文科女生给AI大模型“喂口粮”

来源：湖北日报

“数据标注”业务项目经理黄雨晨正在工作。

编者按

当流水线工人变身AI训练师，当车间轰鸣转为数据流动，湖北以产业链的蓬勃生长，给出了“人去哪儿”的响亮回答：就业，正扎根于产业每一次迭代裂变的新赛道、新场景。即日起，本报开设专栏“就业长在产业上”，敬请关注。

文/图 湖北日报全媒记者 刘天纵

一张街景，人类一眼能看出“车、人、红绿灯、楼房、马路”；AI看到的只是一堆0—255的像素矩阵。

给数据打标，就是给AI“翻译世界”。数据标注师，应运而生。

在武汉理工大学科技园，览易（武汉）智能数据服务有限公司有一支500多人的数据标注师队伍，分布在省内外多个城市，平均年龄不到30岁。

27岁的恩施女孩黄雨晨就是其中一员。她2020年入职览易智能，现已从普通“数据标注师”成长为“项目经理”。让人意外的是，她的大学专业居然是汉语言文学。在数据、代码、算法满天飞的AI赛道，一名文科生居然挤进了核心岗位。

新手入门不算太难

披着齐肩短发、戴着黑框眼镜、穿着休闲T恤、揣着平板电脑和几本书……在览易智能门外初见黄雨晨，以为是去图书馆上自习的女大学生。

打开办公电脑，画面令人眼前一亮——连片的点状图、彩色的标注框、交错的标记线等，构成了一幅幅“赛博”风格的城市街景图。

“这就是数据标注——给文本、图片、视频、语音等各类数据‘打标签’‘写说明’‘加备注’，方便AI大模型学习理解。”黄雨晨解释道。

AI产业的三要素分别是数据、算力和算法。其中，数据是AI的“营养来源”，算力是“肌肉力量”，算法是“思考方式”，数据标注就是给AI制造“口粮”，将原始数据加工成机器学习算法可识别的内容。

比如，一张城市街景图，需要人用专业软件，标注出汽车、行人、道路、红绿灯、建筑、绿化带、车道线等各类元素，以训练AI大模型的“眼力”和“脑力”。

数据标注工作好上手吗？

“只要学习能力强、耐心细致且能熟练操作电脑，上手入门并不算太难。”黄雨晨透露，2020年大学毕业那年，湖北数据标注产业刚开始兴起，从业人员缺口大，抱着试一试的心态，她向览易智能投了简历。

新手任务都是入门级的。比如给汽车摄像头拍摄的照片做标注。这对黄雨晨而言，类似于用专业软件“P相片”，这正是女生爱好且擅长的。每张照片上的行人、车辆、道路等元素加起来，大约有60个“标注框”，黄雨晨每天能处理50至60张这样的照片，成为新职员中的佼佼者。

AI对数据“食材”的要求越来越高

精修两三张照片，或许小有乐趣。若一天要精修几十乃至上百张照片，难免心生厌倦。想当好数据标注师，就要不厌其烦。

“比起照相馆的精修相片，数据标注图像的精度要求高多了。”黄雨晨说，入行的第一年，她主要处理二维图像数据，即车载摄像头拍摄的照片。每张照片标注完后，公司会有专门的质检人员来检查标注质量，误差不能超过1个像素点。

如24英寸的显示屏，分辨率调成1920（宽）×1080（高）后，每个像素点长宽不到0.3毫米。黄雨晨标注一个人或一辆车，相当于在像素点“万花筒”中精准“抠图”。图像数据标注误差每提高1%，AI大模型训练效果就会大打折扣。

黄雨晨称，数据标注师每天的工作按“计件”考核，效率高的人可以多劳多得，标注速度慢、质量不高的人，只能花更多的时间和精力来补短板。此外，车企投来的订单多涉及新车型研发和排产计划，要求数据标注师每天必须按节点完成工作任务，一刻也拖不得，所以熬夜加班是常态。

因业绩突出，黄雨晨一路从数据标注师、小组长、项目主管成长为项目经理，统筹览易智能多个项目的培训、客户对接、排产、交付等工作。她经手的项目类型，也从汽车领域，延展到工业制造、智能安防、新零售、医疗、金融等多个行业。

“AI大模型几乎每三四个月就迭代一次，市场对数据标注的需求越来越大，标注的内容也越来越复杂。”黄雨晨说。

以自动驾驶为例，黄雨晨参加工作的前几年，主要标注车载摄像头拍摄的二维图像数据，框出图像中的车辆、行人、交通标志等目标。

由于二维图像数据无法感知距离和空间，由激光雷达、毫米波雷达生成的三维点云数据标注快速发展。

然而，自动驾驶车辆在行驶过程中，周遭环境是动态的，三维点云数据仅提供了静态的空间场景，因此包含时序信息的四维标注于2024年开始兴起，能更全面地描述物体的运动轨迹、形态变化以及与环境之间的互动关系。

目前，从蔚来、理想、吉利、东风、长安等车企向览易智能发来的订单看，四维点云数据标注已成主流。“这说明中国自动驾驶技术在飞速发展，AI对数据‘食材’的要求越来越高。”黄雨晨说。

帮AI摆脱“精神内耗”

黄雨晨将人工智能产业解构为“人工+智能”，AI大模型越来越聪明的背后，是广大数据标注师日以继夜的默默奉献。

览易智能创始人、总经理张雪娇是名“90后”，黄雨晨等数据标注师一路成长的艰辛，她看在眼里。

张雪娇透露，最近几年，国内每年都会新增几百家数据标注企业。

“企业要在智力密集型行业里生存下来，必须有自己的‘技术护城河’。”张雪娇介绍，借助武汉理工大学在汽车产业领域的背景优势，览易智能从广大车企的数据标注需求破题，自主研发了“line”数据标注与管理平台，可实现数据“采集—清洗—脱敏—标注—质检—训练”等一站式处理。

“line”平台最立竿见影的效果是提升数据标注效率和质量，为数据标注师减负。

以四维点云图像数据为例，每张点云图像包含100至500帧画面，每一帧画面都至少要标注上百个点、线、框。若让人纯手工标注，几个小时离不开座位。

而“line”平台能自动完成70%以上的预标注任务，支持多人、多团队协同标注，并能提供智能质检功能。数据标注师需要做的就是帮AI查缺补漏，提升整体标注效率30%以上。

拥有高质量的数据集，才能训练出高质量的AI大模型。加工者越细致、越专业，数据集的质量越高。就像医疗影像数据，主任医师的手工标注质量，大概率高于医学院大学生。

目前，金融、医疗、具身智能等行业已成为企业新的订单增长点。张雪娇认为，数据标注行业已进入高速发展期，对人才需求量巨大，湖北作为科教大省，拥有得天独厚的优势。览易智能成立5年来，协同相关高校开展技能培训，已累计培训数据标注人才上万人次，让就业真正“长”在了产业上。