數據工廠里的年輕人

作者：《解放日報》見習記者 向凱

數據標註是一項枯燥的工作，不少數據標註員喜歡戴著耳機聽音樂。向凱　攝

在上海徐家匯一家廣告公司做文案的索琳，從未想過自己也能參與打磨人工智慧的應用。她最近接到任務，教一位只存在於手機應用程序里的「老爺爺」與用戶對話。比如，當用戶問「世界上誰最美」，他就會回答「當然是你最美」。一問一答均由索琳事先寫好，再由一家擅長語音識別的人工智慧（AI）公司植入。索琳編寫了近3000條問答，一心想把「老爺爺」培養得更風趣、睿智。不過，實際上她只是提供了最基礎的數據。

一千多公里之外的貴州惠水縣百鳥河數字小鎮，一家提供數據服務的公司，22歲的吳潘威正對著電腦用滑鼠「貼標籤」：將一張普通道路交通圖中的機動車、行人、非機動車逐一框中……和索琳教機器對話一樣，吳潘威貼標籤的目的是教人工智慧看圖識物，他們被叫作「數據標註員」。

當前，以互聯網、大數據、人工智慧為代表的新一代信息技術日新月異。人工智慧在去年、今年兩度被寫入政府工作報告；而大數據，已經成為世界認識貴州的新名片。在脫貧攻堅主戰場的貴州，大數據的經濟增速已連續7年位居全國前列。

產業勃興，數據標註員因此成為新興職業。多名業內人士告訴記者，目前國內至少有大小近千家標註公司，共20餘萬名數據標註員。

在百鳥河數字小鎮，僅吳潘威所在的夢動科技有限公司就有400多名標註員。他們是踩著信息技術浪潮的流水線工人。

「教機器認識這個世界」

這是一張微笑的普通女性的臉，她的鼻子、嘴巴、眼睛、眉毛和臉部輪廓布滿了點，一共有149個，它們被叫做「人臉關鍵點」。

在百鳥河數字小鎮，吳潘威與同事們坐在電腦前，將圖片放大，用滑鼠移動這些小點，使它們落在合適的位置。吳潘威瀏覽了成千上萬張人臉圖片，在他的眼中，這些人臉沒有膚色、性別、老少之分，只有清晰與模糊的區別，一張像是從監控攝像里截取的模糊圖片會讓他多花幾倍時間。

人工智慧本身不會識別物體，而要依靠海量訓練。當人臉關鍵點被一一標註之後，計算機才能建立起對人臉的認知。而人臉關鍵點的數目並不固定，不同數目的背後連接的是不同的演算法。「吳潘威們」只需按照人工智慧工程師們設定的數目規範來標註。換言之，這些數據標註員並不需要了解演算法之複雜，他們所做的，更像在工廠流水線重複作業。

百度無人駕駛汽車，是夢動科技接手的第一個項目。公司人工智慧服務部總監曾芸說：「剛接到無人車項目時，我們所有人都是蒙的，覺得這個事情不大靠譜，畢竟無人駕駛在我們眼裡是高精尖的科技。」

2016年5月，百度派技術人員來開講座，開誠布公——「你們就是在訓導機器，教機器認識這個世界。」那時，所有人都不知道有「數據標註員」這個職業，吳潘威和一起實習的小夥伴們互相稱呼「畫框的」。

可不就是「畫框的」？幾十個人坐在電腦前按動滑鼠畫框，機動車分成大型車、小型車，非機動車分成自行車、摩托車、三輪車，還有行人、交通信號燈，都要一一框起來。

「標註員都是『滾雪球』帶教帶出來的，那時一個人一天要畫幾百個框，以至於後來走在路上看什麼東西都想畫個框把它框住。」曾芸回憶說。

「後來，看到無人駕駛汽車在美國的矽谷跑，在烏鎮的世界互聯網大會跑，說實話還是蠻振奮的。」吳潘威靦腆地笑著說，不管科技有多先進，至少無人車裡出現的路況掃描圖像他是熟悉的，「也許那就是我之前標註過的。」

那種感覺，就像一不小心踩到了時代潮流的浪尖上。

「指數級增長」

吳潘威是貴州盛華職業學院新近畢業的大學生，2016年初到夢動科技當實習生。在這裡，一間辦公室大約能容納60名數據標註員，每張辦公桌後面都藏著一張稚嫩的臉，幾乎每個人都戴著耳機聽音樂，同時不停地切換圖片、移動滑鼠，在屏幕上打點或者畫框。

