谁在教AI认识世界？

　　谁在教AI认识世界？

　　长沙晚报记者采访给AI当“启蒙老师”的数据标注员群体，看看他们如何把世界讲给AI听

　　长沙晚报全媒体记者 黄飞武 罗杨

　　对着车机说一句“导航到橘子洲，把座椅加热打开”，它很快给出回应；给豆包发一句“帮我写首歌”，屏幕上便能生成一段旋律或歌词。

　　AI似乎越来越“无所不能”。但很少有人想过：它是怎么“学会”这些本领的？

　　答案不只在算法和算力里，也藏在一群人的日常工作中——他们不编写代码，也不直接训练模型，却通过一条条标注，帮助AI从海量数据中学习成长。他们就是AI数据标注员。

　　这个听起来有些陌生的新兴职业，每天究竟在做什么？AI越来越聪明，为什么还需要他们？这份工作又与我们的日常生活有何关联？近日，长沙晚报记者走进相关企业，探访一线从业者的工作日常。

　　给数据添上一份“说明书”

　　AI的学习，离不开海量数据的“喂养”。但它的学习不可能漫无目的、来者不拒。要让它真正具备“理解能力”，还需要有人告诉它：哪些信息值得关注，应该如何区分，又对应着什么含义。

　　比如，给AI看照片，怎样让它知道画面中的哪只动物是“猫”？让它听录音，又怎样分清谁在说话、说了什么？这就需要数据标注员给原始数据贴上相应的“标签”——在照片中框出猫的轮廓，在录音中标注文字内容、说话人和语音特征。经过规范标注的数据，才能用于模型训练，让AI从中学习规律。

　　国家数据局将数据标注概括为筛选、清洗、分类、注释、标记和质检等环节。简单来说，数据标注员做的，就是给原始数据添上一份“说明书”，从而让AI能够精准识别、理解并加以运用。

　　在湖南镁拓科技有限公司（简称“镁拓科技”），这样的工作每天都在进行。作为长沙本地头部的数据标注企业，这家企业年营收达千万级，在数据标注领域积累了深厚实力。

　　标注员从系统领取任务数据后，戴上耳机逐句核对语音。发现转写错误，要及时修正；遇到两个人同时说话，要根据规范切分语音，分别标记“说话人A”“说话人B”；碰上噪声较大的片段，还要单独标注相关信息；对于时长过长的句子，则要按照规范进一步切分。完成标注后，数据还要经过后台质检人员复核，确认符合要求，才能交付给模型训练。

　　看似只是听音频、改文字，实际操作却并不简单。正式作业前，团队还要先了解客户需求、试做样本、统一标注规则；进入具体环节后，小语种、方言、多人对话、语音不清等情况，又各有不同的处理要求。

　　而且数据标注的对象，也远不止语音。图片、视频、动作，乃至能够被记录和分析的触觉信息，都可能成为AI学习的素材。如今随着应用场景的不断拓展，标注工作也越来越需要各种专业知识的加持。

　　常见的岗位分为线下全职与线上兼职两种模式，企业会在线上平台持续释放标注任务，有兴趣的普通人经过简单培训，也可以居家线上接单参与，收入实行计件多劳多得；长沙本地全职标注员月薪大多集中在3000～6000元，掌握小语种、音乐、自动驾驶等专项技能的专业标注人员薪资会更高。

　　在长沙笠川科技有限公司，标注员周泳帆负责的是音乐数据。他毕业于音乐专业，同时是长沙交响乐团Melete合唱团的成员。普通人听一段曲子，或许只会觉得“好听”或“不好听”；而在周泳帆的工作中，一段音乐要求被拆解成更具体的信息：使用了什么乐器、采用什么和弦与节拍、整体情绪如何……这些内容都需要按照相应的标准进行识别和标注。这些更专业的标注，为AI学习音乐提供了更具体的依据，在辅助人创作时，才有可能更准确地理解创作要求，给出更专业的结果。

　　AI越聪明，越需要好数据

　　如果说算法决定了AI如何学习，那么数据就关系着它能学到什么、学得有多好。就像人要掌握一项技能，需要接触相应的教材和案例；AI要形成专业能力，也需要与目标相匹配的数据。

　　对于数据标注的重要性，清华大学教授孟庆国曾有明确定义：“数据标注是将原始数据转化为可识别、可训练、可计算的关键环节，其质量直接决定了数据集的应用价值。”

