“每當(dāng)有人問起我的職業(yè)，我回答是數(shù)據(jù)標(biāo)注師的時候，對方的臉上總是寫滿了問號?！崩钣铨堈f。
李宇龍在百度（山西）人工智能基礎(chǔ)數(shù)據(jù)產(chǎn)業(yè)基地（簡稱“百度基地”）從事數(shù)據(jù)標(biāo)注工作已經(jīng)5年了。他說，自己和許多同事目前最大的心愿就是，希望有一天大家提起數(shù)據(jù)標(biāo)注師就像提起教師、醫(yī)生一樣熟悉，期待有越來越多的人了解這個行業(yè)。
省工信廳不久前印發(fā)的《山西省“十四五”大數(shù)據(jù)發(fā)展應(yīng)用規(guī)劃》中明確提出：我省將加快發(fā)展數(shù)據(jù)資源共享、人工智能算法模型研發(fā)、訓(xùn)練測試驗證、產(chǎn)品服務(wù)應(yīng)用等數(shù)據(jù)標(biāo)注服務(wù)鏈條，推動“機器+人工”標(biāo)注、機器智能標(biāo)注等能力升級，打造完整的數(shù)據(jù)標(biāo)注服務(wù)體系。李宇龍的心愿，有望在短期內(nèi)實現(xiàn)。
數(shù)據(jù)標(biāo)注，不僅僅是“標(biāo)注”
什么是數(shù)據(jù)標(biāo)注？簡單來說，就是通過對數(shù)據(jù)貼標(biāo)簽、做記號、標(biāo)顏色或劃重點的方式，標(biāo)注出其中目標(biāo)數(shù)據(jù)的不同點、相似點或類別，以此達(dá)到讓機器學(xué)習(xí)的功能。“數(shù)據(jù)標(biāo)注是傳統(tǒng)制造升級為智能制造、信息計算升級為人工智能的必要環(huán)節(jié)，其質(zhì)量直接決定著機器智能化的程度，是它們讓機器成為‘天才’。”省工信廳大數(shù)據(jù)辦相關(guān)人士的解釋很專業(yè)。
鮮為人知的是，人工智能是需要被人為教導(dǎo)訓(xùn)練而成。人工智能所需要的教導(dǎo)，背后是經(jīng)過大量的學(xué)習(xí)訓(xùn)練而成。機器并不能理解原始數(shù)據(jù)，這些原始數(shù)據(jù)需要人為的“標(biāo)簽化”，通過標(biāo)注賦予這些數(shù)據(jù)能夠被機器所識別的特性，才可以被用于訓(xùn)練。正是依據(jù)這些大量而有效的數(shù)據(jù)總結(jié)規(guī)律，機器和人工智能才能最終形成自己的工作模式，變得越來越“聰明”。
正因如此，人工智能行業(yè)有句話：有多少智能，背后就有多少人工。2020年2月，“人工智能訓(xùn)練師”正式成為新職業(yè)并納入國家職業(yè)分類目錄。他們的工作是教會AI認(rèn)識數(shù)據(jù)，有了足夠多、足夠好的數(shù)據(jù)，AI才能學(xué)會像人一樣去感知、思考和決策，更好地為人類服務(wù)。
李宇龍雖然從未見過自動駕駛汽車，但他最近正在做的工作卻與自動駕駛技術(shù)的AI算法息息相關(guān)?！澳憧矗哑嚳蚱饋?，都打成白色的點，就代表這是一個障礙物?！彪S著李宇龍鼠標(biāo)的快速滑動，屏幕上的點云圖不斷翻轉(zhuǎn)，一個個針尖大的數(shù)據(jù)點被標(biāo)注在圖中不同物體上——藍(lán)色是路面、綠色是綠植、紅色是路沿、白色是障礙物。事實上，自動駕駛汽車眼中的世界就是一幅幅不斷變幻的點云圖。數(shù)據(jù)標(biāo)注師要做的就是對照攝像頭拍攝的照片，賦予這些點云圖以準(zhǔn)確的含義。
記者采訪中了解到，現(xiàn)在數(shù)據(jù)標(biāo)注的內(nèi)容已經(jīng)從圖片拓展到語音，數(shù)據(jù)集中除了自動駕駛，還有醫(yī)療CT、人臉等，語音數(shù)據(jù)除了有普通話、各地方言外還有外語，這些數(shù)據(jù)集涵蓋的范圍越來越廣，使得行業(yè)對數(shù)據(jù)標(biāo)注師的要求也越來越高。
市場需求量將呈井噴式增長
眾所周知，數(shù)據(jù)服務(wù)領(lǐng)域與人工智能的發(fā)展息息相關(guān)。通過每天數(shù)千次的重復(fù)動作，數(shù)據(jù)標(biāo)注這項工作便和無人駕駛、人臉支付、智能家居、智慧醫(yī)療等前沿科技產(chǎn)生了緊密的聯(lián)系。
記者了解到，目前，數(shù)據(jù)標(biāo)注的技術(shù)門檻并不高，只要能熟練操作電腦，經(jīng)過一定的培訓(xùn)就能上崗，招工人群較為廣泛。以百度基地為例，現(xiàn)在這里有2300多名數(shù)據(jù)標(biāo)注師，今后5年預(yù)計將為5萬名數(shù)據(jù)標(biāo)注師提供就業(yè)崗位。
“這是個高速發(fā)展的行業(yè)，5年培養(yǎng)5萬人并不算多，我們的線上眾包注冊用戶將近2000萬人，目前每個月在線上為我們提供服務(wù)的將近5萬人。如果按照行業(yè)增長速度來看的話，培養(yǎng)5萬人還不一定夠。”百度基地負(fù)責(zé)人介紹。
