芥末堆芥末堆

數(shù)據(jù)工廠里的年輕人

作者:解放日報 發(fā)布時間:

數(shù)據(jù)工廠里的年輕人

作者:解放日報 發(fā)布時間:

摘要:“大學生為什么要來做這個”

640.jpg

數(shù)據(jù)標注是一項枯燥的工作,不少數(shù)據(jù)標注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能的應用。她最近接到任務,教一位只存在于手機應用程序里的“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能(AI)公司植入。索琳編寫了近3000條問答,一心想把“老爺爺”培養(yǎng)得更風趣、睿智。不過,實際上她只是提供了最基礎的數(shù)據(jù)。

一千多公里之外的貴州惠水縣百鳥河數(shù)字小鎮(zhèn),一家提供數(shù)據(jù)服務的公司,22歲的吳潘威正對著電腦用鼠標“貼標簽”: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,吳潘威貼標簽的目的是教人工智能看圖識物,他們被叫作“數(shù)據(jù)標注員”。

當前,以互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能為代表的新一代信息技術日新月異。人工智能在去年、今年兩度被寫入政府工作報告;而大數(shù)據(jù),已經(jīng)成為世界認識貴州的新名片。在脫貧攻堅主戰(zhàn)場的貴州,大數(shù)據(jù)的經(jīng)濟增速已連續(xù)7年位居全國前列。

產(chǎn)業(yè)勃興,數(shù)據(jù)標注員因此成為新興職業(yè)。多名業(yè)內(nèi)人士告訴記者,目前國內(nèi)至少有大小近千家標注公司,共20余萬名數(shù)據(jù)標注員。

在百鳥河數(shù)字小鎮(zhèn),僅吳潘威所在的夢動科技有限公司就有400多名標注員。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(shù)字小鎮(zhèn),吳潘威與同事們坐在電腦前,將圖片放大,用鼠標移動這些小點,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(qū)別,一張像是從監(jiān)控攝像里截取的模糊圖片會讓他多花幾倍時間。

人工智能本身不會識別物體,而要依靠海量訓練。當人臉關鍵點被一一標注之后,計算機才能建立起對人臉的認知。而人臉關鍵點的數(shù)目并不固定,不同數(shù)目的背后連接的是不同的算法?!皡桥送儭敝恍璋凑杖斯ぶ悄芄こ處焸冊O定的數(shù)目規(guī)范來標注。換言之,這些數(shù)據(jù)標注員并不需要了解算法之復雜,他們所做的,更像在工廠流水線重復作業(yè)。

百度無人駕駛汽車,是夢動科技接手的第一個項目。公司人工智能服務部總監(jiān)曾蕓說:“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里是高精尖的科技?!?/p>

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?!蹦菚r,所有人都不知道有“數(shù)據(jù)標注員”這個職業(yè),吳潘威和一起實習的小伙伴們互相稱呼“畫框的”。

可不就是“畫框的”?幾十個人坐在電腦前按動鼠標畫框,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。

“標注員都是‘滾雪球’帶教帶出來的,那時一個人一天要畫幾百個框,以至于后來走在路上看什么東西都想畫個框把它框住?!痹|回憶說。

“后來,看到無人駕駛汽車在美國的硅谷跑,在烏鎮(zhèn)的世界互聯(lián)網(wǎng)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,至少無人車里出現(xiàn)的路況掃描圖像他是熟悉的,“也許那就是我之前標注過的。”

那種感覺,就像一不小心踩到了時代潮流的浪尖上。

“指數(shù)級增長”

吳潘威是貴州盛華職業(yè)學院新近畢業(yè)的大學生,2016年初到夢動科技當實習生。在這里,一間辦公室大約能容納60名數(shù)據(jù)標注員,每張辦公桌后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、移動鼠標,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(yè)學院,還有來自黔南民族醫(yī)學高等??茖W校等4所學校的實習生。

