人工智能（AI）產(chǎn)業(yè)的高速發(fā)展催生出一個重要職業(yè)——AI數(shù)據(jù)標注。它通過為機器學習的原始數(shù)據(jù)（如圖片、視頻等）打上標簽，讓計算機不斷識別這些數(shù)據(jù)的特征，從而實現(xiàn)自主識別。

這是2023年2月15日在美國舊金山拍攝的waymo公司無人駕駛出租車  新華社/美聯(lián)

AI數(shù)據(jù)標注職業(yè)產(chǎn)生之初，標注員們往往能獲得相對豐厚的薪酬，且部分標注工作的門檻較低，入職難度不大。但如今，AI數(shù)據(jù)標注員正逐步向人力成本更低的城市下沉。

一直以軟件外包聞名，且人力成本較低的印度，就在此背景下崛起為世界重要的外包數(shù)據(jù)標注服務商，甚至被認為是最有潛力成為世界最大的數(shù)據(jù)標注勞動力市場。很多人不知道的是，80%以上印度AI數(shù)據(jù)標注師（或稱數(shù)據(jù)工人）來自農(nóng)村和小城鎮(zhèn)。

1
搶抓“數(shù)據(jù)標注”市場

在距離新德里市中心約30分鐘車程的諾伊達數(shù)據(jù)注釋公司Cogito Tech的辦公隔間內(nèi)，數(shù)百名剛從大學畢業(yè)的年輕人，正在用數(shù)字工具識別和標記他們屏幕上的圖像。Cogito Tech與美國公司Labelbox合作，主要為通過訓練機器執(zhí)行人工智能相關(guān)任務的公司開發(fā)數(shù)據(jù)標簽軟件。

在印度南部喀拉拉邦小鎮(zhèn)曼納卡德一間不起眼的辦公室里，十幾位女工緊盯電腦屏幕，為自動駕駛汽車的車載攝像頭攝錄的車輛、交通信號燈、道路標志和行人的圖像進行高亮顯示和標記。這項工作最有挑戰(zhàn)性的，是精確標記被稱為LIDAR（光探測和測距）的遠程傳感器捕獲的數(shù)據(jù)，該傳感器為自動駕駛汽車創(chuàng)建3D地圖，以獲得對周圍物體的感知信息。

在印度西部城市普那（Pune）的郊區(qū)卡拉迪（Kharadi），忙完一天的工作后，一些村民會習慣性地打開智能手機上的一個應用程序，對著手機用他們的母語馬拉地語（馬哈拉施特拉邦地方語言）朗讀故事或念一段句子。作為印度人工智能初創(chuàng)公司Karya的數(shù)據(jù)工人，他們的聲音將用于訓練馬拉地語的人工智能模型。

有30萬注冊用戶的印度數(shù)據(jù)標注眾包平臺Playment，每天吸引著超過2萬名“高技能頂級玩家”，他們看似在玩游戲，實際上是在為自動駕駛汽車、機器人以及無人機等項目手動標識數(shù)據(jù)，幫助公司加速其機器學習，并從中賺取每人每月2萬～3萬盧比（1盧比約合0.086元人民幣）收入。

這些案例中的主角，都可以被稱為“數(shù)據(jù)標注師”。

由于訓練數(shù)據(jù)的數(shù)量和質(zhì)量對人工智能模型的準確性和有效性至關(guān)重要，而標記訓練數(shù)據(jù)集不僅是一項耗時、復雜的繁瑣工作，且需要大量勞動力，因此缺乏適當資源的科技公司便開始尋求外包數(shù)據(jù)注釋服務。印度過去數(shù)年來的IT外包實踐，恰好使其成為這種外包數(shù)據(jù)標注的重要目的地。

印度軟件與服務業(yè)企業(yè)協(xié)會（NASSCOM）高級副總裁兼首席戰(zhàn)略官古普塔在接受專注IT趨勢的《分析印度》雜志采訪時表示，數(shù)據(jù)標注在印度算是一個新興行業(yè)，每個人都意識到它帶來的巨大機會——人工智能需要被正確標注、分類和匿名處理的海量數(shù)據(jù)。

“數(shù)據(jù)標注公司在印度紛紛誕生，就適應了這一日益增長的市場需求，為此許多公司正在利用全球‘零工'人才庫?！庇《热斯ぶ悄芄綡EAL Software Inc.首席銷售和營銷官穆克萊告訴《分析印度》雜志?！坝《葹閿?shù)據(jù)標注市場提供了巨大的人才庫，他們具有基本的計算機技能，可以隨時使用智能手機，與美歐的時差甚至都可能成為一種資產(chǎn)。”穆克萊強調(diào)。

NASSCOM在一份關(guān)于數(shù)據(jù)標注市場潛力的報告中稱，截至2021年，約有7萬印度人從事數(shù)據(jù)標注工作，其市場規(guī)模估計為2.5億美元，約60%的收入來自美國。預計到2030年，印度的數(shù)據(jù)標注市場價值可能超過70億美元，通過全職和兼職就業(yè)模式雇用的數(shù)據(jù)標注勞動力將達100萬人。印度目前是世界上最大的數(shù)據(jù)注釋勞動力市場之一。

