咖啡貓

為推動(dòng)智能時(shí)代的巨輪滾滾向前，AI行業(yè)需要龐大的、標(biāo)注好的數(shù)據(jù)作為養(yǎng)分。這些數(shù)據(jù)大多出自一些拿著微薄收入、對AI一頭霧水的年輕人，他們是人工智能背后的“人工”。

AI暗角

在科幻小說《北京折疊》中。城市里的上流、中產(chǎn)、底層三個(gè)階層分別生活在三個(gè)空間，作者將這種階層分化割裂喻作“折疊”。如今的AI的世界也存在著類似的折疊：

一邊是炫醋的科技、神奇的智能應(yīng)用；一邊是大量人工每天重復(fù)地生產(chǎn)機(jī)器學(xué)習(xí)的“食物”——標(biāo)注好的數(shù)據(jù)。

北京和貴陽，是數(shù)據(jù)標(biāo)注世界里的兩座“雙子星”城市。北京聚集了大量AI公司：貴陽近年來著力發(fā)展“大數(shù)據(jù)戰(zhàn)略”，已擁有相對完整的數(shù)據(jù)服務(wù)產(chǎn)業(yè)生態(tài)。

2017年，僅北京中關(guān)村大數(shù)據(jù)產(chǎn)業(yè)規(guī)模就超過700億元；貴陽2017年的大數(shù)據(jù)產(chǎn)業(yè)及其關(guān)聯(lián)產(chǎn)業(yè)規(guī)?？偭砍^1500億元。

但標(biāo)注數(shù)據(jù)的人，生活在這些巨額數(shù)字之外，拿著不高的工資，活動(dòng)在“第二空間”。

從三里屯驅(qū)車1小時(shí)，行駛30千米，就到了北京郵電大學(xué)宏福校區(qū)。這里有北郵和華騰碩博合辦的電子商務(wù)培訓(xùn)班，學(xué)生總數(shù)300多人，高峰時(shí)期，有120多人參與數(shù)據(jù)標(biāo)注的兼職項(xiàng)目。

他們多是18歲左右的學(xué)生，每天盯著電腦屏幕給圖片做標(biāo)注。他們服務(wù)于一個(gè)炫醋的無人駕駛項(xiàng)目。

他們一個(gè)月的收入在2000元左右，如果全職做，收入能有4000-5000元。他們參與的標(biāo)注項(xiàng)目多是培訓(xùn)班從上游的AI公司承包過來的。

為什么是承包？

因?yàn)槟軌蚬C(jī)器使用的數(shù)據(jù)必須是經(jīng)過標(biāo)注的數(shù)據(jù)，這意味著需要大量人力去完成標(biāo)注工作。而AI公司要么為了集中精力開展研發(fā)，要么為了保持團(tuán)隊(duì)的高學(xué)歷占比，很少會(huì)選擇完全自建數(shù)據(jù)標(biāo)注團(tuán)隊(duì)。他們更傾向于把這些工作交給第三方公司完成。

而承包這類工作的企業(yè)，又有“眾包”和“工廠”兩種模式。前者是通過平臺，如“百度眾包”“京東眾智”“龍貓數(shù)據(jù)”，把任務(wù)轉(zhuǎn)發(fā)給網(wǎng)民；后者要么是正規(guī)的機(jī)構(gòu)，要么是20人以下規(guī)模不等的“小作坊”。它們接到項(xiàng)目后會(huì)負(fù)責(zé)數(shù)據(jù)標(biāo)注的全部流程。

目前來看，數(shù)據(jù)標(biāo)注企業(yè)大多分布在三四線城市，屬于“勞動(dòng)密集型”的中低收入行業(yè)。愿意做這行的人，又大多把數(shù)據(jù)標(biāo)注當(dāng)成外賣、快遞行業(yè)的替代品。

例如，在距離貴陽市中心50千米的百鳥河數(shù)字小鎮(zhèn)，就有一個(gè)規(guī)模500人的“數(shù)據(jù)工場”。在這500名標(biāo)注員中，近一半的人是來自附近一家高職的學(xué)生。

