千億 ChatGPT 的狂歡和月薪 3K 的數據標註員

文：何蕾

ChatGPT 爆火後，AI 行業開始了新一輪 「搶人大戰」：

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；獵頭瘋狂挖角硅穀華裔技術大佬，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 行業也在招兵買馬，年薪百萬、16 薪成為 「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 —— 數據標註員，也引起了小範圍的關註和討論。

他們被譽為 「AI 訓練師」，但他們的工作重複、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？

「甚麼 AI 訓練師，我們就是純體力活。」 何文新對數據標註行業的總結是：無前途，無發展，工作量大，工資低，「還不如電話銷售。」

甚麼是數據標註？

目前 「深度學習」 是主流的訓練 AI 糢型的方式，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註員，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註員，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 糢型。而數據標註的類型有圖像標註、語音標註、3D 點雲標註和文本標註等。

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

數據標註工作並不難，只需要一臺電腦，一個滑鼠；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，一整天要盯著電腦。」 何文新稱，「標註」 工作重複繁瑣、沒甚麼技術含量，但也有質量要求，標註錯了、標註範圍大、標註不夠仔細等，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，因為經常面對拉伸圖，很多圖片根本看不清，容易做錯。

和 AI 行業的高薪相比，數據標註員的工資並不高。

「一張圖 9 毛錢，一天做 100 張。」lili 稱，如果都合格，一天能賺 90 塊。

「不同的標註價格不一樣。」 何文新稱，他當時的工資在 3000 左右。基礎的數據標註員月薪大部分在 2000-4000 元之間，但因為標註的速度、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尋 「數據標註」，薪資區間在 2000-8000 之間。一些特殊的標註，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」 正式成為新職業，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，數據標註是根本，10 年之內都要依賴於標註數據」。

ChatGPT 的 「數據標註」 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註。

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？

為 OpenAI 提供數據標註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 簽署了三份總價值約 20 萬美元的合同，為數據庫中有害的內容進行標記。

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

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

並且，因為他們標註的是互聯網上的 「有害的內容」，比如自殺、酷刑等，大部分標註員受到持久的心理創傷，甚至出現幻覺。但 Sama 公司卻拒絕為他們提供一對一的心理咨詢。

這些數據標註員，對 ChatGPT 而言意義重大。為了讓 ChatGPT 成為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 「我認為你應該這麼做」。

在更早的 2012 年，清華大學圖書館機器人 「小圖」，因為學習了網友太多 「髒話」，被強制下線。當時有媒體報道，小圖至少學會了 4 萬條不良資訊。

AI 自身並不能判斷善惡，需要人為幹預，標註、過濾掉一些 「特殊數據」。為此，OpenAI 建立了一個安全系統，這就是 Sama 和數據標註員的工作：給 AI 提供標有暴力、仇恨語言等標簽，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，一些專業領域的資訊，也需要專業的標註。這也是為甚麼 ChatGPT 在回答醫學等專業領域問題時錯誤百出，因為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 的算法並不神秘，比如公開的成熟的自回歸語言糢型、強化學習的 PPO 算法等；但數據，是 ChatGPT 真正的優勢。

「ChatGPT 通過搶先開始公測，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」。

而近期才開始官宣的 「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、有害資訊的過濾，也需要大量的投入。

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

國內數據標註亂象

據第一財經報道，中國的數據標註行業最早可追溯到 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，隨著人工智能巨頭的崛起，數據標註和採集需求激增，市場真正意義上開始形成。

2016 年，AlphaGo 橫空出世，人工智能開始商業化探索，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，數據標註行業也處在早期的蠻荒階段，存在分散、效率差、標註質量參差不齊、市場需求不穩定等問題。

何文新等數據標註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註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。」

而一些數據標註公司在招聘兼職數據標註員時，會強調薪酬分兩次結算，「次月和 6 個月後各結算一半」，因為這是甲方的結算習慣，一些數據公司並不會提前 「墊付」 薪酬。

因為沒有甚麼門檻，十幾個人也能攢出一個團隊，因此，數據標註公司質量層次不齊，行業競爭也異常激烈。

據第一財經報道，2018 年，科大訊飛旗下的眾包平臺 「愛標客」 上，一些簡單的打框和轉寫校準項目，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，數據標註行業還存在一些招聘騙局，比如打著招聘的名義，騙求職者繳納高昂的培訓費等。

而數據標註員，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，特斯拉在全球開啓了裁員計劃。其中規糢最大的一次裁員，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註。

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註有了進展，可以代替人力完成部分工作。

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

但是，除了這些問題，數據標註員的薪資，在 4、5 線城市依然有競爭力。

實際上，因為屬於 「勞動密集型」 產業，一些地方政府對數據標註產業拋出橄欖枝，成為解決當地就業、扶貧的優質項目。

另一方面，因為門檻低、操作簡單，數據標註員也成為殘疾人友好崗位，「邊碼故事」 曾報道殘疾人成為數據標註員的故事，「一臺電腦就能賺錢是之前想都不敢想的」。

而一些數據標註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 的大糢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註員。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，本文人名為化名。）

來源：鞭牛士 微信號：bianews8