做人工智能的都是靠腦力勞動的高級程序員嗎？

真相并不是這樣的。

目前人工智能的深度學習算法是建立在大數據的基礎上的，人工智能在工作過程中首先要對大數據進行挖掘，然后再利用大數據訓練人工智能模型。

對于圖片數據來說，這一工作說起來好像很簡單，但實際上整個工作過程并不智能，這背后隱藏著一個賺錢十分辛苦而且工作內容非常枯燥的勞動密集型的產業。

人工智能女神李飛飛開創“數據標注”產業

2005年，當時還沒有出名的李飛飛進入了斯坦福大學人工智能實驗室，選擇了當時還很冷門的研究方向——計算機視覺圖像識別。

計算機視覺圖象識別，主要目的讓計算機讀懂圖像——對計算機來說，每一張圖片都是3個矩陣按照不同權重疊加的結果，這3個數學上的矩陣被稱為RGB顏色矩陣。

對于自動駕駛來說，計算機要從這三個矩陣中找出紅綠燈與斑馬線的位置，難度其實是很高的。對于人工智能安防監控來說，也是一樣的道理，基礎的人臉識別需要用到很復雜的算法。

這些事情看起來十分困難。因為要讓計算機識別“斑馬線”、“紅綠燈”、“人臉”其實就好像我們要訓練一只小狗，讓它過馬路的時候要走斑馬線，要看得懂紅綠燈標志，要記得住路上行人的相貌一樣。但實際上小狗的智商遠比計算機要高得多，因此訓練計算機做機器視覺遠比訓練小狗來得困難。

在2005年，計算機可識別的物體非常稀少。李飛飛與她的研究團隊從互聯網上下載了近10億張圖片，然后試圖對這些圖片進行分類、打上標簽，為計算機提供學習用的“題庫”。這個“題庫”后來發展為著名的ImageNet。

那么，怎么樣才可以把10億張圖片分類打上標簽呢？以一個人每天可以分類1000張圖片來計算工作量，10億張圖片需要一個人干上100萬天，也就是2740年。這是一個巨大的工作量。李飛飛曾想過雇用大學生來完成這個工作，預計支付給每人10美元一小時的工資來做人工歸類，但用她能找到的大學生來人工完成這個項目需要90年的時間，而且開支是一個天文數字。所以，最后李飛飛只能去找更便宜更快速的方法。

后來，李飛飛找到了一種更快速的方式，這就是亞馬遜的眾包平臺。通過眾包平臺，李飛飛在網上雇傭到了5萬人，請他們為這10億張圖片分類、打標簽。

到2009年，李飛飛主導的ImageNet數據庫就包含了1500萬張已經標注好的照片，這是一筆非常可貴的數據財富。李飛飛把這個圖片數據庫免費開放使用，極大地造福了全球所有致力于計算機視覺識別的研究團隊。

李飛飛所開創的這個行業，后來在人工智能領域被稱為“數據標注”。目前，這一行業已經在中國形成了一個勞動密集型產業。

數據標注產業是人工智能的“富士康”

在人工智能的光環背后，數據標注產業其實由一個個類似于“富士康”的勞動密集型工廠組成的。

在這些工廠里往往布滿了一排排的電腦，這些電腦屏幕上是各個被放大的物體圖像的細節，還有一個一個標注框。數據標注員的工作內容包括拉框標點，打標簽，分割，批注等等。

其中對圖片最常見的分類就是打標簽，比如有一種打標簽的方法是描點標注，一般用于細致的人臉標注：這需要在人臉的眉毛、眼睛、鼻子、嘴巴等關鍵部位做二十多個標記點——這個過程很像微軟的KINECT的骨架圖，也類似于數學上的“三角剖分”。

硅谷動力君在網上查閱了做數據標注的公司——“北京博雅海圖數據服務有限公司”。該公司是這樣介紹自己的：博雅數據相繼成立以“博雅上海”、“博雅北京”、“博雅溫哥華”三家子公司，同時又在衡水、濟南、武漢、西安等城市建立了自己的數據加工中心，目前是國內生產規模較大的數據錄入服務企業，現全職錄入員超過200人，博雅的管理人員，均從事錄入行業五年以上，具有良好的敬業精神和團隊精神。