2
他們來自鄉(xiāng)村和小城鎮(zhèn)

據(jù)NASSCOM調(diào)查，目前印度超過80%的數(shù)據(jù)標注員來自農(nóng)村和小城鎮(zhèn)；超過90%的數(shù)據(jù)標注公司在二三線城市建立了中心。印度農(nóng)村和小城鎮(zhèn)無疑在新興的生成式人工智能（GenAI）的發(fā)展機會中發(fā)揮著重要作用。

代表印度數(shù)據(jù)標注公司較高水平的Infolks，就是由科拉瑟里在其家鄉(xiāng)喀拉拉邦的一個偏遠小村莊庫馬拉普圖爾創(chuàng)建的?？评飫?chuàng)業(yè)能取得成功，也得益于他的數(shù)據(jù)標注師經(jīng)歷。

據(jù)媒體報道，家境貧寒的科拉瑟里在十二年級（印度高中階段）時便輟學。為養(yǎng)家糊口，他曾嘗試打過多種零工。2014年，23歲的科拉瑟里在亞馬遜公司旗下的眾包平臺Mechanical Turk上注冊，并開始為全球各地的公司提供數(shù)據(jù)標注服務。盡管沒有任何學位，也不知道什么叫數(shù)據(jù)標注，但這些并不妨礙科拉瑟里出色的發(fā)揮。兩年半時間內(nèi)，他完成了30多萬項數(shù)據(jù)標注任務，被批準率高達99.8%。

科拉瑟里在眾包平臺上的高評級受到一家從事數(shù)據(jù)標注的德國公司關(guān)注，這家公司希望他成立一個團隊。于是在2016年，科拉瑟里憑借2.5萬盧比的初始投資和6名員工，在自己的家鄉(xiāng)啟動了Infolks。

經(jīng)過幾年發(fā)展，與該公司合作的企業(yè)客戶已超過130家，其中包括戴姆勒（2022年更名為梅賽德斯-奔馳集團股份公司）以及不少國際大牌科技公司。Infolks大約75%的業(yè)務集中于自動駕駛汽車領(lǐng)域，此外還為醫(yī)療保健、機器人和農(nóng)業(yè)等領(lǐng)域的客戶提供數(shù)據(jù)標注服務。

值得一提的是，無論事業(yè)發(fā)展如何，科拉瑟里始終堅持把工作機會留在自己的家鄉(xiāng)，“公司的愿景是將我們的村莊打造成一個全球性村莊，并為農(nóng)村地區(qū)年輕人提供發(fā)展機會”。

目前，Infolks雇用的幾百名員工大部分來自庫馬拉普圖爾及其周邊地區(qū)，新員工在接受為期兩個月的圖像標注工具培訓后，便可上崗?！敖?jīng)過適當培訓，所有人都可以在沒有任何AI技術(shù)背景的情況下進行圖像標注——你只需要快速學習”，科拉瑟里經(jīng)常這樣以親身經(jīng)歷激勵新入職者。

米塔創(chuàng)立的NextWealth公司，也是一家立志為小鎮(zhèn)青年創(chuàng)造就業(yè)機會的人工智能公司。在此之前，米塔曾在印度信息技術(shù)巨頭維布絡(luò)有限公司（Wipro）擔任首席技術(shù)官長達20年。目前NextWealth的6個中心雇有5000名員工，從事人工智能和機器學習數(shù)據(jù)服務以及后臺工作，這些中心均開設(shè)于一些印度不知名的小城鎮(zhèn)。

米塔在接受《分析印度》雜志專訪時表示，生成式人工智能的美妙之處在于，它不會將來自偏遠地區(qū)的人們拒之門外。他認為，小城鎮(zhèn)的畢業(yè)生已被證明具有高度的可培訓性和大規(guī)?？捎眯裕麄冴P(guān)注細節(jié)，具有積極的工作態(tài)度。與大城市相比，小城鎮(zhèn)員工的流失率更低，崗位更具穩(wěn)定性。

3
“賦予尊嚴的工作”

在印度的數(shù)據(jù)標注師中，最富特色的當屬為人工智能初創(chuàng)公司Karya提供數(shù)據(jù)的鄉(xiāng)村眾包員工。Karya在梵文中意為“賦予尊嚴的工作”。該公司不僅雇用大量農(nóng)村地區(qū)婦女，還專門建立了基于智能手機的數(shù)字工作平臺，旨在通過語音、文本、圖像和視頻創(chuàng)建高質(zhì)量的數(shù)據(jù)集，以訓練涉及12種瀕臨消失的印度地方語言和方言的大型語言模型。

Karya見證了大量成功案例，來自鄉(xiāng)下的“數(shù)據(jù)標注師”的故事不僅被多家媒體報道，也激勵著更多農(nóng)村人加入到人工智能入門級工作中。

