重復(fù)、機(jī)械、枯燥。

他們是 AI 行業(yè)的 " 勞動密集型 " 企業(yè)，他們被放置在無人問津的角落，推升了這次 ChatGPT 狂潮。

AI 訓(xùn)練師？

" 什么 AI 訓(xùn)練師，我們就是純體力活。" 何文新對數(shù)據(jù)標(biāo)注行業(yè)的總結(jié)是：無前途，無發(fā)展，工作量大，工資低，" 還不如電話銷售。"

什么是數(shù)據(jù)標(biāo)注？

目前 " 深度學(xué)習(xí) " 是主流的訓(xùn)練 AI 模型的方式，但 AI 不會自動識別語音、圖片、文本、視頻等，這時候就需要數(shù)據(jù)標(biāo)注員，對數(shù)據(jù)進(jìn)行加工處理，將一般數(shù)據(jù)變成 AI 可識別的數(shù)據(jù)。

比如，服務(wù)自動駕駛公司的數(shù)據(jù)標(biāo)注員，每天工作就是按照要求，把不同圖上的行人、動物、車、樹木等 " 框 " 出來，以便 " 喂養(yǎng) " AI 模型。而數(shù)據(jù)標(biāo)注的類型有圖像標(biāo)注、語音標(biāo)注、3D 點(diǎn)云標(biāo)注和文本標(biāo)注等。

簡而言之，數(shù)據(jù)標(biāo)注員在創(chuàng)造喂養(yǎng) AI 的養(yǎng)料。從工作產(chǎn)出來看，數(shù)據(jù)標(biāo)注員確實(shí)可以稱為 AI 的老師。

數(shù)據(jù)標(biāo)注工作并不難，只需要一臺電腦，一個鼠標(biāo)；簡單培訓(xùn)后，就可以上手。但是，這個工作并不輕松，需要耐心和細(xì)心。

" 很累，一整天要盯著電腦。" 何文新稱，" 標(biāo)注 " 工作重復(fù)繁瑣、沒什么技術(shù)含量，但也有質(zhì)量要求，標(biāo)注錯了、標(biāo)注范圍大、標(biāo)注不夠仔細(xì)等，都會被審核打回去重新做。

" 很簡單，但也很難。" 寶媽 lili 在網(wǎng)上吐槽，因?yàn)榻?jīng)常面對拉伸圖，很多圖片根本看不清，容易做錯。

和 AI 行業(yè)的高薪相比，數(shù)據(jù)標(biāo)注員的工資并不高。

" 一張圖 9 毛錢，一天做 100 張。"lili 稱，如果都合格，一天能賺 90 塊。

" 不同的標(biāo)注價格不一樣。" 何文新稱，他當(dāng)時的工資在 3000 左右。基礎(chǔ)的數(shù)據(jù)標(biāo)注員月薪大部分在 2000-4000 元之間，但因?yàn)闃?biāo)注的速度、質(zhì)量問題，" 很難拿到當(dāng)時面試跟你承諾的工資。"

鞭牛士在一些招聘網(wǎng)站上搜索 " 數(shù)據(jù)標(biāo)注 "，薪資區(qū)間在 2000-8000 之間。一些特殊的標(biāo)注，比如小語種、高精制圖等，薪酬會更高。

2020 年 2 月，" 人工智能訓(xùn)練師 " 正式成為新職業(yè)，納入國家職業(yè)分類目錄。中國信通院報告提出，" 現(xiàn)階段 AI 應(yīng)用研發(fā)，數(shù)據(jù)標(biāo)注是根本，10 年之內(nèi)都要依賴于標(biāo)注數(shù)據(jù) "。

ChatGPT 的 " 數(shù)據(jù)標(biāo)注 " 壁壘

今年 1 月，美國《時代周刊》報道稱，ChatGPT 使用了低廉的肯尼亞外包勞工，對龐大的數(shù)據(jù)庫手動進(jìn)行數(shù)據(jù)標(biāo)注。

打造了 ChatGPT、估值飆升至 300 億美元的 OpenAI，是否存在 " 剝削 " 廉價勞動力的問題？

為 OpenAI 提供數(shù)據(jù)標(biāo)注服務(wù)的是總部位于舊金山的 Sama，Sama 在在肯尼亞、烏干達(dá)和印度雇傭員工，服務(wù) Google、Meta 和微軟等客戶。

據(jù)愛范兒報道，OpenAI 在 2021 年底與 Sama 簽署了三份總價值約 20 萬美元的合同，為數(shù)據(jù)庫中有害的內(nèi)容進(jìn)行標(biāo)記。

