(资料图)

数据标注是AI（人工智能）实现的基石，特别是ChatGPT的横空出世，把AI的热度推向了一个新的巅峰，那么作为整个AI产业链的基础层支撑之一，数据标注自然也不能被忽视。

2020年，人工智能训练师被正式纳入国家职业分类目录，一般来说，人工智能训练师主要分为数据标注员和人工智能算法测试员。数据标注从业人员在业内素来有“AI民工”的称号，由此不难看出数据标注属于劳动密集型产业，具有机械性、重复性的特点，而此类工作正是AI要取代的方向。如此看来，数据标注行业似乎有种舍身饲虎的感觉。

其实不然，目前主流的机器学习方式以有监督的深度学习方式为主，对于标注数据有着强依赖性需求。且不说当前AI的火热会带动数据标注需求短时间内增长，长久来看，人类社会的发展是一个动态的过程，世界更是千变万化，从中采集的数据自然也不会是一成不变的，而AI要进化，就需要不断地识别和学习经过清洗、处理而成的结构化数据。所以，只要AI存在一天，数据标注就不会消亡。

如果把AI当作一匹马，随着越来越多的AI应用落地，现在的AI市场俨然一幅万马奔腾的画面，要想在AI市场脱颖而出，唯有升级为“千里马”。俗话说“好马喂好料”，纵有算法千般好，没有好的数据供其训练也只能“才美不外见”，这就对数据标注行业提出了更高的要求。相比以往的低门槛，今后的数据标注从业人员需要具备更加专业的知识。如发展医疗、法律、金融、工业等专业化水平较高的AI技术，就需要具备一定专业知识的人进行数据标注工作。在这方面，大型的工厂式数据标注公司在技术储备、人员培训方面的优势就得以显现，会进一步挤压中小型工作室的生存空间。

AI行业常说一句话“有多少人工就有多少智能”，在ChatGPT独领风骚、AI概念高热不退的当下，仍有成千上万的AI训练师做着枯燥的流水线式标注工作。他们多就职于三四线城市的中小型工作室（人数由几十人到几百人不等），收入较低，难以获得福利保障。他们多数学历较低、就业竞争优势不大，其中不乏残障人士等无法从事正常工作的特殊群体。而且他们又极有可能是AI在数据标注行业最先取代的人。

与大型公司相比，工作室能接到的项目资源通常不稳定，且经过层层转包，到了最后一层，自然没有多少利润，也导致了从业人员的薪资普遍较低。究其原因，是数据标注行业发展粗放、缺乏规范。今后数据标注的标准会更高，竞争也会愈发激烈，数据标注公司需要去思考怎样提高效率、培训员工、规范行业以及承担更多的社会责任。

结语

发展科学技术的根本目的是解放生产力，把人类从繁重的体力劳动中解放出来。数据标注和算法研究一样为AI行业发光发热，为人类美好的明天做出贡献。