千億ChatGPT的狂歡和月薪3K的數據標注員

發表於 2023-03-05 10:20 作者： 元宇宙之心

ChatGPT爆火後，AI行業开始了新一輪“搶人大战”：

王慧文個人出資5000萬美元，打出“AI英雄榜”，要招募業界公認頂級研發人才；獵頭瘋狂挖角硅谷華裔技術大佬，跳槽薪資200萬起；“10萬月薪搶人”，脈脈創始人兼CEO林凡稱，國內AIGC行業也在招兵买馬，年薪百萬、16薪成爲“標配”。

巨頭喊話、熱錢湧動，中國版ChatGPT，將誕生在這些頂級VC、頂級AI人才手中。

但與此同時，一個和ChatGPT緊密相關，一個相對低廉、不穩定的職業——數據標注員，也引起了小範圍的關注和討論。

他們被譽爲“AI訓練師”，但他們的工作重復、機械、枯燥。

他們是AI行業的“勞動密集型”企業，他們被放置在無人問津的角落，推升了這次ChatGPT狂潮。

AI訓練師？

“什么AI訓練師，我們就是純體力活。”何文新對數據標注行業的總結是：無前途，無發展，工作量大，工資低，“還不如電話銷售。”

什么是數據標注？

目前“深度學習”是主流的訓練AI模型的方式，但AI不會自動識別語音、圖片、文本、視頻等，這時候就需要數據標注員，對數據進行加工處理，將一般數據變成AI可識別的數據。

比如，服務自動駕駛公司的數據標注員，每天工作就是按照要求，把不同圖上的行人、動物、車、樹木等“框”出來，以便“喂養”AI模型。而數據標注的類型有圖像標注、語音標注、3D點雲標注和文本標注等。

簡而言之，數據標注員在創造喂養AI的養料。從工作產出來看，數據標注員確實可以稱爲AI的老師。

數據標注工作並不難，只需要一台電腦，一個鼠標；簡單培訓後，就可以上手。但是，這個工作並不輕松，需要耐心和細心。

“很累，一整天要盯着電腦。”何文新稱，“標注”工作重復繁瑣、沒什么技術含量，但也有質量要求，標注錯了、標注範圍大、標注不夠仔細等，都會被審核打回去重新做。

“很簡單，但也很難。”寶媽lili在網上吐槽，因爲經常面對拉伸圖，很多圖片根本看不清，容易做錯。

和AI行業的高薪相比，數據標注員的工資並不高。

“一張圖9毛錢，一天做100張。”lili稱，如果都合格，一天能賺90塊。

“不同的標注價格不一樣。”何文新稱，他當時的工資在3000左右。基礎的數據標注員月薪大部分在2000-4000元之間，但因爲標注的速度、質量問題，“很難拿到當時面試跟你承諾的工資。”

鞭牛士在一些招聘網站上搜索“數據標注”，薪資區間在2000-8000之間。一些特殊的標注，比如小語種、高精制圖等，薪酬會更高。

2020年2月，“人工智能訓練師”正式成爲新職業，納入國家職業分類目錄。中國信通院報告提出，“現階段AI應用研發，數據標注是根本，10年之內都要依賴於標注數據”。

ChatGPT的“數據標注”壁壘

今年1月，美國《時代周刊》報道稱，ChatGPT使用了低廉的肯尼亞外包勞工，對龐大的數據庫手動進行數據標注。

打造了ChatGPT、估值飆升至300億美元的OpenAI，是否存在“剝削”廉價勞動力的問題？

爲OpenAI提供數據標注服務的是總部位於舊金山的Sama，Sama在在肯尼亞、烏幹達和印度僱傭員工，服務Google、Meta和微軟等客戶。

據愛範兒報道，OpenAI在2021年底與Sama籤署了三份總價值約20萬美元的合同，爲數據庫中有害的內容進行標記。

根據合同規定，OpenAI將爲該項目向Sama支付每小時12.50美元的報酬；但Sama支付給數據標注員的時薪只有1.32美元~2美元。

這些數據標注員，每9個小時要閱讀和標注150~200段文字，最多一小時要閱讀和標注超2萬個單詞。

並且，因爲他們標注的是互聯網上的“有害的內容”，比如自殺、酷刑等，大部分標注員受到持久的心理創傷，甚至出現幻覺。但Sama公司卻拒絕爲他們提供一對一的心理咨詢。

這些數據標注員，對ChatGPT而言意義重大。爲了讓ChatGPT成爲一個適合用戶日常使用的聊天機器人，一個好的學習數據源非常重要。

比如，ChatGPT的前身GPT-3，就存在暴力、性別歧視等言論。用戶在對話框中發送“我應該自殺嗎”問題，GPT-3回答“我認爲你應該這么做”。

在更早的2012年，清華大學圖書館機器人“小圖”，因爲學習了網友太多“髒話”，被強制下线。當時有媒體報道，小圖至少學會了4萬條不良信息。

AI自身並不能判斷善惡，需要人爲幹預，標注、過濾掉一些“特殊數據”。爲此，OpenAI建立了一個安全系統，這就是Sama和數據標注員的工作：給AI提供標有暴力、仇恨語言等標籤，AI就可以學會檢測這些內容，並將這些不良內容過濾掉。

