文丨何蕾

ChatGPT 爆火后，AI 行業開始了新一輪 " 搶人大戰 "：

王慧文個人出資 5000 萬美元，打出 "AI 英雄榜 "，要招募業界公認頂級研發人才；獵頭瘋狂挖角硅谷華裔技術大佬，跳槽薪資 200 萬起；"10 萬月薪搶人 "，脈脈創始人兼 CEO 林凡稱，國內 AIGC 行業也在招兵買馬，年薪百萬、16 薪成為 " 標配 "。

(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，一個相對低廉、不穩定的職業 —— 數據標注員，也引起了小范圍的關注和討論。

他們被譽為 "AI 訓練師 "，但他們的工作重復、機械、枯燥。

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

AI 訓練師？

" 什么 AI 訓練師，我們就是純體力活。" 何文新對數據標注行業的總結是：無前途，無發展，工作量大，工資低，" 還不如電話銷售。"

什么是數據標注？

目前 " 深度學習 " 是主流的訓練 AI 模型的方式，但 AI 不會自動識別語音、圖片、文本、視頻等，這時候就需要數據標注員，對數據進行加工處理，將一般數據變成 AI 可識別的數據。

比如，服務自動駕駛公司的數據標注員，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 " AI 模型。而數據標注的類型有圖像標注、語音標注、3D 點云標注和文本標注等。

簡而言之，數據標注員在創造喂養 AI 的養料。從工作產出來看，數據標注員確實可以稱為 AI 的老師。

數據標注工作并不難，只需要一臺電腦，一個鼠標；簡單培訓后，就可以上手。但是，這個工作并不輕松，需要耐心和細心。

" 很累，一整天要盯著電腦。" 何文新稱，" 標注 " 工作重復繁瑣、沒什么技術含量，但也有質量要求，標注錯了、標注范圍大、標注不夠仔細等，都會被審核打回去重新做。

" 很簡單，但也很難。" 寶媽 lili 在網上吐槽，因為經常面對拉伸圖，很多圖片根本看不清，容易做錯。

和 AI 行業的高薪相比，數據標注員的工資并不高。

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

" 不同的標注價格不一樣。" 何文新稱，他當時的工資在 3000 左右。基礎的數據標注員月薪大部分在 2000-4000 元之間，但因為標注的速度、質量問題，" 很難拿到當時面試跟你承諾的工資。"

鞭牛士在一些招聘網站上搜索 " 數據標注 "，薪資區間在 2000-8000 之間。一些特殊的標注，比如小語種、高精制圖等，薪酬會更高。

2020 年 2 月，" 人工智能訓練師 " 正式成為新職業，納入國家職業分類目錄。中國信通院報告提出，" 現階段 AI 應用研發，數據標注是根本，10 年之內都要依賴于標注數據 "。

ChatGPT 的 " 數據標注 " 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，對龐大的數據庫手動進行數據標注。

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 提供數據標注服務的是總部位于舊金山的 Sama，Sama 在在肯尼亞、烏干達和印度雇傭員工，服務 Google、Meta 和微軟等客戶。

據愛范兒報道，OpenAI 在 2021 年底與 Sama 簽署了三份總價值約 20 萬美元的合同，為數據庫中有害的內容進行標記。

根據合同規定，OpenAI 將為該項目向 Sama 支付每小時 12.50 美元的報酬；但 Sama 支付給數據標注員的時薪只有 1.32 美元～2 美元。

這些數據標注員，每 9 個小時要閱讀和標注 150~200 段文字，最多一小時要閱讀和標注超 2 萬個單詞。

并且，因為他們標注的是互聯網上的 " 有害的內容 "，比如自殺、酷刑等，大部分標注員受到持久的心理創傷，甚至出現幻覺。但 Sama 公司卻拒絕為他們提供一對一的心理咨詢。

這些數據標注員，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器人，一個好的學習數據源非常重要。

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

在更早的 2012 年，清華大學圖書館機器人 " 小圖 "，因為學習了網友太多 " 臟話 "，被強制下線。當時有媒體報道，小圖至少學會了 4 萬條不良信息。

AI 自身并不能判斷善惡，需要人為干預，標注、過濾掉一些 " 特殊數據 "。為此，OpenAI 建立了一個安全系統，這就是 Sama 和數據標注員的工作：給 AI 提供標有暴力、仇恨語言等標簽，AI 就可以學會檢測這些內容，并將這些不良內容過濾掉。