根據(jù)合同規(guī)定，OpenAI 將為該項(xiàng)目向 Sama 支付每小時 12.50 美元的報酬；但 Sama 支付給數(shù)據(jù)標(biāo)注員的時薪只有 1.32 美元～2 美元。

這些數(shù)據(jù)標(biāo)注員，每 9 個小時要閱讀和標(biāo)注 150~200 段文字，最多一小時要閱讀和標(biāo)注超 2 萬個單詞。

并且，因?yàn)樗麄儤?biāo)注的是互聯(lián)網(wǎng)上的 " 有害的內(nèi)容 "，比如自殺、酷刑等，大部分標(biāo)注員受到持久的心理創(chuàng)傷，甚至出現(xiàn)幻覺。但 Sama 公司卻拒絕為他們提供一對一的心理咨詢。

這些數(shù)據(jù)標(biāo)注員，對 ChatGPT 而言意義重大。為了讓 ChatGPT 成為一個適合用戶日常使用的聊天機(jī)器人，一個好的學(xué)習(xí)數(shù)據(jù)源非常重要。

比如，ChatGPT 的前身 GPT-3，就存在暴力、性別歧視等言論。用戶在對話框中發(fā)送 " 我應(yīng)該自殺嗎 " 問題，GPT-3 回答 " 我認(rèn)為你應(yīng)該這么做 "。

在更早的 2012 年，清華大學(xué)圖書館機(jī)器人 " 小圖 "，因?yàn)閷W(xué)習(xí)了網(wǎng)友太多 " 臟話 "，被強(qiáng)制下線。當(dāng)時有媒體報道，小圖至少學(xué)會了 4 萬條不良信息。

AI 自身并不能判斷善惡，需要人為干預(yù)，標(biāo)注、過濾掉一些 " 特殊數(shù)據(jù) "。為此，OpenAI 建立了一個安全系統(tǒng)，這就是 Sama 和數(shù)據(jù)標(biāo)注員的工作：給 AI 提供標(biāo)有暴力、仇恨語言等標(biāo)簽，AI 就可以學(xué)會檢測這些內(nèi)容，并將這些不良內(nèi)容過濾掉。

除此之外，一些專業(yè)領(lǐng)域的信息，也需要專業(yè)的標(biāo)注。這也是為什么 ChatGPT 在回答醫(yī)學(xué)等專業(yè)領(lǐng)域問題時錯誤百出，因?yàn)樗€沒有精確地相關(guān)數(shù)據(jù) " 喂養(yǎng) "。

實(shí)際上早有業(yè)內(nèi)人士分析，ChatGPT 的算法并不神秘，比如公開的成熟的自回歸語言模型、強(qiáng)化學(xué)習(xí)的 PPO 算法等；但數(shù)據(jù)，是 ChatGPT 真正的優(yōu)勢。

"ChatGPT 通過搶先開始公測，收集了大量的用戶的使用數(shù)據(jù) "，這也是 ChatGPT 獨(dú)有的、寶貴的數(shù)據(jù)。

和算力的 " 軍備 " 競賽不同，數(shù)據(jù)會有滾雪球效應(yīng)，只要 ChatGPT 仍然是最好用的語言 AI，就會一直保持先發(fā)優(yōu)勢，后來者會越來越難追上。

ChatGPT，已經(jīng)建立起了 " 數(shù)據(jù)壁壘 "。

而近期才開始官宣的 " 中國版 ChatGPT"，除了要加強(qiáng)在算法、算力的投入，中文語言數(shù)據(jù)的處理，中文敏感詞、有害信息的過濾，也需要大量的投入。

如今，ChatGPT 掀起人工智能新浪潮，最底層、最邊緣的數(shù)據(jù)標(biāo)注員是否會有新的待遇？

國內(nèi)數(shù)據(jù)標(biāo)注亂象

據(jù)第一財經(jīng)報道，中國的數(shù)據(jù)標(biāo)注行業(yè)最早可追溯到 2005 年，著名計算機(jī)視覺專家、人工智能專家朱純松在湖北鄂州創(chuàng)辦了蓮花山研究院。

中國信通院報告指出，2015 年，隨著人工智能巨頭的崛起，數(shù)據(jù)標(biāo)注和采集需求激增，市場真正意義上開始形成。

2016 年，AlphaGo 橫空出世，人工智能開始商業(yè)化探索，相應(yīng)的數(shù)據(jù)服務(wù)公司也迎來了一波發(fā)展高峰。

人工智能公司發(fā)展波折不斷，數(shù)據(jù)標(biāo)注行業(yè)也處在早期的蠻荒階段，存在分散、效率差、標(biāo)注質(zhì)量參差不齊、市場需求不穩(wěn)定等問題。