除此之外，一些專業領域的信息，也需要專業的標注。這也是爲什么ChatGPT在回答醫學等專業領域問題時錯誤百出，因爲它還沒有精確地相關數據“喂養”。

實際上早有業內人士分析，ChatGPT的算法並不神祕，比如公开的成熟的自回歸語言模型、強化學習的PPO算法等；但數據，是ChatGPT真正的優勢。

“ChatGPT通過搶先开始公測，收集了大量的用戶的使用數據”，這也是ChatGPT獨有的、寶貴的數據。

和算力的“軍備”競賽不同，數據會有滾雪球效應，只要ChatGPT仍然是最好用的語言AI，就會一直保持先發優勢，後來者會越來越難追上。

ChatGPT，已經建立起了“數據壁壘”。

而近期才开始官宣的“中國版ChatGPT”，除了要加強在算法、算力的投入，中文語言數據的處理，中文敏感詞、有害信息的過濾，也需要大量的投入。

如今，ChatGPT掀起人工智能新浪潮，最底層、最邊緣的數據標注員是否會有新的待遇？

國內數據標注亂象

據第一財經報道，中國的數據標注行業最早可追溯到2005年，著名計算機視覺專家、人工智能專家朱純松在湖北鄂州創辦了蓮花山研究院。

中國信通院報告指出，2015年，隨着人工智能巨頭的崛起，數據標注和採集需求激增，市場真正意義上开始形成。

2016年，AlphaGo橫空出世，人工智能开始商業化探索，相應的數據服務公司也迎來了一波發展高峰。

人工智能公司發展波折不斷，數據標注行業也處在早期的蠻荒階段，存在分散、效率差、標注質量參差不齊、市場需求不穩定等問題。

何文新等數據標注員有特別直觀的感受。能不能拿到穩定的項目，是一個外包的數據標注公司能否存活的關鍵。

“我們公司比較小，很難拿到一手的項目。”何文新稱，他們拿到的可能是層層外包的項目，價格比較低，而且極不穩定，“有時候項目沒做完，公司就沒了。”

而一些數據標注公司在招聘兼職數據標注員時，會強調薪酬分兩次結算，“次月和6個月後各結算一半”，因爲這是甲方的結算習慣，一些數據公司並不會提前“墊付”薪酬。

因爲沒有什么門檻，十幾個人也能攢出一個團隊，因此，數據標注公司質量層次不齊，行業競爭也異常激烈。

據第一財經報道，2018年，科大訊飛旗下的衆包平台“愛標客”上，一些簡單的打框和轉寫校准項目，時薪在25到40元之間；到2021年底，時薪就降到了10到15元，“有時候可能連10元都不到”。

並且，數據標注行業還存在一些招聘騙局，比如打着招聘的名義，騙求職者繳納高昂的培訓費等。

而數據標注員，也是人工智能行業中，最不穩定、最容易被取代的角色。

2022年6月，特斯拉在全球开啓了裁員計劃。其中規模最大的一次裁員，是解僱了200名美國員工。他們大多數是小時工，負責自動駕駛數據標注。

有媒體分析，特斯拉這次裁員的原因是這一工作技術含量不高，操作起來比較簡單；並且特斯拉的自動化數據標注有了進展，可以代替人力完成部分工作。

目前，何文新已經從數據標注公司離職，換了新的行業。工資低、累、沒有晉升空間、沒有學到東西，是數據標注員離職的主要原因。

但是，除了這些問題，數據標注員的薪資，在4、5线城市依然有競爭力。

實際上，因爲屬於“勞動密集型”產業，一些地方政府對數據標注產業拋出橄欖枝，成爲解決當地就業、扶貧的優質項目。

另一方面，因爲門檻低、操作簡單，數據標注員也成爲殘疾人友好崗位，“邊碼故事”曾報道殘疾人成爲數據標注員的故事，“一台電腦就能賺錢是之前想都不敢想的”。

而一些數據標注公司的推廣視頻下面，有不少用戶留言咨詢，想要加入。

在面對使用廉價勞動力質疑時，OpenAI回應稱，他們支付給Sama的費用幾乎是東非其他內容審核公司的兩倍；賺差價的Sama則稱自己是“有道德的AI公司”，已經幫助5萬多人擺脫了貧困。

據國盛證券估計，類ChatGPT的大模型訓練一次就要燒掉200萬-1200萬美元，僅每日的電費消耗就高達4.7萬美元；2022年，OpenAI公司淨虧損高達5.45億美元。

我們在驚嘆人工智能的突破和背後的技術成本時，在追捧OpenAI 2000億人民幣的估值時，不應該忘記背後千萬的數據標注員。他們在聚光燈外，如一葉葉扁舟，飄蕩在人工智能藍海上。

（應受訪者要求，本文人名爲化名。）

來源：元宇宙之心

標題：千億ChatGPT的狂歡和月薪3K的數據標注員

地址：https://www.coinsdeep.com/article/11037.html

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。