伴隨著數(shu)字中國建設的推進(jin)，我(wo)國數(shu)字經濟邁向了全面擴展(zhan)期(qi)，數(shu)據(ju)成為了新的生產要素(su)。AGI（Artificial General Intelligence ，通(tong)用人工智能）的發展(zhan)更進(jin)一步(bu)催生海量數(shu)據(ju)。

日前召開的2024年(nian)全(quan)國數(shu)(shu)據工(gong)作會議顯示，經初(chu)步測(ce)算，2023年(nian)我(wo)國數(shu)(shu)據生產總量(liang)預(yu)計超32ZB。這表明我(wo)國已是全(quan)球(qiu)數(shu)(shu)據大國，讓流(liu)動(dong)的數(shu)(shu)據創造更多(duo)價值是未(wei)來方向。

而對于看(kan)(kan)不(bu)見(jian)摸(mo)不(bu)著的海量數據(ju)(ju)，如(ru)何才能運用好？數據(ju)(ju)標(biao)注(zhu)就(jiu)為(wei)數據(ju)(ju)采(cai)集、存儲(chu)處(chu)理提(ti)供了方法。從(cong)概(gai)念(nian)上看(kan)(kan)，數據(ju)(ju)標(biao)注(zhu)是(shi)在機(ji)器(qi)學習中(zhong)，對原始(shi)數據(ju)(ju)（如(ru)圖片、文本(ben)文件、視頻等）進行分類和標(biao)記(ji)的過程。這些標(biao)記(ji)為(wei)數據(ju)(ju)添加(jia)了有意義(yi)的信息，使(shi)得(de)機(ji)器(qi)學習模型能夠從(cong)中(zhong)學習。

上述會議指出，接下來，我國(guo)將開展數(shu)據標(biao)注基(ji)地試點。探索建設(she)國(guo)家級數(shu)據標(biao)注基(ji)地，充分發揮(hui)地方配套支撐(cheng)作用(yong)，在數(shu)據標(biao)注產(chan)業(ye)的生(sheng)態(tai)構建、能力提升和場景應用(yong)等方面先(xian)(xian)行先(xian)(xian)試，集聚龍頭企業(ye)，促(cu)進區域人工智能產(chan)業(ye)生(sheng)態(tai)發展。

為何需要數據標注

數據標注就(jiu)像是為機(ji)器學習“劃重點”和“筆記講解”。

賽迪顧問數(shu)字轉型研(yan)究(jiu)中心副總經(jing)理(li)于凱迪告訴第一(yi)財經(jing)，比(bi)如我們想讓AI創(chuang)作(zuo)圖畫，首先(xian)需要(yao)(yao)讓它先(xian)學(xue)習和(he)(he)識別每幅畫畫的是什(shen)么(me)、顏色是什(shen)么(me)、有什(shen)么(me)實(shi)體在(zai)里面，然(ran)后(hou)AI才能(neng)(neng)通(tong)過(guo)這些(xie)詳(xiang)細的注解學(xue)會模仿并創(chuang)作(zuo)出相似的畫作(zuo)。AI的文(wen)字生成(cheng)也(ye)是一(yi)樣，AI需要(yao)(yao)了(le)解文(wen)本(ben)數(shu)據的情感色彩和(he)(he)使用場(chang)景，才能(neng)(neng)夠學(xue)會按照不(bu)同的情感要(yao)(yao)求(qiu)去生成(cheng)新的句子(zi)或文(wen)章。沒有這些(xie)“重(zhong)點”和(he)(he)“筆(bi)記(ji)”，機器(qi)學(xue)習的效(xiao)率(lv)、質(zhi)量和(he)(he)準確性(xing)會受到影響(xiang)。盡管近年(nian)來無監督學(xue)習和(he)(he)半監督學(xue)習技術(shu)也(ye)在(zai)不(bu)斷發展，但數(shu)據標(biao)注依然(ran)是精準實(shi)現生成(cheng)式(shi)AI的重(zhong)要(yao)(yao)因素。

在(zai)新興信(xin)息通信(xin)技術應用研究院(yuan)首席(xi)專(zhuan)家(jia)賀仁(ren)龍看來，人(ren)工(gong)智能是(shi)要(yao)構(gou)建(jian)一個(ge)世界知識體系(xi)(xi)，而人(ren)類的(de)世界知識體系(xi)(xi)是(shi)能理解萬事萬物的(de)。我們通常的(de)原始數(shu)據大部分(fen)是(shi)非結構(gou)化(hua)的(de)數(shu)據。“比如文字、語音、視頻，這些都是(shi)非結構(gou)化(hua)數(shu)據。而標注(zhu)是(shi)用人(ren)構(gou)建(jian)的(de)知識體系(xi)(xi)去給它(ta)們打標簽，那首先(xian)就要(yao)理解這個(ge)語義，標注(zhu)如果不(bu)對(dui)，就可能指(zhi)鹿為馬。”

數(shu)(shu)據(ju)(ju)是多樣且復雜的(de)(de)(de)，《數(shu)(shu)字中國(guo)發展(zhan)報(bao)告（2022年）》顯(xian)示，2022年我國(guo)數(shu)(shu)據(ju)(ju)產量(liang)達8.1ZB，同比增長22.7%，全球占比達10.5%。盡管已經出(chu)現了各種(zhong)AI自動化的(de)(de)(de)數(shu)(shu)據(ju)(ju)處理方式，但數(shu)(shu)據(ju)(ju)標注仍(reng)然是一種(zhong)非常有用(yong)的(de)(de)(de)方法。它的(de)(de)(de)優勢(shi)在于可以提供(gong)高質量(liang)、高準確度的(de)(de)(de)數(shu)(shu)據(ju)(ju)，并且能夠靈活(huo)地應(ying)對不同的(de)(de)(de)數(shu)(shu)據(ju)(ju)類型和任務。因(yin)此，數(shu)(shu)據(ju)(ju)標注這個(ge)行業也(ye)能為(wei)各種(zhong)人工智(zhi)能系統提供(gong)高質量(liang)的(de)(de)(de)數(shu)(shu)據(ju)(ju)支持(chi)。