何文新等數(shù)據(jù)標(biāo)注員有特別直觀的感受。能不能拿到穩(wěn)定的項(xiàng)目，是一個外包的數(shù)據(jù)標(biāo)注公司能否存活的關(guān)鍵。

" 我們公司比較小，很難拿到一手的項(xiàng)目。" 何文新稱，他們拿到的可能是層層外包的項(xiàng)目，價格比較低，而且極不穩(wěn)定，" 有時候項(xiàng)目沒做完，公司就沒了。"

而一些數(shù)據(jù)標(biāo)注公司在招聘兼職數(shù)據(jù)標(biāo)注員時，會強(qiáng)調(diào)薪酬分兩次結(jié)算，" 次月和 6 個月后各結(jié)算一半 "，因?yàn)檫@是甲方的結(jié)算習(xí)慣，一些數(shù)據(jù)公司并不會提前 " 墊付 " 薪酬。

因?yàn)闆]有什么門檻，十幾個人也能攢出一個團(tuán)隊(duì)，因此，數(shù)據(jù)標(biāo)注公司質(zhì)量層次不齊，行業(yè)競爭也異常激烈。

據(jù)第一財經(jīng)報道，2018 年，科大訊飛旗下的眾包平臺 " 愛標(biāo)客 " 上，一些簡單的打框和轉(zhuǎn)寫校準(zhǔn)項(xiàng)目，時薪在 25 到 40 元之間；到 2021 年底，時薪就降到了 10 到 15 元，" 有時候可能連 10 元都不到 "。

并且，數(shù)據(jù)標(biāo)注行業(yè)還存在一些招聘騙局，比如打著招聘的名義，騙求職者繳納高昂的培訓(xùn)費(fèi)等。

而數(shù)據(jù)標(biāo)注員，也是人工智能行業(yè)中，最不穩(wěn)定、最容易被取代的角色。

2022 年 6 月，特斯拉在全球開啟了裁員計劃。其中規(guī)模最大的一次裁員，是解雇了 200 名美國員工。他們大多數(shù)是小時工，負(fù)責(zé)自動駕駛數(shù)據(jù)標(biāo)注。

有媒體分析，特斯拉這次裁員的原因是這一工作技術(shù)含量不高，操作起來比較簡單；并且特斯拉的自動化數(shù)據(jù)標(biāo)注有了進(jìn)展，可以代替人力完成部分工作。

目前，何文新已經(jīng)從數(shù)據(jù)標(biāo)注公司離職，換了新的行業(yè)。工資低、累、沒有晉升空間、沒有學(xué)到東西，是數(shù)據(jù)標(biāo)注員離職的主要原因。

但是，除了這些問題，數(shù)據(jù)標(biāo)注員的薪資，在 4、5 線城市依然有競爭力。

實(shí)際上，因?yàn)閷儆?" 勞動密集型 " 產(chǎn)業(yè)，一些地方政府對數(shù)據(jù)標(biāo)注產(chǎn)業(yè)拋出橄欖枝，成為解決當(dāng)?shù)鼐蜆I(yè)、扶貧的優(yōu)質(zhì)項(xiàng)目。

另一方面，因?yàn)殚T檻低、操作簡單，數(shù)據(jù)標(biāo)注員也成為殘疾人友好崗位，" 邊碼故事 " 曾報道殘疾人成為數(shù)據(jù)標(biāo)注員的故事，" 一臺電腦就能賺錢是之前想都不敢想的 "。

而一些數(shù)據(jù)標(biāo)注公司的推廣視頻下面，有不少用戶留言咨詢，想要加入。

在面對使用廉價勞動力質(zhì)疑時，OpenAI 回應(yīng)稱，他們支付給 Sama 的費(fèi)用幾乎是東非其他內(nèi)容審核公司的兩倍；賺差價的 Sama 則稱自己是 " 有道德的 AI 公司 "，已經(jīng)幫助 5 萬多人擺脫了貧困。

據(jù)國盛證券估計，類 ChatGPT 的大模型訓(xùn)練一次就要燒掉 200 萬 - 1200 萬美元，僅每日的電費(fèi)消耗就高達(dá) 4.7 萬美元；2022 年，OpenAI 公司凈虧損高達(dá) 5.45 億美元。

我們在驚嘆人工智能的突破和背后的技術(shù)成本時，在追捧 OpenAI 2000 億人民幣的估值時，不應(yīng)該忘記背后千萬的數(shù)據(jù)標(biāo)注員。他們在聚光燈外，如一葉葉扁舟，飄蕩在人工智能藍(lán)海上。

（應(yīng)受訪者要求，本文人名為化名。）

來源：鞭牛士 微信號：bianews8