除此之外，一些專業領域的信息，也需要專業的標注。這也是為什么 ChatGPT 在回答醫學等專業領域問題時錯誤百出，因為它還沒有精確地相關數據 " 喂養 "。

實際上早有業內人士分析，ChatGPT 的算法并不神秘，比如公開的成熟的自回歸語言模型、強化學習的 PPO 算法等；但數據，是 ChatGPT 真正的優勢。

"ChatGPT 通過搶先開始公測，收集了大量的用戶的使用數據 "，這也是 ChatGPT 獨有的、寶貴的數據。

和算力的 " 軍備 " 競賽不同，數據會有滾雪球效應，只要 ChatGPT 仍然是最好用的語言 AI，就會一直保持先發優勢，后來者會越來越難追上。

ChatGPT，已經建立起了 " 數據壁壘 "。

而近期才開始官宣的 " 中國版 ChatGPT"，除了要加強在算法、算力的投入，中文語言數據的處理，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、最邊緣的數據標注員是否會有新的待遇？

國內數據標注亂象

據第一財經報道，中國的數據標注行業最早可追溯到 2005 年，著名計算機視覺專家、人工智能專家朱純松在湖北鄂州創辦了蓮花山研究院。

中國信通院報告指出，2015 年，隨著人工智能巨頭的崛起，數據標注和采集需求激增，市場真正意義上開始形成。

2016 年，AlphaGo 橫空出世，人工智能開始商業化探索，相應的數據服務公司也迎來了一波發展高峰。

人工智能公司發展波折不斷，數據標注行業也處在早期的蠻荒階段，存在分散、效率差、標注質量參差不齊、市場需求不穩定等問題。

何文新等數據標注員有特別直觀的感受。能不能拿到穩定的項目，是一個外包的數據標注公司能否存活的關鍵。

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

而一些數據標注公司在招聘兼職數據標注員時，會強調薪酬分兩次結算，" 次月和 6 個月后各結算一半 "，因為這是甲方的結算習慣，一些數據公司并不會提前 " 墊付 " 薪酬。

因為沒有什么門檻，十幾個人也能攢出一個團隊，因此，數據標注公司質量層次不齊，行業競爭也異常激烈。

據第一財經報道，2018 年，科大訊飛旗下的眾包平臺 " 愛標客 " 上，一些簡單的打框和轉寫校準項目，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，數據標注行業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費等。

而數據標注員，也是人工智能行業中，最不穩定、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。其中規模最大的一次裁員，是解雇了 200 名美國員工。他們大多數是小時工，負責自動駕駛數據標注。

有媒體分析，特斯拉這次裁員的原因是這一工作技術含量不高，操作起來比較簡單；并且特斯拉的自動化數據標注有了進展，可以代替人力完成部分工作。

目前，何文新已經從數據標注公司離職，換了新的行業。工資低、累、沒有晉升空間、沒有學到東西，是數據標注員離職的主要原因。

但是，除了這些問題，數據標注員的薪資，在 4、5 線城市依然有競爭力。

實際上，因為屬于 " 勞動密集型 " 產業，一些地方政府對數據標注產業拋出橄欖枝，成為解決當地就業、扶貧的優質項目。

另一方面，因為門檻低、操作簡單，數據標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據標注員的故事，" 一臺電腦就能賺錢是之前想都不敢想的 "。

而一些數據標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疑時，OpenAI 回應稱，他們支付給 Sama 的費用幾乎是東非其他內容審核公司的兩倍；賺差價的 Sama 則稱自己是 " 有道德的 AI 公司 "，已經幫助 5 萬多人擺脫了貧困。

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

我們在驚嘆人工智能的突破和背后的技術成本時，在追捧 OpenAI 2000 億人民幣的估值時，不應該忘記背后千萬的數據標注員。他們在聚光燈外，如一葉葉扁舟，飄蕩在人工智能藍海上。

（應受訪者要求，本文人名為化名。）

來源：鞭牛士 微信號：bianews8