你聽過AI數(shù)據(jù)標注師嗎？

幾年前，寶媽群體扛起數(shù)據(jù)標注的大旗，僅需基礎(chǔ)的電腦操作能力和足夠的細心耐心，識別文本、拉個框便可勝任，被稱為人工智能末梢的“流水線民工”；而如今，大模型熱下的后半場，這一業(yè)態(tài)吸引來無數(shù)青年群體，他們憑借專業(yè)的知識儲備和個人理解，不僅要給機器“挑錯”，還要教對方“調(diào)優(yōu)”，做起了AI的首個“啟蒙師”。

求職者之變，源于市場需求之變。對AI數(shù)據(jù)標注這一新業(yè)態(tài)，北京商報記者注意到，有公司花費超十億的高價投入，也有公司打出自建自管的“持久戰(zhàn)”，還有公司僅在一年中就發(fā)展出上千人的規(guī)模。

其中，不乏螞蟻、百度、字節(jié)、美團等大廠高價“挖人”，相較傳統(tǒng)的數(shù)據(jù)標注，他們更青睞有專業(yè)和經(jīng)驗多重“buff加身”的復(fù)合型人才，由此，一場從流水線民工到標注領(lǐng)域?qū)＜业穆殬I(yè)巨變，正悄然鋪開……

大廠高價“挖人”，有人月薪高至5萬元 

盡管出身法律專業(yè)，但楊威（化名）決心進入數(shù)據(jù)標注行業(yè)。

和其他“00后”一樣，作出決策前她沒有過多猶豫，吸引她的點是覺得這個新職業(yè)比較“酷”。

“給機器人打工，接觸科技前沿，這潑天的富貴終于輪到了我頭上！”揣著對人工智能的好奇心，楊威在一家法律數(shù)據(jù)公司的駐外項目組獲得了一份“數(shù)據(jù)標注師”的實習(xí)工作，目前，她所在的公司已經(jīng)具備為客戶提供合同大模型服務(wù)的能力，而她所承擔(dān)的數(shù)據(jù)標注，則是對合同中需要提取審查的要素進行框選，進而讓大模型更具學(xué)習(xí)能力。

就像教孩子蹣跚學(xué)步，大模型的每一次進步，都有數(shù)據(jù)標注師的引導(dǎo)。楊威稱，她每天都會在掃描好的合同上框出數(shù)據(jù)“鍵值key”對應(yīng)的“屬性值value”，如合同中的雙方當事人、簽約時間地點、合同金額、驗收條款、違約責(zé)任等，一份合同大概有30－60個key與value對應(yīng)。

在建立這樣的連接和人工標注后，機器學(xué)習(xí)時就能知道合同里當事人在什么位置、保險條款如何體現(xiàn)、違約責(zé)任在合同里是否有，進而發(fā)揮合同大模型的作用——協(xié)助更高效的合同審查。

“事少錢還多，有趣又有價值”是楊威對這一職業(yè)的評價。雖然文科出身，但能接觸到前沿科技，還能實現(xiàn)財富積累和個人價值，何樂而不為？

是否“事少”未可知，不過“錢多”已有多方佐證。北京商報記者從多位受訪者處了解到，從事普通的初級AI數(shù)據(jù)標注員，一般月薪在數(shù)千元至萬元不等，但大多數(shù)人將目標瞄準的是高級AI數(shù)據(jù)標注師甚至專家，月薪一般都會過萬元，高者甚至達到5萬元。

此點從公開招聘來看同樣有所體現(xiàn)。北京商報記者注意到，有招聘網(wǎng)站設(shè)置了AI數(shù)據(jù)標注師招聘專場，新增職位1476個。其中，包括百度、字節(jié)、美團等大廠，均在AI數(shù)據(jù)標注市場花高價“挖人”，月薪多數(shù)在1.5萬元上下，專家級別能給到5萬元甚至更高。

從在招的多個崗位來看，“有相關(guān)工作經(jīng)驗、有項目管理能力”是基本要求，一些高級AI數(shù)據(jù)標注專家職位，除了數(shù)據(jù)處理、特征提取、模型訓(xùn)練外，還需負責(zé)深入研究AI數(shù)據(jù)科學(xué)領(lǐng)域、主流AI框架等，結(jié)合公司的業(yè)務(wù)場景，評估引入新技術(shù)并應(yīng)用落地。

有意思的是，和楊威有著相似想法的“00后”還有很多。北京商報記者采訪了解到，或出于對人工智能的興趣，或出于不錯的薪資水平，如今，許多正在求職中的畢業(yè)生、拓展新職業(yè)可能的年輕人，均將眼光投向了AI數(shù)據(jù)標注，為金融業(yè)、無人駕駛、智能客服、新零售等人工智能場景提供數(shù)據(jù)支撐。