根據(ju)Grand View Research的(de)(de)(de)報告，2022年(nian)(nian)(nian)(nian)全球數(shu)(shu)據(ju)收集和標(biao)注市(shi)(shi)場(chang)規(gui)(gui)模為22.2億(yi)(yi)美(mei)元(yuan)，預計2023年(nian)(nian)(nian)(nian)到(dao)2030年(nian)(nian)(nian)(nian)將以28.9%的(de)(de)(de)復合年(nian)(nian)(nian)(nian)增(zeng)(zeng)(zeng)長(chang)率增(zeng)(zeng)(zeng)長(chang)。2022年(nian)(nian)(nian)(nian)全球數(shu)(shu)據(ju)標(biao)注解決方案(an)和服務市(shi)(shi)場(chang)規(gui)(gui)模為118.3億(yi)(yi)美(mei)元(yuan)，預計2023年(nian)(nian)(nian)(nian)到(dao)2030年(nian)(nian)(nian)(nian)的(de)(de)(de)復合年(nian)(nian)(nian)(nian)增(zeng)(zeng)(zeng)長(chang)率為21.3%。在(zai)中國，數(shu)(shu)據(ju)標(biao)注市(shi)(shi)場(chang)也在(zai)迅(xun)速(su)增(zeng)(zeng)(zeng)長(chang)。根據(ju)華經(jing)產業研究院(yuan)的(de)(de)(de)數(shu)(shu)據(ju)，2021年(nian)(nian)(nian)(nian)我國數(shu)(shu)據(ju)標(biao)注行業市(shi)(shi)場(chang)規(gui)(gui)模達到(dao)43.3億(yi)(yi)元(yuan)，同比增(zeng)(zeng)(zeng)長(chang)約(yue)19.2%，預計到(dao)2029年(nian)(nian)(nian)(nian)市(shi)(shi)場(chang)規(gui)(gui)模將達到(dao)204.3億(yi)(yi)元(yuan)。

標注人才需求量提升

隨著(zhu)技術的進步和市場(chang)需求的增(zeng)加，數(shu)據標注行(xing)業也在向知識密集型(xing)轉(zhuan)變(bian)，這意(yi)味著(zhu)對(dui)于高學歷(li)和專(zhuan)業技能的需求將會增(zeng)加。

賀仁龍(long)對(dui)記(ji)者解釋道，要構(gou)建知(zhi)識體(ti)系(xi)，就(jiu)要對(dui)世(shi)界對(dui)象(xiang)進行(xing)人類認(ren)識的(de)標(biao)(biao)(biao)注(zhu)，好比小(xiao)孩(hai)的(de)認(ren)識教育(yu)，認(ren)識自(zi)然數、認(ren)識物(wu)件(jian)桌(zhuo)子(zi)是(shi)桌(zhuo)子(zi)等，這(zhe)是(shi)構(gou)建知(zhi)識體(ti)系(xi)的(de)最(zui)基(ji)(ji)本的(de)要素(su)，所以有(you)數據標(biao)(biao)(biao)記(ji)的(de)產業鏈，基(ji)(ji)礎(chu)大模型(xing)就(jiu)是(shi)要構(gou)建人類世(shi)界知(zhi)識體(ti)系(xi)，尤其是(shi)常識和(he)邏輯(ji)等。“我(wo)們通常還有(you)行(xing)業或者垂類的(de)模型(xing)，比如金融(rong)、材料、醫學等，這(zhe)些行(xing)業的(de)基(ji)(ji)礎(chu)標(biao)(biao)(biao)注(zhu)就(jiu)不是(shi)我(wo)們說的(de)自(zi)然界和(he)日常生(sheng)活大家熟知(zhi)的(de)對(dui)象(xiang)標(biao)(biao)(biao)注(zhu)了，這(zhe)里涉及專(zhuan)業的(de)對(dui)象(xiang)和(he)術語(yu)結合(he)的(de)標(biao)(biao)(biao)注(zhu)過程，就(jiu)要專(zhuan)業領域的(de)從業人員來標(biao)(biao)(biao)注(zhu)了。”

根據(ju)獵聘(pin)大(da)數(shu)據(ju)研究院今(jin)年(nian)發布的《2023年(nian)度就業趨(qu)勢數(shu)據(ju)報(bao)告》(下稱《報(bao)告》)，AIGC工具推廣提(ti)升(sheng)職場人(ren)競爭(zheng)力、ChatGPT熱讓數(shu)據(ju)標注人(ren)才需求大(da)幅提(ti)升(sheng)。

《報告》顯示，數據標(biao)注此前較少有人關注，當ChatGPT火(huo)爆全球后(hou)，其(qi)需求量(liang)大幅增(zeng)長，2023年(nian)較2022年(nian)增(zeng)長34.43%。從行業分布來看，數據標(biao)注新發(fa)職位(wei)主要集中于(yu)互聯網、計算機軟件、人工智能三大行業，占(zhan)比為(wei)29.65%、12.7%、9.96%。