為推動智能時代的巨輪滾滾向前，AI行業(yè)需要龐大的、標注好的數(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)機器學習的“食物”，即標注好的數(shù)據(jù)。

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

培訓班學員參與的標注項目多是“外包”。某數(shù)據(jù)標注主管說，2011年AI數(shù)據(jù)標注項目的外包市場剛打開，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。大量人工智能機器落地后，為了投入實戰(zhàn)，需要進行深度學習，于是整個行業(yè)對數(shù)據(jù)的需求量增大。但非結構數(shù)據(jù)需要經(jīng)標注后才能使用，這意味著需要大量人力完成數(shù)據(jù)標注工作。

不過，創(chuàng)業(yè)團隊和巨頭公司為了集中精力開展研發(fā)，或保持團隊的高學歷占比，很少選擇完全自建數(shù)據(jù)標注團隊。因此，BAT、人工智能創(chuàng)業(yè)公司，學術團體，以及政府、銀行等機構都可能成為“發(fā)包方”，將數(shù)據(jù)標注工作外包出去。

在“外包方”一端，有 “眾包”和“工廠”兩種模式。前者是把任務通過平臺轉接給網(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)的機構，要么是20人以下規(guī)模不等的“小作坊”，它們接到項目后會負責數(shù)據(jù)標注的所有流程。

總體來看，數(shù)據(jù)標注是“勞動密集型”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)標注當成外賣、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)，就有一個規(guī)模500人的“數(shù)據(jù)工場”。在這500名標注員中，近一半來自附近一家扶貧高職的學生。

這些學生很珍惜這個兼職機會，因為每月能掙1 500元，足以自立，省吃儉用還能補貼家庭，而且數(shù)據(jù)標注不用在戶外經(jīng)受日曬雨淋，相對輕松且體面。

但未來工作前途的不可預期，相對低的收入，較大的家庭負擔，仍然是這些年輕人無法擺脫的苦惱。

野蠻生長，坑與機會并存

數(shù)據(jù)標注是一個勞動密集型行業(yè)，進入門檻并不高。因此，許多公司就通過壓低“成本”“薄利多量”開展競爭。

據(jù)記者了解，許多專職數(shù)據(jù)標注的公司大多通過招聘臨時工來省去五險一金的人力成本，因此，僅憑7~8萬元的啟動資金，就可以在縣級小城組起一個“工作室”。

另一方面，AI公司也傾向壓低成本——某數(shù)據(jù)標注外包公司主管表示，部分AI公司不夠重視數(shù)據(jù)標注，因此在壓低項目總體預算時，會選擇把數(shù)據(jù)標注工作外包給一些不靠譜的團隊;但這些團隊做不下來，又會把任務轉包給另一些小團隊，或重新找到大的數(shù)據(jù)標注公司，直接影響最終質量和交付期限。

“低價競爭和行業(yè)不規(guī)范導致的層層外包是行業(yè)的噩夢。”京東眾智平臺的負責人李工認為，除此之外，外包直接折損了小團隊的利潤。

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

“利潤其實不高，”何軍細細算賬，“一個拉框值4分錢，一個標注員一天能做大約4500個，但過關率只有90%，實際只有160元左右，再除去審核的成本，再給每個標注員每天發(fā)110元左右的工資，平均下來工作室每天也就從每個人身上賺30元吧。”何軍一直接的是二手項目，第一個月虧了本，第二個月勉強持平，因此，他希望在2018年“爭取接到一手項目”。

事實上，小團隊只能接二手甚至是好幾手的項目，一手項目就像江湖傳說，聽過沒見過。

另一方面，大平臺也反感層層外包。畢竟要完成一些特定的復雜任務，需要對人員進行長達1~3個月的培訓，但是由臨時工組建而成的小團隊大多做不到;不僅如此，許多小團隊在理解客戶需求、保證數(shù)據(jù)的多樣性、隨機性上，也欠缺足夠的能力。

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

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

大浪淘沙，最終會有兩類機構留下來：注重質量及服務的中小型數(shù)據(jù)標注公司，以及自有整套數(shù)據(jù)技術的平臺。

還有5年，只有5年

由于對技術動向缺乏把握，何軍時常處于一種對未來的不安之中。于是，當他聽聞“算法升級后，將不再需要大量人工標注”時，便緊張起來。

但數(shù)據(jù)服務商BasicFinder的CEO杜霖則認為，數(shù)據(jù)標注的市場才剛打開，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)展將進一步帶動數(shù)據(jù)標注行業(yè)。

