ChatGPT爆火後，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；獵頭瘋狂挖角矽谷華裔技術大佬，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”。

巨頭喊話、熱錢湧動，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——數據標註員，也引起了小範圍的關注和討論。

他們被譽為“AI訓練師”，但他們的工作重複、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？

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

什麼是數據標註？

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註員，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註員，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“餵養”AI模型。而數據標註的類型有圖像標註、語音標註、3D點雲標註和文本標註等。

簡而言之，數據標註員在創造餵養AI的養料。從工作產出來看，數據標註員確實可以稱為AI的老師。

數據標註工作並不難，只需要一台電腦，一個鼠標；簡單培訓後，就可以上手。但是，這個工作並不輕鬆，需要耐心和細心。

“很累，一整天要盯著電腦。”何文新稱，“標註”工作重複繁瑣、沒什麼技術含量，但也有質量要求，標註錯了、標註範圍大、標註不夠仔細等，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，數據標註員的工資並不高。

“一張圖9毛錢，一天做100張。”lili稱，如果都合格，一天能賺90塊。

“不同的標註價格不一樣。”何文新稱，他當時的工資在3000左右。基礎的數據標註員月薪大部分在2000-4000元之間，但因為標註的速度、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“數據標註”，薪資區間在2000-8000之間。一些特殊的標註，比如小語種、高精製圖等，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，數據標註是根本，10年之內都要依賴於標註數據”。

ChatGPT的“數據標註”壁壘

今年1月，美國《時代周刊》報導稱，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註。

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提供數據標註服務的是總部位於舊金山的Sama，Sama在在肯尼亞、烏干達和印度僱傭員工，服務Google、Meta和微軟等客戶。

據愛範兒報導，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支付給數據標註員的時薪只有1.32美元~2美元。

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

並且，因為他們標註的是互聯網上的“有害的內容”，比如自殺、酷刑等，大部分標註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諮詢。

這些數據標註員，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“我認為你應該這麼做”。

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“髒話”，被強制下線。當時有媒體報導，小圖至少學會了4萬條不良信息。

AI自身並不能判斷善惡，需要人為乾預，標註、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和數據標註員的工作：給AI提供標有暴力、仇恨語言等標籤，AI就可以學會檢測這些內容，並將這些不良內容過濾掉。

除此之外，一些專業領域的信息，也需要專業的標註。這也是為什麼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“餵養”。

實際上早有業內人士分析，ChatGPT的算法並不神秘，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，後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、最邊緣的數據標註員是否會有新的待遇？

國內數據標註亂象

據第一財經報導，中國的數據標註行業最早可追溯到2005年，著名計算機視覺專家、人工智能專家朱純鬆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，數據標註和採集需求激增，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，數據標註行業也處在早期的蠻荒階段，存在分散、效率差、標註質量參差不齊、市場需求不穩定等問題。

何文新等數據標註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註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。”

而一些數據標註公司在招聘兼職數據標註員時，會強調薪酬分兩次結算，“次月和6個月後各結算一半”，因為這是甲方的結算習慣，一些數據公司並不會提前“墊付”薪酬。

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

據第一財經報導，2018年，科大訊飛旗下的眾包平台“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”。

並且，數據標註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。

而數據標註員，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註。

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；並且特斯拉的自動化數據標註有了進展，可以代替人力完成部分工作。

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

但是，除了這些問題，數據標註員的薪資，在4、5線城市依然有競爭力。

實際上，因為屬於“勞動密集型”產業，一些地方政府對數據標註產業拋出橄欖枝，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，數據標註員也成為殘疾人友好崗位，“邊碼故事”曾報導殘疾人成為數據標註員的故事，“一台電腦就能賺錢是之前想都不敢想的”。

而一些數據標註公司的推廣視頻下面，有不少用戶留言諮詢，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公司淨虧損高達5.45億美元。

我們在驚嘆人工智能的突破和背後的技術成本時，在追捧OpenAI 2000億人民幣的估值時，不應該忘記背後千萬的數據標註員。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：元宇宙之心