人工智能（AI）產(chǎn)業(yè)的高速發(fā)展催生出一個(gè)重要職業(yè)——AI數(shù)據(jù)標(biāo)注。它通過為機(jī)器學(xué)習(xí)的原始數(shù)據(jù)（如圖片、視頻等）打上標(biāo)簽，讓計(jì)算機(jī)不斷識(shí)別這些數(shù)據(jù)的特征，從而實(shí)現(xiàn)自主識(shí)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(biāo)注職業(yè)產(chǎn)生之初，標(biāo)注員們往往能獲得相對(duì)豐厚的薪酬，且部分標(biāo)注工作的門檻較低，入職難度不大。但如今，AI數(shù)據(jù)標(biāo)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(biāo)注服務(wù)商，甚至被認(rèn)為是最有潛力成為世界最大的數(shù)據(jù)標(biāo)注勞動(dòng)力市場(chǎng)。很多人不知道的是，80%以上印度AI數(shù)據(jù)標(biāo)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(biāo)注”市場(chǎng)

在距離新德里市中心約30分鐘車程的諾伊達(dá)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(xué)畢業(yè)的年輕人，正在用數(shù)字工具識(shí)別和標(biāo)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(xùn)練機(jī)器執(zhí)行人工智能相關(guān)任務(wù)的公司開發(fā)數(shù)據(jù)標(biāo)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(dòng)駕駛汽車的車載攝像頭攝錄的車輛、交通信號(hào)燈、道路標(biāo)志和行人的圖像進(jìn)行高亮顯示和標(biāo)記。這項(xiàng)工作最有挑戰(zhàn)性的，是精確標(biāo)記被稱為LIDAR（光探測(cè)和測(cè)距）的遠(yuǎn)程傳感器捕獲的數(shù)據(jù)，該傳感器為自動(dòng)駕駛汽車創(chuàng)建3D地圖，以獲得對(duì)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(huì)習(xí)慣性地打開智能手機(jī)上的一個(gè)應(yīng)用程序，對(duì)著手機(jī)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(xùn)練馬拉地語的人工智能模型。

有30萬注冊(cè)用戶的印度數(shù)據(jù)標(biāo)注眾包平臺(tái)Playment，每天吸引著超過2萬名“高技能頂級(jí)玩家”，他們看似在玩游戲，實(shí)際上是在為自動(dòng)駕駛汽車、機(jī)器人以及無人機(jī)等項(xiàng)目手動(dòng)標(biāo)識(shí)數(shù)據(jù)，幫助公司加速其機(jī)器學(xué)習(xí)，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(biāo)注師”。

由于訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量對(duì)人工智能模型的準(zhǔn)確性和有效性至關(guān)重要，而標(biāo)記訓(xùn)練數(shù)據(jù)集不僅是一項(xiàng)耗時(shí)、復(fù)雜的繁瑣工作，且需要大量勞動(dòng)力，因此缺乏適當(dāng)資源的科技公司便開始尋求外包數(shù)據(jù)注釋服務(wù)。印度過去數(shù)年來的IT外包實(shí)踐，恰好使其成為這種外包數(shù)據(jù)標(biāo)注的重要目的地。

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

“數(shù)據(jù)標(biāo)注公司在印度紛紛誕生，就適應(yīng)了這一日益增長的市場(chǎng)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(biāo)注市場(chǎng)提供了巨大的人才庫，他們具有基本的計(jì)算機(jī)技能，可以隨時(shí)使用智能手機(jī)，與美歐的時(shí)差甚至都可能成為一種資產(chǎn)?！蹦驴巳R強(qiáng)調(diào)。

