为何说人工智能是无差别的人力，天壤之别准确度？

开玩笑的时候，小雪说她的男友是AI产业中工资最低的那个，其次就是她自己。

刚从济南德州信息工程学校计算机专业毕业，小雪和男友正在接受手写体录入培训，当她能认识这些手写字母后，就轮到她把这些知识教给计算机——把一张张快递单或家谱上的手写体上的字母标注出来，告诉机器i可以有多种写法。

这样的工作并不简单。手写的i可能是顶上一点加上一竖，也可能是朝后弯的小勾，更潦草一点就和数字9一样……小雪的笔记本上密密麻麻地挤满了这些像字更像图的墨迹。

小雪做的，是一种介于手写录入和图像标记之间的工作。同服务于智能驾驶的街景标记、服务于智能医疗的人体标记、服务于语音交互的声音标记一样，他们共同的行业学名叫做“人工智能数据标注”——这是整个AI产业的基础，是机器感知现实世界原点。

和小孩一样，机器要认识“苹果”，就需要不断有人教给它哪些东西是苹果：浑圆的、带把的、有的像桃心有的像屁股，有的通红有的油绿。和小孩不同的是，机器需要在不同场景、不同角度下反复学习，这个漫长的教授过程就是小雪在AI产业中的位置，标注大量用于训练机器学习模型的数据，让机器越来越像“人”。

无差别的人力，天壤之别准确度

如果小雪标注犯错，最直接的后果是机器也会跟着犯错。她必须保证“喂”给机器的标注数据达到90％以上精度（即是指标注的正确率），否则这些数据对于机器学习将毫无意义。北京一家数据标注工厂BasicFinder的CEO杜霖说：95％以上的准确率是理想情况；但从95％提到97％所需花的成本就不再是一两倍了，可能是10倍或100倍。

98％精度是小雪遇到过的最高需求，这意味着如果100个点里头有两个点不准的话，就会被打回重做。她“提心吊胆”地对每个标注点反复确认才敢提交。但15骨骼点标注又极耗耐心，要在人全身包括头顶、脖子、胸口、膝盖等骨骼处打上15个点，将这15个点连起来就出现了一个形象的火柴人。在Kinect体感游戏中，机器就是靠关键骨骼点的位移来识别人体是否运动。

令小雪最郁闷的，是一张军姿站图。只要露出了头、脖子、胸口，小雪就要从他的左上角开始画矩形，框住这些动作、着装完全一致的人。重复拖动近40个框后，她要再放大这些带有蓝色阴影矩形框，从头到四肢标注完每个人的骨骼点。最后，将近600个点密密麻麻地落在了这张图里。

在这个她形容为“经历绝望”的过程中，她尝试用眼药水来缓解疲劳，但滴过后会不停流眼泪，直到她换了种方式，靠不停揉眼睛来放松。杜霖说：有些任务图上密密麻麻的点，看两个小时以上眼睛绝对会花掉了，但他会要求员工不断克服人本身的一些“消极因素”，才能避免标错数据成为“漏网之鱼”。

联合国教科文组织信息与传播知识社会局主任英德拉吉特·班纳吉认为，到2030年，人工智能将向世界经济贡献16万亿美元。从2016年人工智能逐渐走热以来，任何行业都想搭上这个热潮，投资人的评价是“每个商业计划书上都要加上人工智能”。进入深度学习“死胡同”的人工智能需要标注的领域也带来越来越多：机场安检时新增的人脸识别、能识别选取商品的无人便利店、能安全行驶的无人驾驶等。

新兴市场带来了大量劳动力的涌入。“原来干淘宝刷单的，现在也能摇身一变做AI数据标注。”杜霖说，“在提供无差别人力劳动这件事上，大家是没有门槛的。”

在河北衡水，由于当地政府查污染严重导致化工制品停产，26岁的小苏就带着原先30多人的销售团队转行数据标注，队员小的到20出头，老至年近不惑。虽然他早就知道河北做数据标注的团队已经非常多，并且有的团队已经垮掉，但人工智能的火热和数据标注的低门槛还是让他决定一搏。

高中学历是小苏在招人时的最高期望，“高中生花一天做的工作，初中生可能需要花五天，差别很大。”行业中，小苏的招聘标准已经算是较高水平，那些投身数据标注的兼职者学历更加良莠不齐。在某些众包平台上，有的标注者只有小学文凭，在东北还有一部分有听力障碍的残疾人标注团队，而北京的全职工厂中的最高学历是大专或者中专。