對于如何保障數(shù)據(jù)安全，這位負(fù)責(zé)人表示：“這也是百度要專門建設(shè)這個基地的原因。在基地，每個房間都有24小時視頻監(jiān)控，上崗之前進(jìn)行人臉打卡、數(shù)據(jù)加密，作業(yè)期間若涉及數(shù)據(jù)敏感項目，會要求數(shù)據(jù)標(biāo)注
師們將手機放在固定的地方，而線上的數(shù)據(jù)標(biāo)注師則是處理一些敏感性不高的數(shù)據(jù)?！?/p>
記者了解到，目前山西轉(zhuǎn)型綜合改革示范區(qū)已建成全國知名的單體數(shù)據(jù)標(biāo)注基地，入駐企業(yè)35家，標(biāo)注人員2000余人，產(chǎn)值規(guī)模和從業(yè)人員全國領(lǐng)先。
據(jù)艾瑞統(tǒng)計預(yù)測，2020年我國AI基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模為37億元，到2025年相應(yīng)規(guī)模可達(dá)107億元，整體增速呈現(xiàn)穩(wěn)步提升的趨勢，圖像、語音類內(nèi)容也繼續(xù)在向新興場景開拓，數(shù)據(jù)標(biāo)注需求量將呈井噴式增長。
優(yōu)勢＋政策助推行業(yè)“起飛”
站在互聯(lián)網(wǎng)風(fēng)口之上，我省已緊緊把握住了“大數(shù)據(jù)”“云平臺”等發(fā)展機遇。數(shù)據(jù)標(biāo)注產(chǎn)業(yè)則是我省進(jìn)一步利用已有制造業(yè)基礎(chǔ)和大數(shù)據(jù)資源，發(fā)展智能制造和人工智能應(yīng)用的關(guān)鍵一步，是推動我省經(jīng)濟高質(zhì)量轉(zhuǎn)型發(fā)展的新機遇。事實上，我省近年來持續(xù)聚焦、主動作為，正在穩(wěn)步推進(jìn)我省數(shù)據(jù)標(biāo)注產(chǎn)業(yè)建設(shè)發(fā)展。
一個事實是，我省發(fā)展數(shù)據(jù)標(biāo)注產(chǎn)業(yè)優(yōu)勢明顯：在人力資源優(yōu)勢方面，具有相對充沛的人力資源，同時我省大數(shù)據(jù)學(xué)院專業(yè)培養(yǎng)體系完備，人才素質(zhì)較高；在資源優(yōu)勢方面，根據(jù)2018年8月國家發(fā)改委出臺的《關(guān)于支持山西省與京津冀地區(qū)加強協(xié)作實現(xiàn)聯(lián)動發(fā)展的意見》，京津冀作為全國電子信息產(chǎn)業(yè)發(fā)展高地，將為山西發(fā)展數(shù)據(jù)標(biāo)注產(chǎn)業(yè)乃至整個人工智能產(chǎn)業(yè)帶來人才、資金、技術(shù)等全方位的外部優(yōu)質(zhì)資源；在產(chǎn)業(yè)基礎(chǔ)優(yōu)勢方面，我省已與人工智能龍頭企業(yè)百度公司深入合作，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)集聚地建設(shè)項目順利展開，以山西同方知網(wǎng)為代表的本地數(shù)據(jù)標(biāo)注企業(yè)也已初具規(guī)模。
省委、省政府為了支持?jǐn)?shù)據(jù)標(biāo)注產(chǎn)業(yè)的發(fā)展，近年來陸續(xù)發(fā)布了《山西省數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展規(guī)劃（2019-2025年）》《山西省加快數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展的實施意見》《山西人工智能基礎(chǔ)數(shù)據(jù)產(chǎn)業(yè)專項資金管理辦法》等，為入駐山西綜改示范區(qū)的數(shù)據(jù)標(biāo)注企業(yè)提供了一系列的扶持配套政策。
如今，通過大力引進(jìn)龍頭企業(yè)、推進(jìn)重大項目建設(shè)、加強專項資金支持等一系列舉措，三晉大地集數(shù)據(jù)采集、存儲、標(biāo)注、服務(wù)等于一體的大數(shù)據(jù)融合創(chuàng)新產(chǎn)業(yè)持續(xù)壯大，信息技術(shù)應(yīng)用創(chuàng)新產(chǎn)業(yè)加速成長，新興數(shù)字平臺不斷涌現(xiàn)。
“《山西省加快數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展的實施意見》提出，到2025年，基礎(chǔ)數(shù)據(jù)服務(wù)體系基本完善，人工智能基礎(chǔ)數(shù)據(jù)開放平臺影響力大幅提升，山西將成為全國領(lǐng)先的基礎(chǔ)數(shù)據(jù)產(chǎn)業(yè)聚集地，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)年產(chǎn)值達(dá)到50億元，基礎(chǔ)數(shù)據(jù)服務(wù)年產(chǎn)值達(dá)到150億元，帶動人工智能相關(guān)產(chǎn)業(yè)年產(chǎn)值達(dá)到500億元?！笔」ば艔d大數(shù)據(jù)辦相關(guān)負(fù)責(zé)人表示。
