训练人工智能的中国县城工人

作者 | 林石

原创首发 | 蓝字计划

全世界都在谈论 ChatGPT 将带来颠覆性的技术革命，但人工智能训练师李杰却一点也激动不起来。

为了完成单价 4 分钱的计件工作，李杰和几十个人坐在一间摆设如同初代网吧的屋子里，每天对着电脑划拉鼠标几千次。

他的职责是为训练人工智能模型准备“饲料”，将大量的文字、语音、图像打上标记——“眼珠”、“四川话”、“绿化带”。只有被标注过的数据，才能被人工智能模型识别，训练出它的分辨能力。

李杰做得最多的是道路图片标注，亦即给道路图片上的物体标注好名称、颜色等详细信息，业内俗称“拉框”。

效率高的时候，他一天可以拉 2000-3000 个框，按照一个框 4 分钱计算，他一个月能赚三千块左右。对于职校毕业、身在西北县城的青年来说，这份收入还过得去。

| 一家数据标注工厂

同样的场景也出现在非洲的肯尼亚。该国首都内罗毕有 30 多名工人，成为了 ChatGPT 的数据标注员，他们每天工作 9 个小时，阅读 150-200 段文字，并标注出其中包含性、暴力与仇恨言论的内容。由于每天阅读大量极具冲击力的文字，有人会因为一段描写而做上一周噩梦。

这些工人能获得每小时 1.32 美元的税后收入，如果完成既定的任务，时薪可以上升至 1.44 美元，并有大约 70 美元的奖金，相当于一个月挣 2500 元—3000 元人民币，比当地一般蓝领工作强些。

在人工智能产品卷起巨浪的时候，从肯尼亚、乌干达再到印度、中国，水下还有一群不被看见的“人工智能训练师”，在简陋的工作环境下，以最简单的技能，与最前沿的技术产生了联系。

伺候人工智能

李杰对人工智能的理解，是手机上的智能语音助手，“就好像苹果的 Siri”。

他在职校念电子商务，同学大多去了电商公司当客服，他时常听到同学对工作的抱怨。相较之下，数据标注的工作枯燥，却也纯粹，他只需要按部就班地完成任务、“可以在办公室吹空调，也没什么难度，就是有点费眼睛”。

| 给汽车进行“拉框”，一张图片就要重复数次类似操作

在 2021 年版的《人工智能训练师国家职业技能标准》中，对该职业的能力特征描述是“具有一定的学习能力、表达能力、计算能力；空间感、色觉正常”，普遍受教育程度写的是“初中毕业”。言外之意，这是一份几乎零门槛的职业。

年过 50 岁的郭梅，原本在山西当地的煤矿上班，“抬头是山，低头是煤”。离开煤矿之后，她长时间找不到工作，最后成为数据标注基地中的一名员工，每天要拉两千个以上的框。“我从来没有想过自己会和无人驾驶、人工智能有关系。”

| 正在给汽车拉框的数据标注员

除了“拉框”，李杰也会接到语音标注的项目，通常是甲方采集到的不同地域、不同人群的语音，李杰必须戴上耳麦，仔细地辨认出每一个声音的含义。

一天下来，他要听来自几百个陌生人在不同场景下的发言，可能是伴随着车流声、喇叭声的中年男人在马路上大声质问，可能是讲着广东普通话的阿姨对着麦克风发出指令，有时候，他甚至会听到脏话。

这些声音被李杰一一转录成准确的文字，有时还需要打上说话人的性别、情绪等更细分的标签，最后教会人工智能模型理解人类的语言，用于智能客服、智能音箱、地图导航等产品中。

人工智能的三大基石是数据、算力与算法，数量越多质量越高的数据，往往越能够训练出更“聪明”的模型。

人工智能的主流方向是深度学习。在过去，由人来告诉机器，猫身上都有哪些特征，机器根据这些特征判断一个物体是不是猫；深度学习则是通过“喂养”大量不同猫的图片，机器就能自行归纳出猫的特征。这就需要大量经人工标注的图片，俗话说，有多少智能，就得付出多少人工。

数据标注领域有过一个神话——ImageNet 项目。这个项目数据库拥有超过 1400 万张已被标注的图片，其中识别出的物体种类超过 20000 种——包括 120 个不同品种的狗。

| ImageNet 图片集中有 1400 多万张标注图片，其中超 100 万张带有边框

项目源于斯坦福大学的人工智能专家李飞飞。2009 年，业内普遍研究方向都是模型与算法，她另寻蹊径，改进数据质量。如今，ImageNet 已经是世界上最大的图像识别数据库，被用于成千上万个人工智能研究项目和实验。

而在 ImageNet 项目背后，是来自 167 个国家的 5 万名数据标注员，他们足足花了三年时间才完成了全部图片的标注。