NASSCOM在一份關(guān)于數(shù)據(jù)標(biāo)注市場(chǎng)潛力的報(bào)告中稱，截至2021年，約有7萬印度人從事數(shù)據(jù)標(biāo)注工作，其市場(chǎng)規(guī)模估計(jì)為2.5億美元，約60%的收入來自美國。預(yù)計(jì)到2030年，印度的數(shù)據(jù)標(biāo)注市場(chǎng)價(jià)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(biāo)注勞動(dòng)力將達(dá)100萬人。印度目前是世界上最大的數(shù)據(jù)注釋勞動(dòng)力市場(chǎng)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(biāo)注員來自農(nóng)村和小城鎮(zhèn)；超過90%的數(shù)據(jù)標(biāo)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(jī)會(huì)中發(fā)揮著重要作用。

代表印度數(shù)據(jù)標(biāo)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(gè)偏遠(yuǎn)小村莊庫馬拉普?qǐng)D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(biāo)注師經(jīng)歷。

據(jù)媒體報(bào)道，家境貧寒的科拉瑟里在十二年級(jí)（印度高中階段）時(shí)便輟學(xué)。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(tái)Mechanical Turk上注冊(cè)，并開始為全球各地的公司提供數(shù)據(jù)標(biāo)注服務(wù)。盡管沒有任何學(xué)位，也不知道什么叫數(shù)據(jù)標(biāo)注，但這些并不妨礙科拉瑟里出色的發(fā)揮。兩年半時(shí)間內(nèi)，他完成了30多萬項(xiàng)數(shù)據(jù)標(biāo)注任務(wù)，被批準(zhǔn)率高達(dá)99.8%。

科拉瑟里在眾包平臺(tái)上的高評(píng)級(jí)受到一家從事數(shù)據(jù)標(biāo)注的德國公司關(guān)注，這家公司希望他成立一個(gè)團(tuán)隊(duì)。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(dòng)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(tuán)股份公司）以及不少國際大牌科技公司。Infolks大約75%的業(yè)務(wù)集中于自動(dòng)駕駛汽車領(lǐng)域，此外還為醫(yī)療保健、機(jī)器人和農(nóng)業(yè)等領(lǐng)域的客戶提供數(shù)據(jù)標(biāo)注服務(wù)。

值得一提的是，無論事業(yè)發(fā)展如何，科拉瑟里始終堅(jiān)持把工作機(jī)會(huì)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(gè)全球性村莊，并為農(nóng)村地區(qū)年輕人提供發(fā)展機(jī)會(huì)”。

目前，Infolks雇用的幾百名員工大部分來自庫馬拉普?qǐng)D爾及其周邊地區(qū)，新員工在接受為期兩個(gè)月的圖像標(biāo)注工具培訓(xùn)后，便可上崗?！敖?jīng)過適當(dāng)培訓(xùn)，所有人都可以在沒有任何AI技術(shù)背景的情況下進(jìn)行圖像標(biāo)注——你只需要快速學(xué)習(xí)”，科拉瑟里經(jīng)常這樣以親身經(jīng)歷激勵(lì)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(jī)會(huì)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(dān)任首席技術(shù)官長達(dá)20年。目前NextWealth的6個(gè)中心雇有5000名員工，從事人工智能和機(jī)器學(xué)習(xí)數(shù)據(jù)服務(wù)以及后臺(tái)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(shí)表示，生成式人工智能的美妙之處在于，它不會(huì)將來自偏遠(yuǎn)地區(qū)的人們拒之門外。他認(rèn)為，小城鎮(zhèn)的畢業(yè)生已被證明具有高度的可培訓(xùn)性和大規(guī)模可用性，他們關(guān)注細(xì)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(yán)的工作”

在印度的數(shù)據(jù)標(biāo)注師中，最富特色的當(dāng)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(yán)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(jī)的數(shù)字工作平臺(tái)，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(xùn)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(biāo)注師”的故事不僅被多家媒體報(bào)道，也激勵(lì)著更多農(nóng)村人加入到人工智能入門級(jí)工作中。