這些學(xué)生很珍惜這個(gè)兼職機(jī)會(huì)。他們每月能掙到1500元，不僅足以自立，省吃儉用還能補(bǔ)貼家庭。并且，數(shù)據(jù)標(biāo)注不用在戶外經(jīng)受日曬雨淋，相對輕松、體面。

但這份工作的未來前途不可預(yù)期，以及相對低的收入和較大的家庭負(fù)擔(dān)，都成為了這些年輕人無法擺脫的苦惱。

野蠻生長，坑與機(jī)會(huì)并存

數(shù)據(jù)標(biāo)注是一個(gè)勞動(dòng)密集型行業(yè)，進(jìn)入門檻并不高。因此，許多公司就通過壓低“成本”“薄利多量”的手段開展競爭。

據(jù)了解，許多專職數(shù)據(jù)標(biāo)注的公司大多通過招聘臨時(shí)工來省去五險(xiǎn)一金的人力成本。事實(shí)上，在縣級小城里僅憑7萬～8萬元的啟動(dòng)資金就能組起一個(gè)“團(tuán)隊(duì)”。

另一方面，AI公司也傾向壓低成本。對此，某數(shù)據(jù)標(biāo)注外包公司主管表示，部分AI公司不夠重視數(shù)據(jù)標(biāo)注，在壓低項(xiàng)目總體預(yù)算時(shí)，會(huì)選擇把數(shù)據(jù)標(biāo)注工作外包給一些不靠譜的團(tuán)隊(duì)。但這些團(tuán)隊(duì)做不下來時(shí)，又會(huì)把任務(wù)轉(zhuǎn)包給另一些小團(tuán)隊(duì)，或重新找到大型數(shù)據(jù)標(biāo)注公司，直接影響最終質(zhì)量和交付期限。

“低價(jià)競爭和行業(yè)不規(guī)范導(dǎo)致的層層外包是行業(yè)的噩夢?！本〇|眾智平臺的負(fù)責(zé)人李工還認(rèn)為，外包還直接折損了小團(tuán)隊(duì)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(gè)40人規(guī)模的數(shù)據(jù)標(biāo)注工作室。

“利潤其實(shí)不高，”何軍細(xì)細(xì)算賬，“一個(gè)拉框值4分錢，一個(gè)標(biāo)注員一天能做大約4500個(gè)，但過關(guān)率只有90%，實(shí)際只有160元左右，再除去審核的成本，再給每個(gè)標(biāo)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(gè)人身上賺30元吧。”何軍一直都只接到二手項(xiàng)目，第一個(gè)月虧了本，第二個(gè)月勉強(qiáng)持平。他希望在2018年“爭取接到一手項(xiàng)目”。

事實(shí)上，小團(tuán)隊(duì)只能接二手甚至是好幾手的項(xiàng)目，一手項(xiàng)目就像江湖傳說——聽過，沒見過。

其實(shí)，大平臺也反感層層外包。比如，要完成一些特定的復(fù)雜任務(wù)，需要對人員進(jìn)行長達(dá)1-3個(gè)月的培訓(xùn)。然而，臨時(shí)工組建而成的小團(tuán)隊(duì)大多跳過這一步。不僅如此，他們在理解客戶需求，保證數(shù)據(jù)的多樣性、隨機(jī)性等方面也欠缺足夠的能力。

還有5年，只有5年

何軍時(shí)常處于一種對未來的不安之中，因?yàn)樗麑夹g(shù)動(dòng)向缺乏把握。當(dāng)他聽聞“算法升級后，將不再需要大量人工標(biāo)注”時(shí)，便緊張起來。

數(shù)據(jù)標(biāo)注服務(wù)商BasicFinder的CEO杜霖則認(rèn)為，數(shù)據(jù)標(biāo)注的市場才剛打開，未來5年內(nèi)，數(shù)據(jù)需求將緊隨AI的大規(guī)模落地，引來一波爆發(fā)式增長。

首先，這是由于AI行業(yè)本身的發(fā)展將進(jìn)一步帶動(dòng)數(shù)據(jù)標(biāo)注行業(yè)。

其次，目前能被建模量化的數(shù)據(jù)只占真實(shí)世界中的極少一部分，而現(xiàn)有的數(shù)據(jù)標(biāo)注業(yè)務(wù)又主要集中在安防和自動(dòng)駕駛領(lǐng)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)。

