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”。

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?！焙挝男聦?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?！?/p>

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?！焙挝男路Q，“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?！睂殝宭ili在網(wǎng)上吐槽，因為經(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?！焙挝男路Q，他當(dāng)時的工資在3000左右?；A(chǔ)的數(shù)據(jù)標(biāo)注員月薪大部分在2000-4000元之間，但因為標(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?！?/p>

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，因為他們標(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”，因為學(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，因為它還沒有精確地相關(guān)數(shù)據(jù)“喂養(yǎng)”。

實際上早有業(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，很難拿到一手的項目?！焙挝男路Q，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(wěn)定，“有時候項目沒做完，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”，因為這是甲方的結(jié)算習(xí)慣，一些數(shù)據(jù)公司并不會提前“墊付”薪酬。

因為沒有什么門檻，十幾個人也能攢出一個團(tuán)隊，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。

實際上，因為屬于“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)項目。

另一方面，因為門檻低、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。）