　　镁拓科技将AI学习过程比作盖房子：算法工程师好比绘制设计图纸的人，数据标注员则负责把一块块砖烧好、码齐。砖的质量不过关，房子就难以坚固；砖的数量不够，房子也难以建高。对于AI而言，数据标注的质量和规模，影响着模型最终能够达到的能力水平。

　　数据需求有多大？镁拓科技相关工作人员介绍，仅语音数据，训练一个功能就可能需要上万小时级的语料。不同应用场景、不同语言和不同任务，对数据的数量、质量及标注精度也有不同要求。如今，为满足不同语言的数据采集和标注需求，镁拓科技线上平台的数据采集、标注兼职人员已超过9万，参与者分布在美国、意大利、西班牙等全球多个国家和地区。

　　与此同时，AI也正在进入标注流程，成为标注员的“帮手”。早些年，缺少语音预识别工具时，标注员处理一段音频，几乎要从头听到尾，再逐字敲出文本。如今，AI可以先完成初步识别，人工再进行校对和修正，工作效率大幅提升。

　　相对来说，普通话语音等相对标准的场景，AI已经能够完成不少基础工作；可一旦遇到方言、小语种、多人交谈、车载发动机噪声干扰，或涉及专业乐理知识的复杂任务，仍需要人工进行更细致的判断和校验。

　　技术进步改变了标注员的工作方式，也不断抬高数据质量的要求。当AI能够处理更多常规任务，人工标注便进一步向复杂、专业、容易出错的环节延伸。

　　从一条数据，看见AI背后的产业链

　　数据标注处在AI产业链的前端，连接着应用需求与模型研发。

　　应用方提出训练需求，数据团队据此采集、加工、标注并质检数据，再将符合要求的数据交给研发人员训练模型；模型应用到具体产品后，新的使用场景和问题又会带来新的数据需求。由此，数据标注不仅参与AI能力的形成，也影响着模型后续的优化方向。

　　这种影响，最终会落到普通人的日常生活中。

　　汽车能不能听懂方言导航，语音助手能不能在嘈杂环境里分清不同说话人，AI音乐工具能不能识别曲风、辅助创作，自动驾驶系统能不能准确识别道路上的行人和车辆……这些能力的背后，既离不开算法和算力，也离不开经过整理、标注和质检的数据。

　　镁拓科技介绍，公司在车载语音数据领域与国内八成以上的新能源车企有直接或间接合作。你坐进一辆国产新能源车说出那句“你好，小X”，背后大概率就有这家长沙企业标注的数据在起作用。长沙笠川科技则正在参与专业音乐创作领域AI大模型的训练开发。

　　不同领域、不同类型的数据标注，支撑着AI的能力从通用对话，一步步走进更多更专业、更具体的应用场景。

　　长沙也正在围绕这一环节，加快培育相关产业。

　　2024年5月，长沙入选首批承担国家数据标注基地建设任务的7个城市之一。此后，长沙按照“1个综合标注基地+7个行业标注基地”的思路统筹布局，将整座城市作为一个“大基地”来建设。其中，综合标注基地落在湖南湘江新区；行业标注基地则结合各地产业特色，布局马栏山视频文创、长沙经开区工业制造、望城经开区医疗健康等领域，推动数据标注与本地优势产业相结合。

　　截至目前，长沙全市标注数据规模达4.38万TB，建成高质量数据集277个，赋能124个大模型，引育标注企业93家，培育标注人才2.5万人，带动相关产值120亿元。蚂蚁集团、海天瑞声等企业相继在长沙布局，THOTHAI也于今年9月签约入驻麓谷。

　　这些数字背后，是数据标注从单一的基础服务向多领域、专业化方向延伸，也是长沙将数据资源、人才和产业需求进一步串联起来的探索。

　　今天，当我们惊叹于AI对答如流、辅助创作的能力时，目光往往聚焦在模型突破与技术创新上，却容易忽略那些看似细碎的基础工作。

　　一段语音的反复听辨，一个标签的仔细核对，一组数据的多轮质检……这些不显眼的工作，也是AI学习理解世界的重要一环。

　　技术让AI不断进步，而数据标注员则以耐心和专业，为AI认识世界提供更准确的参照。他们或许不在聚光灯下，却在屏幕与耳机之间，把纷繁复杂的现实世界，一点点转化为AI能够读懂的语言。