其次，目前能被建模量化的數(shù)據(jù)只占真實世界中的極少一部分，而現(xiàn)有的數(shù)據(jù)標注業(yè)務又主要集中在安防和自動駕駛領域，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，前些天北航的學生找上門來，要對“積云”進行標注。而杜霖也分享了一個很有意思的標注項目——標注指甲區(qū)域，因為客戶要做美甲機器人。

第三，在當下主流的“有監(jiān)督學習”算法模型下，為了讓算法準確率更高，對數(shù)據(jù)的需求量也將隨之增大。

第四，從感知智能向認知智能的進化過程中，將需要不同維度的數(shù)據(jù)，這可能進一步催生出更精細的數(shù)據(jù)標注需求。比如，對一段對話數(shù)據(jù)的標注，不僅要知道對話內(nèi)容、語義，可能還需要標注談話者的身份、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)階段大陸市場數(shù)據(jù)采集及標注的規(guī)模保守估計有五十億元。綜合以上四點，在未來，包括采集、標注、清洗等流程的數(shù)據(jù)市場將達上百億元。

而這一切都是基于“有監(jiān)督學習”這個大前提。如果算法從“有監(jiān)督學習”升級為“無監(jiān)督學習”等新算法后，數(shù)據(jù)標注需求將大大減少。但是在目前，無監(jiān)督學習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)都不會出現(xiàn)。深度學習訓練平臺Novumind創(chuàng)始人吳韌也認為，深度學習+大數(shù)據(jù)較難出現(xiàn)顛覆性的其他路徑。

5年，這對公司來說是一個可以布局、掉頭的“窗口期”。京東眾智的李工說，他們應對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，并同時研發(fā)平臺技術，做到“數(shù)據(jù)與流程分離架構”，因此數(shù)據(jù)標注不是他們的核心戰(zhàn)略。

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

但對數(shù)據(jù)標注者個體來說，5年后也許就得面臨一次“失業(yè)”。那時，他們還能跟隨時代的腳步騰挪轉移嗎?

燙手的小袁

小袁暫時想不到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)標注行業(yè)成了“有用的人”?，F(xiàn)在，他是京東眾智平臺上“靜公會”的聾啞人標注員，而這個公會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得不“直”，就會比較費勁。因此，在數(shù)據(jù)標注工作上，健全人1周能完成的培訓，聾啞人要花3周或更久。但是他們的優(yōu)點是專注、較真、對視覺信號敏銳，數(shù)據(jù)標注行業(yè)就成了他們的機會。

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

杜霖和京東眾智平臺負責人都表示，愿意為更多殘疾人提供工作機會，這里是他們的家。而其中的少數(shù)人，也許能通過轉型為數(shù)據(jù)質檢者，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，也使整個行業(yè)更加規(guī)范化。因此，盡管數(shù)據(jù)標注者的工作是幫機器更好地學習，促進人工智能行業(yè)的發(fā)展，但行業(yè)發(fā)展到一定階段時，可能將不再需要大量的人工標注。

可說到底，對知識的無限追求既是人類的天賦，也是人類攜帶的危險，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到來。屆時，認知差距將取代財富差距成為人群劃分的最顯著標準——而那可能是一種更無形的“折疊”。

未來，當我們真正享受智能帶來的各種便捷時，歷史會遺忘這些人工智能領域的“首批工人”嗎?

這可能是除了技術水平之外，判斷那個未來是好是壞的更重要的標準。

(本文摘編自微信公眾號“甲子光年”)

編 輯：李垣諭 penguinpen@163.com

鏈接：

[1]數(shù)據(jù)標注：我們準備一張有家具的圖片，在上面框出家具，并標注“家具”兩個字，就是數(shù)據(jù)標注的工作。機器通過大量圖片學習了家具的特征后，再給機器任意一張有家具的圖片，它就能識別家具。

[2]非結構數(shù)據(jù)：沒有預定義的數(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)督學習：使用已知正確答案的示例來訓練網(wǎng)絡的。

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