但最早,這項工作并不是由實習生來做,而是那些年薪百萬的人工智能工程師。

31歲的杜霖是倍賽(北京深度搜索科技有限公司)的首席執(zhí)行官,公司在北京、山西、山東、河南、四川、貴州、福建等地建設數(shù)據(jù)標注工廠,有近3000人的數(shù)據(jù)標注員團隊?!皩I 和數(shù)據(jù)的研究,我們很早就開始了?!碑厴I(yè)自上海交通大學的杜霖告知,他的創(chuàng)始團隊均來自上海交大。

最早在2014年,杜霖注意到,隨著人工智能在商業(yè)場景的應用逐漸落地,原來由工程師在實驗室完成的數(shù)據(jù)標注呈“指數(shù)級增長”,工程師們應接不暇,專業(yè)的數(shù)據(jù)加工服務公司應運而生。

國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》顯示,到2020年,我國人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元,帶動相關產(chǎn)業(yè)規(guī)模超過1萬億元。杜霖判斷,未來人工智能領域一定會出現(xiàn)巨大缺口——對于由人標注的數(shù)據(jù)的需求。“因為現(xiàn)在的人工智能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?!?/p>

作為人工智能產(chǎn)業(yè)的下游端,“吳潘威們”對行業(yè)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?!痹|說,“目前夢動所承接的項目幾乎囊括所有人工智能領域: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(jīng)記不清標注過多少項目,“五花八門,難以想象”。無人售貨超市里,商品種類數(shù)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(qū)域的機器人,那樣就不會把指甲油涂到指甲外……

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,標注員需要先記住所有產(chǎn)品的類別、口味、容積,同一款產(chǎn)品要仔細看包裝顏色和圖案細微的不同之處,“否則標注的時候再去看就太慢了”。

“最奇怪的是給貓臉和狗臉打點?!表椖恐鞴苜Z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干啥的”。

“大學生為什么要來做這個”

吳潘威是最早一批來夢動科技的實習生之一。做數(shù)據(jù)標注員兩年多,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(shù)不清的實習生來來往往。他們抱怨工作枯燥乏味,沒什么前途。

“大學生為什么要來做這個事情?”吳潘威也不止一次問過自己。

出生于1999年的陸森霖是貴州盛華職業(yè)學院計算機專業(yè)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(chǎn)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(yè)術語,不懂的名詞要上網(wǎng)查;做完之后由質(zhì)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里?!标懮卣f,“你看我開著音樂,聽幾百秒就切過來放首歌放松,否則一直聽會受不了?!?/p>

標注工作單調(diào)重復?!霸匐y的項目3天之內(nèi)就能隨便耍了?!睒俗T梁紅說,他是記者碰到的少有的對人工智能感興趣才來實習的學生。

數(shù)據(jù)標注行業(yè)有一套明確流程:上游的人工智能公司將項目交給中游的數(shù)據(jù)加工公司或眾包平臺,后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(fā)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(jīng)過層層轉包,利潤已經(jīng)低得嚇人?!斑@與我們一線標注員的付出是不對等的?!痹|說,早期夢動科技只能從中游的眾包平臺獲取項目,現(xiàn)在則盡量直接對接上游客戶。

如今,上游的人工智能公司仍保留少量數(shù)據(jù)標注員?!拔覀兊娜殬俗F隊主要是處理隱私性高和有特殊要求的數(shù)據(jù),比如處理醫(yī)療領域的數(shù)據(jù)就需要有一定專業(yè)背景?!痹茝目萍佳芯吭焊痹洪L周翔介紹,“其余的數(shù)據(jù)處理便交給下游幾十家數(shù)據(jù)標注團隊?!痹诒环Q作“國內(nèi)首檔人工智能挑戰(zhàn)類節(jié)目”的央視熱門節(jié)目《機智過人》中,曾與模擬畫像專家林宇輝在同一舞臺競技的,就是云從科技所打造的人工智能“御眼重明”。

對一般的數(shù)據(jù)標注員而言,職業(yè)生涯是一眼望得見頭的:從一線標注員做起,然后是質(zhì)培專員(相當于質(zhì)檢)、項目組長、項目主管、項目經(jīng)理,最后是部門總監(jiān)。