他們大多是像吳潘威一樣年輕的大學生。除了盛華職業學院，還有來自黔南民族醫學高等專科學校等4所學校的實習生。

但最早，這項工作並不是由實習生來做，而是那些年薪百萬的人工智慧工程師。

31歲的杜霖是倍賽（北京深度搜索科技有限公司）的首席執行官，公司在北京、山西、山東、河南、四川、貴州、福建等地建設數據標註工廠，有近3000人的數據標註員團隊。「對AI 和數據的研究，我們很早就開始了。」畢業自上海交通大學的杜霖告知，他的創始團隊均來自上海交大。

最早在2014年，杜霖注意到，隨著人工智慧在商業場景的應用逐漸落地，原來由工程師在實驗室完成的數據標註呈「指數級增長」，工程師們應接不暇，專業的數據加工服務公司應運而生。

國務院發布的《新一代人工智慧發展規劃》顯示，到2020年，我國人工智慧核心產業規模超過1500億元，帶動相關產業規模超過1萬億元。杜霖判斷，未來人工智慧領域一定會出現巨大缺口——對於由人標註的數據的需求。「因為現在的人工智慧還只是兩三歲的孩子，需要我們不斷地教它認識杯子、水果、玩具和汽車。」

作為人工智慧產業的下游端，「吳潘威們」對行業勃興的感知或許是最敏感的。

「從去年起，一個個項目接踵而至。」曾芸說，「目前夢動所承接的項目幾乎囊括所有人工智慧領域：圖片、文本信息、語音、視頻、在線審核等，其中圖片是最大的一塊。」

吳潘威已經記不清標註過多少項目，「五花八門，難以想像」。無人售貨超市裡，商品種類數以萬計，光背包就有十幾種；甚至有美甲店要求訓練能識別指甲區域的機器人，那樣就不會把指甲油塗到指甲外……

6月29日，在夢動科技，記者看到辦公室的柜子上擺放著幾十種可口可樂飲料。項目組長蔣純潔介紹，標註員需要先記住所有產品的類別、口味、容積，同一款產品要仔細看包裝顏色和圖案細微的不同之處，「否則標註的時候再去看就太慢了」。

「最奇怪的是給貓臉和狗臉打點。」項目主管賈如松說。兩個多月前，他們花了整整兩個星期給一萬多張貓和狗的圖片打點，每張臉上要打34個點，「想來想去也沒想明白這到底是用來幹啥的」。

「大學生為什麼要來做這個」

吳潘威是最早一批來夢動科技的實習生之一。做數據標註員兩年多，當初和他一起實習的同學大多都離開了；而在他實習期間，數不清的實習生來來往往。他們抱怨工作枯燥乏味，沒什麼前途。

「大學生為什麼要來做這個事情？」吳潘威也不止一次問過自己。

出生於1999年的陸森霖是貴州盛華職業學院計算機專業的大一學生，實習近3個月了。學校離公司只有1公里左右，這是學校在產教融合方面的部署。

陸森霖正在做的項目是語音識別，每天的基本任務是將約1800秒的語音輸出成文字，將重疊在一起的幾個音色分開，這會花費他五六個小時；最麻煩的是專業術語，不懂的名詞要上網查；做完之後由質檢員核對，如果有錯誤就會被打回來重新修改。

「我完全不知道意義在哪裡。」陸森霖說，「你看我開著音樂，聽幾百秒就切過來放首歌放鬆，否則一直聽會受不了。」

標註工作單調重複。「再難的項目3天之內就能隨便耍了。」標註員梁紅說，他是記者碰到的少有的對人工智慧感興趣才來實習的學生。

數據標註行業有一套明確流程：上游的人工智慧公司將項目交給中游的數據加工公司或眾包平台，後者自行加工或分包給下游的小公司、小作坊，有的小作坊還會分發給「散兵游勇」，比如學生或二三線城市的兼職人員。

而到了下游，項目經過層層轉包，利潤已經低得嚇人。「這與我們一線標註員的付出是不對等的。」曾芸說，早期夢動科技只能從中游的眾包平台獲取項目，現在則盡量直接對接上遊客戶。