欣博友数据标注公司市场部经理周京平认为，一个老农民在标注方言语音时可能会比不使用这种语言的大学生还好。同所有的人力密集型产业一样，人人都能在此觅得一份营生。

人工智能专业方向的硕士生毛毛认为，能不能达到理想标注精度和学历没什么关系，而且操作非常简单，只要教一下，谁都能做。她也曾做过兼职数据标注，在所给的图片中她需要辨别出不同角度的花菜、菠菜等。一星期后，她标注了一万张图，没有一张返工，每张报酬一毛钱。但她“打死也不会再做这个工作了”，因为“实在太重复”。

看似简单的操作，要达到90％的精度对于大多数标注者来讲却是天方夜谭。小苏所接触到的兼职标注团队最高精度只能达到70％，即便是在全职和全把控的情况下，他们第一次项目只达到了50％的精度，基本上承接的每个项目他们都需要重复三次以上才能达到90％的精度。

如果用于训练模型的数据精度低于90％，就像小孩儿拿到的一年级数学课本里头写的是一加一等于三。一开始就教错，机器学习和人工智能就只剩下指鹿为马。

数字富士康

2014年冬天，山东蓬莱积起了厚厚的雪。小雪每天都要不情愿地钻出被窝，趟着大雪走到一家汽车工厂去插线。在固定工位站好后，她根据形状将面前充满不同插口的集成器及一堆接口各异的汽车线路一一匹配好，完成后迅速将其交给下一个人，再重复刚才的动作，直到下班。小雪知道，自己站一整天的工作只是整个工厂里头很小的一部分。

相比那年冬天，她更喜欢现在的工作，数据标注工厂里，她有接近两百个同事，大家能坐在属于自己的工位上干活。在给用于智能驾驶采集的图片做标注时，小雪需要选取一个可以画出2D框的标注工具（即是可以根据不同物体拖动出不同形状的画框），把图片中所有的机动车、非机动车、行人、红绿灯等标注出来。

同在汽车工厂流水线上的工作相比，眼前的键盘鼠标显示器替代了嗡嗡作响的流水线，从早上8点到晚上5点，小雪除了拽动鼠标外什么都不用想，重复一个动作就行，变化的只有眼前不同的图片——但这对小雪来说，工作中的新鲜感已经足够。

有的人说数据标注工厂就像富士康一样。北京另一家数据标注公司玛达科技公司CEO任树亮则直言不讳，数据这一块往往给人印象就是一个劳动密集型产业。某自动驾驶创业公司数据标注负责人经常私底下开玩笑说，这就是个“血汗工厂”。

目前的数据标注工厂，多集中在河北、河南、山东、山西等地区，这同以富士康为代表的传统人力密集企业的选址偏好重合度极高——以更低廉的劳动力成本支撑起聚集在首都的人工智能底层数据需求。杜霖介绍说，由于高昂的成本绝不能让北京去做最终的生产，而是做所有新任务来时的磨合测试以及最终的质量控制。生产任务最终还是落到周边城市。

只有招募像毛毛一样的大学生做兼职标注时，众包工厂能开出一张图1毛钱“高价”。任树亮对这样的定价有些吃惊，“我们还有按厘算的呢。”在一堆不同图片中识别某人是否是同一个人，这样的工作只能按厘算，不过也有从几十块钱到上百块钱报价的复杂标注图。杜霖说，图片的差异比较大，以工时来计算可能更准确，现在甲方公司至少应该给到30块钱每小时才能保质保量完成。

小雪挺满意现在的待遇，“之前的工作太累又挣不到钱”。现在公司包吃包住，提供四人间寝室，一个月到手的工资有4000－5000块，还可以和男朋友一同上下班。最近一段时间，工期赶得很急，小雪已经连续两个周末到公司加班，从早到晚地盯着显示器让她倍感疲惫，但她不想停下，基础加计件的工资构成总是多劳多得。

和传统生产流水线不同的是，在杜霖的工厂里，工作流程被设置为可实时切换：每期作业都不同，每期作业里头的每个任务也不相同。在一个小时的工作间隔里，小雪会碰到两个相同的标注任务，当两次标注结果差别较大时，就证明她已经疲劳了，这是，系统就会切换一个完全不同的任务交给小学操作，以保持员工的“清醒”和“新鲜”，最终达成杜霖宣称的准确率。

算上合作的周边工厂，杜霖的公司已经有2000多人，他们正在同时进行着20多个不同项目的标注。在这样一个人力密集型行业里存活下来，并且保障交付的数据达到90％的精度，他坚信，管理才是关键。

管理，管理，以及管理

林霞是小雪的直接管理者，她是老板杜霖最信任的人，已经有18年类似的工作经验。当接到一个新项目时，她要确定整个项目流程。前

[1] [2]