納亞克來自印度東部奧里薩邦一個(gè)盛產(chǎn)手工藝裝飾品的村落，一次偶然機(jī)會(huì)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(jiǎn)單、自由且收入不菲——在任何空閑時(shí)間里，拿出手機(jī)點(diǎn)開一個(gè)應(yīng)用程序，然后用其母語奧里亞語（奧里薩邦地方語言）說話，當(dāng)語音文本被錄下來后就可得到報(bào)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(dá)語文本，她便可賺取每小時(shí)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(yàn)證為準(zhǔn)確，她還會(huì)額外獲得50%的獎(jiǎng)金。

通過自己的聲音改變自家經(jīng)濟(jì)狀況，這令鄉(xiāng)村數(shù)據(jù)標(biāo)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(gè)最簡(jiǎn)單的解釋：“你們正在教計(jì)算機(jī)說你們的母語”。Karya運(yùn)營總監(jiān)薩希什庫馬爾告訴《分析印度》雜志，“對(duì)于語言錄音，農(nóng)村人實(shí)際上比城市人做得更好，他們不容易分心，工作時(shí)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(gè)邦的3.5萬農(nóng)村人口，員工通過智能手機(jī)完成了超過3500萬小時(shí)的付費(fèi)數(shù)據(jù)任務(wù)，每位員工每小時(shí)的報(bào)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(jì)時(shí)報(bào)》記者，Karya收集的數(shù)據(jù)質(zhì)量遠(yuǎn)遠(yuǎn)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(huì)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(huì)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(biāo)注工作——給道路上的圖像等貼標(biāo)簽，以訓(xùn)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(bào)》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(dān)心，機(jī)器總有一天會(huì)學(xué)到一切，導(dǎo)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(yù)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(jī)器人接管，那么數(shù)據(jù)標(biāo)注工作也可能會(huì)消失。幾年前，我們甚至沒有聽說過這個(gè)行業(yè)。我不知道它什么時(shí)候會(huì)結(jié)束，但這一天總會(huì)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(shì)。蘇黎世大學(xué)研究發(fā)現(xiàn)，在成本上，ChatGPT平均每個(gè)標(biāo)注成本低于0.003美元，僅為眾包平臺(tái)的1/20；在效率上，如在相關(guān)性、立場(chǎng)、主題等任務(wù)中，ChatGPT是人類的4倍。

來自美國卡耐基梅隆大學(xué)、耶魯大學(xué)和加州大學(xué)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(biāo)注表現(xiàn)上優(yōu)于他們雇用的最熟練的眾包員工。有評(píng)論認(rèn)為，AI數(shù)據(jù)標(biāo)注員需要做好被AI取代的準(zhǔn)備。目前在自動(dòng)駕駛領(lǐng)域，已經(jīng)有車企開始采用AI進(jìn)行標(biāo)注。

印度排名前列的數(shù)據(jù)標(biāo)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(duì)印度前沿技術(shù)信息網(wǎng)站FactorDaily記者表示，基于AI的自動(dòng)標(biāo)注工具并不是一種威脅，因?yàn)樽詣?dòng)標(biāo)注工具本身就是人工標(biāo)注訓(xùn)練的結(jié)果。當(dāng)你試圖解決某個(gè)問題時(shí)，這些自動(dòng)化工具只能幫你達(dá)到有限水平，但要超越這個(gè)水平，還需要定制標(biāo)注。納塔拉詹強(qiáng)調(diào)，即便AI已經(jīng)達(dá)到某種水平，也永遠(yuǎn)不會(huì)達(dá)到百分之百，它將始終是一個(gè)不斷學(xué)習(xí)和改進(jìn)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(biāo)注市場(chǎng)和標(biāo)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(biāo)注市場(chǎng)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(biāo)注業(yè)還有巨大成長空間，而市場(chǎng)的壯大必將吸引更多從事數(shù)據(jù)標(biāo)注的勞動(dòng)力參與進(jìn)來。