杜霖就分享了一個(gè)很有意思的標(biāo)注項(xiàng)目——將人的指甲框出來，因?yàn)榭蛻粢雒兰讬C(jī)器人。

第三，在當(dāng)下主流的“有監(jiān)督學(xué)習(xí)”算法模型下，為了讓算法準(zhǔn)確率更高，需要更多數(shù)據(jù)。

第四，從感知智能向認(rèn)知智能的進(jìn)化過程中需要不同維度的數(shù)據(jù)，這可能會(huì)進(jìn)一步催生出更精細(xì)的數(shù)據(jù)標(biāo)注需求。比如，對一段對話數(shù)據(jù)的標(biāo)注，不僅要知道對話內(nèi)容、語義，甚至還需要標(biāo)注談話者的身份、情緒變化等。

杜霖還提到，目前AI公司的總支出中，20%-30%都用于數(shù)據(jù)，現(xiàn)階段大陸市場數(shù)據(jù)采集及標(biāo)注的規(guī)模保守估計(jì)也有50億元。綜合以上4點(diǎn)，未來包括采集、標(biāo)注、清洗等流程的數(shù)據(jù)市場將達(dá)上百億元。

值得一提的是，這些預(yù)期都是基于“有監(jiān)督學(xué)習(xí)”這個(gè)大前提。如果算法從“有監(jiān)督學(xué)習(xí)”升級為“無監(jiān)督學(xué)習(xí)”等新算法，那么數(shù)據(jù)標(biāo)注需求將大大減少。但是在目前，無監(jiān)督學(xué)習(xí)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(huì)出現(xiàn)。深度學(xué)習(xí)訓(xùn)練平臺Novumind創(chuàng)始人吳韌也認(rèn)為，深度學(xué)習(xí)+大數(shù)據(jù)較難出現(xiàn)顛覆陛的其他路徑。

5年，這對數(shù)據(jù)標(biāo)注公司來說是一個(gè)可以布局、掉頭的“窗口期”。

京東眾智的李工說，他們應(yīng)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(shí)研發(fā)平臺技術(shù)，做到“數(shù)據(jù)與流程分離架構(gòu)”，因此數(shù)據(jù)標(biāo)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(jìn)AI的落地。

但對數(shù)據(jù)標(biāo)注員這些個(gè)體來說，5年后也許就得面臨一次“失業(yè)”。那時(shí)，他們還能跟隨時(shí)代的腳步騰挪轉(zhuǎn)移嗎？

燙手的小袁

小袁暫時(shí)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(biāo)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(huì)”的聾啞人標(biāo)注員，而這個(gè)公會(huì)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(biāo)得不“直”，就會(huì)比較費(fèi)勁。因此，健全人1周能完成的數(shù)據(jù)標(biāo)注培訓(xùn)，聾啞人要花3周或更久。但是他們的優(yōu)點(diǎn)是專注、較真、對視覺信號敏銳，數(shù)據(jù)標(biāo)注行業(yè)反而成了他們的機(jī)會(huì)。

像小袁這樣的聾啞人在眾智平臺上還有1000多名，京東為他們成立的“靜公會(huì)”，在項(xiàng)目工作上優(yōu)先照顧。比如，杜霖手下也有3個(gè)殘疾人團(tuán)隊(duì)，總共約80人。

杜霖和京東眾智平臺負(fù)責(zé)人都表示，愿意為更多殘疾人提供工作機(jī)會(huì)，這里是他們的家。而其中的少數(shù)人，也許能通過轉(zhuǎn)型為數(shù)據(jù)質(zhì)檢者，在職場走得更遠(yuǎn)。

需要思考的是，AI行業(yè)發(fā)展到一定階段可能就不再需要大量的人工標(biāo)注，屆時(shí)，我們會(huì)遺忘這些AI領(lǐng)域的“首批工人”嗎？這可能是除了技術(shù)水平之外，判斷那個(gè)“未來”是好是壞的更重要的標(biāo)準(zhǔn)。

（本文摘編自微信公眾號“甲子光年”）