對此，螞蟻集團數(shù)字天螞總經(jīng)理徐怡悅同樣向北京商報記者透露，招聘過程中確實發(fā)現(xiàn)有不少大學(xué)生逆流回歸的現(xiàn)象，不少大模型標注師中，越來越多大學(xué)生更愿意回到家鄉(xiāng)承接這類工作，她介紹，“這個職業(yè)更看重能力和經(jīng)驗，不局限于個人位置和場地，對標大城市來看還能拿到較高工資收入，確實能吸引不少年輕人群體” 。

市場偏見仍存，高學(xué)歷人才看不起流水線

求職者的選擇，離不開市場需求的擴大與產(chǎn)業(yè)的漸漸成熟。隨著人工智能的蓬勃發(fā)展，龐大的數(shù)據(jù)標注需求，推動著我國數(shù)據(jù)標注產(chǎn)業(yè)市場的快速增長。數(shù)據(jù)標注企業(yè)不斷涌現(xiàn)并相繼落地三、四線城市。

不過，對于AI數(shù)據(jù)標注師這一新業(yè)態(tài)，有人向往，也有人不屑一顧。不同于楊威的新奇，來自某211高校計算機專業(yè)的王林（化名）坦言，畫框、分類、評級，這樣“機械”的數(shù)據(jù)標注工作似乎并沒有什么門檻，也不會進入人工智能、計算機、深度學(xué)習(xí)專業(yè)學(xué)生的求職意向單中。

這樣的情況并不少見，在北京商報記者的多個采訪對話中，不少人也發(fā)出疑問，數(shù)據(jù)標注不就是打打標、畫個框？難道還有什么特別高的要求嗎？

殊不知，王林口中所稱的機械式工作，僅僅是數(shù)據(jù)標注業(yè)態(tài)的“過去式”。北京商報記者了解到，傳統(tǒng)的數(shù)據(jù)標注工作，主要以“打點”和“畫框”為主，執(zhí)行的是已成客觀事實的標注行為，是什么就是什么，需嚴格按照既定的標注規(guī)范進行。

也正因此，曾經(jīng)的數(shù)據(jù)標注被稱為AI領(lǐng)域的流水線“民工”，有電腦就能做，人群主要為低學(xué)歷及兼職人群，月薪為數(shù)千元。

而現(xiàn)在市場熱招的大模型標注師，不再是計件式、簡單化，更像在做閱讀理解。由此，對于人才的需求也更偏向復(fù)合型，需要更為綜合的專業(yè)能力和表達能力。

作為人工智能算法的“燃料”，數(shù)據(jù)是人工智能實現(xiàn)應(yīng)用落地的必備要素。大多數(shù)未加工的原始數(shù)據(jù)需經(jīng)過專業(yè)的標注和處理，才能被有效轉(zhuǎn)化為有價值的信息。事實上，從更狹義的角度來看，數(shù)據(jù)標注師的工作不僅僅是簡單的分類或標記，而涉及到對原始數(shù)據(jù)進行深入理解，然后以一種機器可以識別和學(xué)習(xí)的方式進行標注。這個過程對于訓(xùn)練機器學(xué)習(xí)模型來說至關(guān)重要，因為高質(zhì)量地標注數(shù)據(jù)可以顯著提高模型的準確性和效率。

但正如王林的表態(tài)，即使清楚數(shù)據(jù)標注對大模型優(yōu)化的意義，總還是認為“這一崗位與算法工程師、大模型架構(gòu)師相比沒那么高端”。“我們在招聘過程中，確實會遇到不少對數(shù)據(jù)標注師的成見，想要吸引復(fù)合型人才比較難。” 徐怡悅向北京商報記者坦言，“一方面，不少人群對數(shù)據(jù)標注崗位的認知還沒有轉(zhuǎn)變；另外，我們更需要行業(yè)專家，如具有多年從業(yè)經(jīng)驗的律師、主任醫(yī)師，但這些人才本身在自己的領(lǐng)域就十分優(yōu)秀了，要想把他們挖掘過來幫助我們做標注非常難。”

為了打破成見，將社會標簽從“工廠流水線”轉(zhuǎn)型“標注專家”，是企業(yè)側(cè)吸引復(fù)合型高學(xué)歷人才的一大手段。在螞蟻，數(shù)據(jù)標注師或許更應(yīng)該被稱作AI訓(xùn)練師。他們深度參與大模型標注的全生命周期，包括模型訓(xùn)練階段的數(shù)據(jù)準備、強化訓(xùn)練以及特定領(lǐng)域的微調(diào)，模型上線之后的能力評估、對客安全管控等工作。

北京商報記者從知情人士處了解到，不少大廠招聘的大模型標注人員，本科學(xué)歷比例達到六成以上，還有的已達到100%，甚至很多專業(yè)領(lǐng)域的標注人員都是碩士或博士學(xué)歷。要求提高，自然“地位”提高。他們的身份就不再是“流水線”標注員，而是“領(lǐng)域標注專家”甚至是“解決方案架構(gòu)師”。