從“博雅海圖數據服務”的相關介紹來看，該公司在河北、山東、山西與湖北建立了自己的數據加工中心，這些數據加工中心有一部分業務就是為人工智能企業提供“數據標注”服務。

另據報道，翊澳數據也是一家類似的數據標注公司，其在河南的十幾個縣市里建立了類似的數據標注工廠。為什么要在河南的縣城建立這樣的工廠呢？原來“下面這些地方場地租金更便宜，員工工資也低，更省成本。”所以，這也讓這些工廠看起來像“富士康”，服務于“高科技”，但實際上卻是“勞動密集型產業”。

因為數據標注其實沒有什么技術難度，只要有會用電腦的初中生就可以勝任這樣的工作。整個工作流程也相對單一，只需要把圖片中的事物識別出來，然后在圖片上標記出來就可以了。但這個工作需要一個工人每天處理上千張圖片，工作內容相對單一，眼睛也十分疲憊。所以，很多人因為忍受不了如此高強度的視力勞動，選擇了跳槽。但也有很多工人堅持了下來，雖然他們不一定懂得他們處理的這些圖片是怎么用到人工智能行業的，但毫無疑問的是，這些工人是人工智能產業鏈上“沉默的大多數”，他們給人工智能行業提供了源源不斷的原材料。

數據標注眾包模式正在造就一個新產業

數據標注眾包模式最早出現在美國，前面說過的人工智能女神李飛飛就是在2005年亞馬遜剛推出勞務眾包平臺（Amazon Mechanical Turk）找到那批數據標注員的。

截至2017年底，亞馬遜的數據勞務眾包平臺注冊用戶量已經累計超過50萬，這其實類似于美團把很多送外賣的快遞小哥連接在了一起，亞馬遜的數據勞務眾包平臺也把眾多的數據標注員連接在了一起。

目前在中國，還沒有出現面向個人的眾包數據標注平臺，但已經出現了一批做數據標注的企業，這些企業相對于個人來說更加專業，工作效率更高，服務質量更有保障，所以得到了很多人工智能企業的好評。因為很多人工智能企業本身位于一二線大城市，很難承擔這種勞動密集型工作的人員工資，于是把數據標注這部分工作外包給數據標注企業，可以節省很多用工成本。

因此，有人高幄建瓴地總結這個產業：沒有“人工”就沒有“智能”，這一幕很可能是人工智能產業發展史上的最為隱秘而壯觀的一幕。

數據標注的工作內容非常枯燥而且需要極大的耐心，這處于人工智能高科技產業鏈的低端，這一工作內容看起來基本沒有技術含量。

那么，中國有哪些從事數據標注的企業呢？除了前文提到的博雅海圖與翊澳數據這兩家公司，其他的相關公司還有BasicFinder、龍貓數據、星塵數據、愛數智慧、周同科技等。

除了圖片標注，目前還誕生了語音標注與視頻標注等相關的業務方向，其原則上與圖片標注沒有太大的區別，都是依靠大量的人力進行工作。

另外，像京東、百度、騰訊、阿里這樣的大公司都有自己的標注平臺和工具。

數據標注行業的轉包現象與未來

數據標注行業屬于勞動密集型行業，所以很容易出現層層轉包地現象，上游的人工智能企業會把任務交給中游的數據標注公司，這些中游的公司會分包給下游的小公司與小作坊，有的小作坊還會進一步分包給個人，比如在校學生或家庭主婦。轉包的中間過程產生了大量賺差價的“中間商”，這使得整個行業的利潤空間越來越小，已經不利于整個行業的發展。所以，硅谷動力君認為，應該采取一定的措施禁止這種層層轉包的事情發生。

另外一方面，我們需要展望未來，目前看來，數據標注員的工作是最不智能、最沒有技術含量的。對于未來的人工智能來說，科學家們還必須研究如何讓人工智能自主學習，自主標記，而不依賴人類對人工智能的標注與訓練。這種更高級的人工智能，是未來的發展方向之一。