千億ChatGPT的狂歡和月薪3K的數據標注員_HAT:ATG

ChatGPT爆火后，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行業也在招兵買馬，年薪百萬、16薪成為“標配”。

巨頭喊話、熱錢涌動，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，也引起了小范圍的關注和討論。

他們被譽為“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。

Multichain跨鏈總交易額突破千億美元:金色財經報道，官方數據顯示，跨鏈路由協議Multichain總交易額已突破千億美元，TVL達17.6億美元。

Multichain當前已經連通83條主流公鏈，支持超過3400種資產跨鏈，是Web3領域最主要的跨鏈交互協議之一。[2023/3/15 13:05:12]

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點云標注和文本標注等。

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為AI的老師。

數據標注工作并不難，只需要一臺電腦，一個鼠標；簡單培訓后，就可以上手。但是，這個工作并不輕松，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、標注范圍大、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，因為經常面對拉伸圖，很多圖片根本看不清，容易做錯。

歐科云鏈鏈上大師：身份管理或成下一個千億市場:近日，歐科云鏈鏈上大師發布研報《Web 3.0不可或缺的核心組件——身份管理，下一個千億市場？（一）》，從傳統互聯網與Web 3.0 世界的數據安全和身份遺失等問題出發，深度剖析了去中心化身份體系（Decentralized Identifier）的分層結構與場景探索等課題。

報告指出，DID架構通常可以分為標識符標準、基礎設施、憑證、應用程序四大部分。中心化導致的數據濫用、平臺割裂和用戶對數據主權的喪失是孕育出DID的現實土壤。目前來看，與DeFi、NFT、DAO等相比，DID仍是一個被忽視的領域，但鏈游等場景卻又因身份缺失面臨各方面的發展限制。作為Web 3.0不可或缺的組件，DID扮演著基礎設施的角色，未來也將衍生出更豐富的玩法。[2022/2/24 10:12:21]

和AI行業的高薪相比，數據標注員的工資并不高。

“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，但因為標注的速度、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。

動態 | 浙江省建設“萬畝千億”新產業平臺，包含區塊鏈等細分領域:據每日商報消息，5月21日，浙江省政府新聞辦舉行發布會，對“萬畝千億”新產業平臺的建設情況和未來打算做了統一介紹。據了解，“萬畝千億”新產業平臺在產業定位上，聚焦重量級未來產業，包括數字經濟核心領域、智能裝備、航空航天裝備、高端生物醫藥、前沿材料等五大重點方向，其中數字經濟核心領域包括區塊鏈等細分領域。[2019/5/22]

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，數據標注是根本，10年之內都要依賴于標注數據”。

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？

為OpenAI提供數據標注服務的是總部位于舊金山的Sama，Sama在在肯尼亞、烏干達和印度雇傭員工，服務Google、Meta和微軟等客戶。

據愛范兒報道，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。

聲音 | Nicholas Merten：比特幣ETF將為加密貨幣市場帶來數千億美元資金流入:據CCN報道，加密貨幣投資者和內容生產者Nicholas Merten表示，比特幣ETF的重要意義在于可以讓投資者將比特幣作為養老金投資組合的一部分。全球的養老金市場有41.3萬億美元，如果比特幣占到全球養老金的1％，將為加密貨幣帶來4130億美元的資金流入。[2018/7/26]

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。

并且，因為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公司卻拒絕為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。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“我認為你應該這么做”。

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“臟話”，被強制下線。當時有媒體報道，小圖至少學會了4萬條不良信息。

2016年數字貨幣傳銷涉案金額達上千億元:據第一財經消息，據不完全統計，2016年以來裁判文書網所公示的以數字貨幣為幌子的傳銷詐騙案件多達180余件，涉案總金額高達上千億元人民幣，其中90%的案件屬于通過發展下線進行各類傳銷活動。通過梳理發現，在涉及數字貨幣的刑事案件中，90%屬于利用數字貨幣進行層級推銷的傳銷案件，上百名涉案人員均以組織或領導傳銷活動罪被法院依法追究刑事責任。[2018/1/23]

AI自身并不能判斷善惡，需要人為干預，標注、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和數據標注員的工作：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，并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。這也是為什么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的算法并不神秘，比如公開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，后來者會越來越難追上。

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，隨著人工智能巨頭的崛起，數據標注和采集需求激增，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個月后各結算一半”，因為這是甲方的結算習慣，一些數據公司并不會提前“墊付”薪酬。

因為沒有什么門檻，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”。

并且，數據標注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，特斯拉在全球開啟了裁員計劃。其中規模最大的一次裁員，是解雇了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；并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線城市依然有競爭力。

實際上，因為屬于“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，數據標注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注員的故事，“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公司凈虧損高達5.45億美元。

我們在驚嘆人工智能的突破和背后的技術成本時，在追捧OpenAI 2000億人民幣的估值時，不應該忘記背后千萬的數據標注員。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，本文人名為化名。）

來源：元宇宙之心

元宇宙之心

企業專欄

閱讀更多

金色財經 善歐巴

金色早8點

Odaily星球日報

歐科云鏈

Arcane Labs

MarsBit

深潮TechFlow

BTCStudy

澎湃新聞

Tags：CHAGPTATGHATvirtualrealitychainGGPT人工智能chatGPTCHAT幣

Gate交易所