隨著醫(yī)療、金融、法律等專業(yè)領(lǐng)域大模型的開發(fā)應(yīng)用，如今行業(yè)對數(shù)據(jù)標注的專業(yè)性也有了更高的要求。中國信息通信研究院人工智能研究所高級工程師李蓀指出，未來大模型向行業(yè)領(lǐng)域深耕落地，對行業(yè)的數(shù)據(jù)和知識需求會更多，因此對數(shù)據(jù)標注人才的專業(yè)知識和技能要求會更高、更強。此外根據(jù)不同專業(yè)領(lǐng)域的需求，數(shù)據(jù)標注服務(wù)定制化需求更多、安全合規(guī)也會更嚴，企業(yè)端對人才培養(yǎng)體系和產(chǎn)業(yè)運作模式需要更加的創(chuàng)新，以適應(yīng)新質(zhì)生產(chǎn)力對生產(chǎn)關(guān)系的需求。

“不過，在這個過程中也會出現(xiàn)很多風(fēng)險，應(yīng)該重點注意、加強防范，例如數(shù)據(jù)隱私泄露、數(shù)據(jù)倫理安全、數(shù)據(jù)投毒檢測、數(shù)據(jù)合規(guī)審計和數(shù)據(jù)質(zhì)量控制等。” 李蓀強調(diào)。

十億級投入，新用工模式受追捧

懂算法更懂專業(yè)知識、能操作細節(jié)也能產(chǎn)出方案，這樣的“復(fù)合型人才”，成為一個合格數(shù)據(jù)標注師的培養(yǎng)方向。

從“流水線民工”進化至行業(yè)專家，對于數(shù)據(jù)標注行業(yè)的轉(zhuǎn)變，螞蟻集團智能標注專項負責(zé)人林城深有所感。“數(shù)據(jù)提質(zhì)和強化訓(xùn)練階段將直接影響大模型的訓(xùn)練效果，同時，準確的效果評測和防御能力的建設(shè)可以引導(dǎo)大模型持續(xù)優(yōu)化合規(guī)應(yīng)用。”林城說道，因此，不管是將標注人員所掌握的一些知識轉(zhuǎn)化成數(shù)據(jù)提供給大模型訓(xùn)練，還是對大模型的評測、校準，都需要行業(yè)專家才能產(chǎn)出。

以金融管家為例，大模型回答諸如金融保險的分類、資產(chǎn)如何配置等話題，所需知識在網(wǎng)絡(luò)中都不是結(jié)構(gòu)化的，沒有成文的東西可“喂養(yǎng)”。這時，AI訓(xùn)練師就可以通過自有知識的轉(zhuǎn)化，使大模型學(xué)習(xí)更多。

但“缺人”仍是目前眾多大模型研發(fā)大廠最棘手的痛點。

企業(yè)也在嘗試新的應(yīng)對之策，例如有大廠正在探索基于大模型的新用工模式，對崗位位置和場地不設(shè)限制，更多要求的是個人的經(jīng)驗和能力。

同時，也在嘗試跑通“更高端的眾包模式”，增強用人靈活性。例如，在職律師以兼職的方式參與數(shù)據(jù)標注的指導(dǎo)工作，既能獲取額外收入，也能保證較高的產(chǎn)出。

在復(fù)合型人才緊缺的情況下，自建自管自主培養(yǎng)的模式也成為不少公司的選擇。北京商報記者了解到，百度、字節(jié)等公司均在自建數(shù)據(jù)標注團隊。有知情人士表示，大廠對AI數(shù)據(jù)標注給予了極高的重視，有公司在該領(lǐng)域的投入高達上億甚至十億級別。另有公開信息顯示，百度目前已與各地政府合作共建了十多個數(shù)據(jù)標注基地，提供給上萬個就業(yè)崗位。

“將所有的大模型訓(xùn)練資源集中在一個地方，統(tǒng)一規(guī)模化管理，從而服務(wù)上游的各個大模型基座訓(xùn)練應(yīng)用，一方面方便各個項目之間的資源協(xié)調(diào)，另一方面也有利于將數(shù)據(jù)標注方法論沉淀、復(fù)用，形成大模型全體系提質(zhì)增效。”林城評價。

“數(shù)據(jù)標注這個業(yè)態(tài)一直存在，人工智能的發(fā)展，對數(shù)據(jù)標注產(chǎn)業(yè)的形成和培育起到了非常重要的作用。”李蓀總結(jié)到，在發(fā)展過程中，當前數(shù)據(jù)標注產(chǎn)業(yè)已包括眾包模式、專業(yè)數(shù)據(jù)服務(wù)模式、自建團隊+外包團隊服務(wù)模式、第三方專業(yè)服務(wù)等新業(yè)態(tài)新模式。從人員結(jié)構(gòu)上來看，呈現(xiàn)多樣化、多層次、多技能型發(fā)展趨勢。