納亞克來自印度東部奧里薩邦一個盛產(chǎn)手工藝裝飾品的村落，一次偶然機會使她成為Karya公司的數(shù)據(jù)工人。在納亞克看來，她的工作非常簡單、自由且收入不菲——在任何空閑時間里，拿出手機點開一個應用程序，然后用其母語奧里亞語（奧里薩邦地方語言）說話，當語音文本被錄下來后就可得到報酬。

工作的第一周，納亞克便拿到4000盧比薪水，這比她和丈夫通過制作手工藝品換取的每月不足1000盧比的收入高出數(shù)倍。

村民昌德里卡是Karya在卡納塔卡邦雇用的數(shù)據(jù)工人，僅僅通過大聲朗讀其母語卡納達語文本，她便可賺取每小時約5美元的工資，這幾乎是印度官方最低工資的20倍。一旦語音剪輯被驗證為準確，她還會額外獲得50%的獎金。

通過自己的聲音改變自家經(jīng)濟狀況，這令鄉(xiāng)村數(shù)據(jù)標注師們感到很振奮，雖然他們并不理解自己工作的意義是什么。為此公司為員工想出了一個最簡單的解釋：“你們正在教計算機說你們的母語”。Karya運營總監(jiān)薩希什庫馬爾告訴《分析印度》雜志，“對于語言錄音，農(nóng)村人實際上比城市人做得更好，他們不容易分心，工作時全神貫注?！?br />
如今，與微軟和谷歌均有合作關(guān)系的Karya公司，數(shù)據(jù)收集工作已經(jīng)惠及印度24個邦的3.5萬農(nóng)村人口，員工通過智能手機完成了超過3500萬小時的付費數(shù)據(jù)任務，每位員工每小時的報酬不少于5美元。

微軟印度研究院研究員古哈告訴印度《經(jīng)濟時報》記者，Karya收集的數(shù)據(jù)質(zhì)量遠遠優(yōu)于其使用過的任何其他來源。這表明，“如果你公平地支付工人工資，他們就會更多地投入工作，最終結(jié)果就是獲得更好的數(shù)據(jù)”。

4
AI會取代AI數(shù)據(jù)工人嗎

帕德瑪普里亞于2021年在Infolks開始從事數(shù)據(jù)標注工作——給道路上的圖像等貼標簽，以訓練無人駕駛汽車的人工智能模型。帕德瑪普里亞告訴《印度快報》專欄作家邁赫羅塔，這份工作讓她能夠養(yǎng)家糊口，成為家里的頂梁柱。不過這也讓她總是擔心，機器總有一天會學到一切，導致人類失業(yè)。

帕德瑪普里亞的老板科拉瑟里似乎也有同樣的預感。邁赫羅塔在她的文章中援引科拉瑟里的話說，“（既然）呼叫中心的工作已經(jīng)由機器人接管，那么數(shù)據(jù)標注工作也可能會消失。幾年前，我們甚至沒有聽說過這個行業(yè)。我不知道它什么時候會結(jié)束，但這一天總會到來。”

畢竟在AI面前，無論成本還是效率，人類幾乎毫無優(yōu)勢。蘇黎世大學研究發(fā)現(xiàn)，在成本上，ChatGPT平均每個標注成本低于0.003美元，僅為眾包平臺的1/20；在效率上，如在相關(guān)性、立場、主題等任務中，ChatGPT是人類的4倍。

來自美國卡耐基梅隆大學、耶魯大學和加州大學伯克利分校的一組研究人員更是發(fā)現(xiàn)：GPT-4在數(shù)據(jù)集標注表現(xiàn)上優(yōu)于他們雇用的最熟練的眾包員工。有評論認為，AI數(shù)據(jù)標注員需要做好被AI取代的準備。目前在自動駕駛領(lǐng)域，已經(jīng)有車企開始采用AI進行標注。

印度排名前列的數(shù)據(jù)標注公司iMerit的技術(shù)和營銷副總裁納塔拉詹則有另一番見解。他對印度前沿技術(shù)信息網(wǎng)站FactorDaily記者表示，基于AI的自動標注工具并不是一種威脅，因為自動標注工具本身就是人工標注訓練的結(jié)果。當你試圖解決某個問題時，這些自動化工具只能幫你達到有限水平，但要超越這個水平，還需要定制標注。納塔拉詹強調(diào)，即便AI已經(jīng)達到某種水平，也永遠不會達到百分之百，它將始終是一個不斷學習和改進的過程。

基于上述樂觀分析，一些印度業(yè)內(nèi)人士表示，印度的數(shù)據(jù)標注市場和標注公司還未發(fā)展到頂峰。正如NASSCOM所指出的，目前印度數(shù)據(jù)標注市場仍在加速發(fā)展，75%的參與者處于初始和成長期。這意味著印度的數(shù)據(jù)標注業(yè)還有巨大成長空間，而市場的壯大必將吸引更多從事數(shù)據(jù)標注的勞動力參與進來。