如今，上游的人工智慧公司仍保留少量數據標註員。「我們的全職標註團隊主要是處理隱私性高和有特殊要求的數據，比如處理醫療領域的數據就需要有一定專業背景。」雲從科技研究院副院長周翔介紹，「其餘的數據處理便交給下游幾十家數據標註團隊。」在被稱作「國內首檔人工智慧挑戰類節目」的央視熱門節目《機智過人》中，曾與模擬畫像專家林宇輝在同一舞台競技的，就是雲從科技所打造的人工智慧「御眼重明」。

對一般的數據標註員而言，職業生涯是一眼望得見頭的：從一線標註員做起，然後是質培專員（相當於質檢）、項目組長、項目主管、項目經理，最後是部門總監。

「簡而言之，就像上世紀80年代的來料加工，大工廠可以，家庭作坊也可以。」夢動科技聯合創始人農政說，「甚至有人把數據標註員比作流水線上的工人，幾個學生、幾個零散人員都可以接單。」

農政並不否認目前數據標註確實是一個需要大量勞動力的行業，但他強調，應該看到行業發展的未來，「不能現在看到他們在畫框，就判斷未來十年他們還在畫框。」

今年7月，吳潘威終於作為正式員工與公司簽約，成為一名商務助理。實際上，他從未想過自己能留下來。當初一起實習的有近百人，和他一樣最終成為正式職工的僅有11人。他們不再做標註員，而是走上項目組長等管理崗位。

「也許這是我們接觸最前沿科技唯一的機會。」吳潘威說，他的大多數同學畢業後都去從事銷售、中介等工作，而在夢動，他能與最先進的科技公司對接，感受信息技術帶來的震撼。

「不如我們發明標註機器人來解放自己」

每天早上9時，吳潘威準時到公司。一旦進入工作角色，每個人都是緊張而嚴肅的，相互之間很少交流，若遇到緊急項目，他們還需要加班加點完成。

短短兩年間，從小小的滑鼠一端，吳潘威便感受到了另一端世界前沿科技進步的速度，「以前無人駕駛汽車框出基本輪廓就可以了，現在不只是從2D平面進化到3D立體，還要標註車頭的方向。」

在夢動科技，「大數據，讓一切變得更智慧」等標語隨處可見。醫療、金融等人工智慧近年來踏進的領域，都在日新月異地改變，而起點就在小鎮年輕人的手指尖。百鳥河數字小鎮聚集了大數據、教育文化、健康養老、文化旅遊等眾多公司，是當地著力發展大數據產業所建的新型園區。一幢幢彩色尖頂的歐式小樓，令小鎮充滿異域風情。

實際上，數據標註本身也是一個要用人工智慧來改造的行業，標註工具也正在迭代升級。比如，人臉識別最早均由人工標註關鍵點，但眼下吳潘威接到的項目里，機器已經打好點，標註員要做的只是最後的校正。

在杜霖看來，其實不必把數據標註看得過於神秘，「說到底人工智慧數據標註只是商業外包行業一個非常細的分類，幾十年前這種數據外包業務就已存在，比如替銀行處理電子表格的公司，但因為人工智慧，數據標註才變成了一個獨立的行業」。

在數據標註領域，更大的潛在威脅可能並非同行競爭，而是來自機器——當演算法足夠先進時，少量的數據就能達到效果，到那時，還需要這麼多的數據標註員嗎？

「也許有一天人工智慧會全面取代人類，但數據標註員一定是最後被取代的那批人。」杜霖對此保持樂觀態度，「最高明的演算法也需要基礎的數據學習，而數據標註員，一定是堅持到最後一班崗才把數據交付給機器模型的。」

夢動科技人工智慧服務部助理總監龔芳芳也說：「想像把人工智慧當作嬰兒，而我們可以把他訓練成天才。」

人們似乎樂意見到「機器天才」與人類的競爭。根據百度搜索指數，公眾對人工智慧的關注從2016年起呈顯著上升趨勢，當年3月的圍棋人機大戰——AlphaGo擊敗圍棋世界冠軍李世石，第一次將人工智慧帶入大眾視野。

人工智慧是否會替代人類？

對吳潘威來說，這並不是個沉重的話題。「標註員之間還常常開玩笑，不如我們自己發明一個標註機器人來解放我們自己。」他笑著說，「畢竟，人都是懶惰的。」

而在通往未來無限可能性的路上，數據標註員們最大的挑戰依舊是克服乏味與寂寞。

一名年輕的標註員說，以前他與一位小夥伴會在一起比，誰今天畫的框多，「他框了300個我框了400個，第二天他就不跟我說話，一直框。但是現在，他走了，我才覺得這個工作真是無趣」。

—完—

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！