知名經(jīng)濟學(xué)者盤和林則提出，數(shù)據(jù)標注企業(yè)需要向數(shù)據(jù)服務(wù)商轉(zhuǎn)變，因為AI向多領(lǐng)域發(fā)展，機器學(xué)習(xí)所需要的數(shù)據(jù)類型將越來越豐富，預(yù)標注需要響應(yīng)客戶定制化要求。

從“挑錯”到“調(diào)優(yōu)”，背后的AI之變

從最初的“挑錯”工作，進化至高階的“調(diào)優(yōu)”，數(shù)據(jù)標注之變，源于AI需求之變。

有人說，從前的AI，僅是一種看不見摸不著的底層技術(shù)，而進化后的AI，則更像是一個需要馴化的智慧生命體，需應(yīng)對千人千面的需求。

尤其是近兩年來，大模型開發(fā)進入深水區(qū)，行業(yè)也從“百模大戰(zhàn)”進化到“價格戰(zhàn)”，如何實現(xiàn)大模型的商業(yè)化落地成為各大廠商的一大考題。近期，阿里、百度、字節(jié)跳動等各大廠商紛紛降價，在搶占市場的同時，也促進大模型應(yīng)用的快速落地。

可以看到，不管是在金融、醫(yī)療、教育、制造業(yè)，還是身邊觸手可及的餐飲、消費、出行，人工智能在以更快的速度應(yīng)用至各行各業(yè)，并以看得見摸得著的方式不斷拓寬邊界。

這背后自然帶來數(shù)據(jù)需求的擴大與精細化。李蓀將訓(xùn)練數(shù)據(jù)比作為人工智能編制高質(zhì)量的教材。傳統(tǒng)的深度學(xué)習(xí)范式下，模型訓(xùn)練是“有監(jiān)督”學(xué)習(xí)，數(shù)據(jù)從定向采集、精細化標注到訓(xùn)練，是全程陪伴式課堂教學(xué)，主要解決感知智能問題，教會機器對客觀信息做基礎(chǔ)性的準確判斷。在大模型時代，學(xué)習(xí)模式轉(zhuǎn)向“自學(xué)+專業(yè)培訓(xùn)式學(xué)習(xí)”，主要解決“感知+認知”智能問題，教會機器推理、涌現(xiàn)，所學(xué)習(xí)的知識的廣度和深度進一步擴大了。

AI的變革，還使得大模型標注新興模式出現(xiàn)，形成“用魔法打敗魔法”的風(fēng)景線。例如，通過大模型植入標注過程，逐步去做一些高效輔助，甚至是少量替代人工。

這會帶來人才與就業(yè)的焦慮嗎？答案是否定的。“本身是人訓(xùn)練了模型，模型進一步又將人不斷地替代。所以未來的趨勢是對人的要求不斷疊高，人永遠去做最頂端的最難的事情，再把這些經(jīng)驗轉(zhuǎn)化下來。” 徐怡悅說道。

“AI對行業(yè)的刺激，使得復(fù)合型人才更被市場所需要。”在林城看來，這也預(yù)示著數(shù)據(jù)標注下一個競爭維度——隨著自動化和半自動化標注工具的快速發(fā)展，能夠充分理解、熟練運用這些先進技術(shù)來提高標注效率和準確率的標注師，能將其專業(yè)知識轉(zhuǎn)化成產(chǎn)品能力、算法能力的標注師，將更具競爭力。

“隨著大模型的深化迭代，更加專家化、垂類化的數(shù)據(jù)標注需求一定會越來越多。”一資深業(yè)內(nèi)人士同樣說道。正如量子位智庫發(fā)布的《中國AIGC數(shù)據(jù)標注產(chǎn)業(yè)全景報告》顯示，大模型時代，數(shù)據(jù)標注人才缺口或達百萬，前景相當可觀。

對此，李蓀也預(yù)測，隨著大模型產(chǎn)業(yè)的持續(xù)增長、數(shù)據(jù)處理技術(shù)不斷革新升級、行業(yè)場景專業(yè)數(shù)據(jù)需求逐步增加、全球化人工智能發(fā)展等因素影響，市場對人工智能訓(xùn)練師、數(shù)據(jù)標注師、提示詞工程師、模型基準測試等人才崗位需求將會更加強烈，大模型產(chǎn)業(yè)正值爆發(fā)期，AI數(shù)據(jù)標注師后續(xù)發(fā)展前景將更加廣闊。

AI邁向大應(yīng)用時代，或已到來。

來源：北京商報 作者：劉四紅 董晗萱