“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(lián)合創(chuàng)始人農(nóng)政說,“甚至有人把數(shù)據(jù)標注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?!?/p>

農(nóng)政并不否認目前數(shù)據(jù)標注確實是一個需要大量勞動力的行業(yè),但他強調(diào),應該看到行業(yè)發(fā)展的未來,“不能現(xiàn)在看到他們在畫框,就判斷未來十年他們還在畫框?!?/p>

今年7月,吳潘威終于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。他們不再做標注員,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?!眳桥送f,他的大多數(shù)同學畢業(yè)后都去從事銷售、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(fā)明標注機器人來解放自己”

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,從小小的鼠標一端,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(xiàn)在不只是從2D平面進化到3D立體,還要標注車頭的方向?!?/p>

在夢動科技,“大數(shù)據(jù),讓一切變得更智慧”等標語隨處可見。醫(yī)療、金融等人工智能近年來踏進的領域,都在日新月異地改變,而起點就在小鎮(zhèn)年輕人的手指尖。百鳥河數(shù)字小鎮(zhèn)聚集了大數(shù)據(jù)、教育文化、健康養(yǎng)老、文化旅游等眾多公司,是當?shù)刂Πl(fā)展大數(shù)據(jù)產(chǎn)業(yè)所建的新型園區(qū)。一幢幢彩色尖頂?shù)臍W式小樓,令小鎮(zhèn)充滿異域風情。

實際上,數(shù)據(jù)標注本身也是一個要用人工智能來改造的行業(yè),標注工具也正在迭代升級。比如,人臉識別最早均由人工標注關鍵點,但眼下吳潘威接到的項目里,機器已經(jīng)打好點,標注員要做的只是最后的校正。

在杜霖看來,其實不必把數(shù)據(jù)標注看得過于神秘,“說到底人工智能數(shù)據(jù)標注只是商業(yè)外包行業(yè)一個非常細的分類,幾十年前這種數(shù)據(jù)外包業(yè)務就已存在,比如替銀行處理電子表格的公司,但因為人工智能,數(shù)據(jù)標注才變成了一個獨立的行業(yè)”。

在數(shù)據(jù)標注領域,更大的潛在威脅可能并非同行競爭,而是來自機器——當算法足夠先進時,少量的數(shù)據(jù)就能達到效果,到那時,還需要這么多的數(shù)據(jù)標注員嗎?

“也許有一天人工智能會全面取代人類,但數(shù)據(jù)標注員一定是最后被取代的那批人?!倍帕貙Υ吮3謽酚^態(tài)度,“最高明的算法也需要基礎的數(shù)據(jù)學習,而數(shù)據(jù)標注員,一定是堅持到最后一班崗才把數(shù)據(jù)交付給機器模型的?!?/p>

夢動科技人工智能服務部助理總監(jiān)龔芳芳也說:“想象把人工智能當作嬰兒,而我們可以把他訓練成天才?!?/p>

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

人工智能是否會替代人類?

對吳潘威來說,這并不是個沉重的話題?!皹俗T之間還常常開玩笑,不如我們自己發(fā)明一個標注機器人來解放我們自己。”他笑著說,“畢竟,人都是懶惰的?!?/p>

而在通往未來無限可能性的路上,數(shù)據(jù)標注員們最大的挑戰(zhàn)依舊是克服乏味與寂寞。

一名年輕的標注員說,以前他與一位小伙伴會在一起比,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(xiàn)在,他走了,我才覺得這個工作真是無趣”。

本文轉自“解放日報”,作者《解放日報》見習記者 向凱。文章為作者獨立觀點,不代表芥末堆立場。

1、本文是 芥末堆網(wǎng)轉載文章,原文:解放日報;
2、芥末堆不接受通過公關費、車馬費等任何形式發(fā)布失實文章,只呈現(xiàn)有價值的內(nèi)容給讀者;
3、如果你也從事教育,并希望被芥末堆報道,請您 填寫信息告訴我們。
來源:解放日報
芥末堆商務合作:王老師 18710003484
  • 數(shù)據(jù)工廠里的年輕人分享二維碼