數據標註為AI發展加工“優質原料”

◎本報記者 葉 青

隨着人工智能迅猛發展，高質量訓練數據短缺逐漸成為制約行業進步的一大瓶頸，而數據標註產業可為人工智能創新發展提供強大動力。國家發展改革委、國家數據局、財政部、人力資源和社會保障部四部門日前聯合印發的《關於促進數據標註產業高質量發展的實施意見》（以下簡稱《實施意見》），提出到2027年的發展目標：數據標註產業專業化、智能化及科技創新能力顯著提升，產業規模大幅躍升，年均複合增長率超過20%。

我國數據標註產業現狀如何？數據標註產業高質量發展還需要跨過哪些“門檻”？針對這些問題，科技日報記者進行了採訪。

原始數據變為可用資源

“通俗地説，訓練人工智能大模型的過程就像老師教學生識字。”華南理工大學計算機科學與工程學院副院長張通形象地解釋道，數據標註就是給數據“貼標籤”或者“做記號”，需要專業人員向大模型闡釋各個數據的標籤及需執行的相應任務。他們“教導”大模型參與訓練的數據是什麼，給圖像、語音、文本等各種數據“貼標籤”。高質量的數據標註，有助於機器精準理解、快速學習、高效訓練，顯著提升大模型的準確性和泛化能力。

在訓練ChatGPT時，美國開放人工智能研究中心（OpenAI）就投入了大量資源用於數據標註。為確保標註任務高質量完成，使ChatGPT能更好地理解人類指令，保障大模型的準確性與可靠性，OpenAI聘請了眾多“老師”。這些“老師”涵蓋一般數據標註人員和專業人士，還包括博士級別的專家。

數據標註是人工智能發展的核心基石之一。“數據標註產業是對數據進行篩選、清洗、分類、註釋、標記和質量檢驗等加工處理的新興產業，其核心任務是對原始數據進行加工，使之成為可用於訓練人工智能大模型的優質原料。”張通介紹，數據標註作為訓練大模型至關重要的一環，直接影響機器學習模型的性能，對支撐人工智能能力水平提升有重要作用。

在張通看來，未經處理的原始數據只是潛在資源，而經過標註處理後沉澱的數據，才能在市場上進行有效交易和流通，從而充分釋放數據要素價值。培育壯大數據標註產業，對於提升數據供給質量、推動人工智能創新發展不可或缺。

業內人士認為，隨着人工智能技術不斷成熟、應用領域持續拓展，數據標註行業將迎來更廣闊市場空間，尤其是在低空經濟、智慧城市、自動駕駛、智慧醫療等新興科技領域展現出巨大潛力。

產業步入快速發展階段

全球數據標註市場目前正處於迅速增長期。近年來，我國數據標註產業已進入快速發展階段，產業鏈條不斷完善，技術創新成果逐步實現市場化應用。據測算，2023年我國數據標註產業規模已達800億元左右。

四川成都、遼寧瀋陽、安徽合肥、湖南長沙等7個承擔數據標註基地建設任務的城市，在大模型標註、自動化標註等領域取得重要突破。長沙信息產業園作為長沙首批數據標註基地之一，已吸引智能網聯汽車、數據標註、網絡安全等1萬餘家各類數字企業入駐，成功打造了人工智能創新中心算力服務平台。

廣東積極推進數據標註訓練試點和基地建設，為大模型訓練提供堅實數據支撐。2023年9月，廣東省公共數據標註訓練試點正式啓動。在廣東省公共數據標註基地（清遠），百度、燕湖科技、好思達等一批在自動駕駛、政務公共標註領域表現突出的企業已率先入駐。憑藉龍頭企業的帶動作用和數字經濟產業的集聚效應，清遠的數據標註產業蓬勃發展。

“我們以數字經濟產業為核心，與數字經濟產業龍頭企業緊密合作，致力於打造國家級數據標註產業集聚區和產教融合示範區。”廣東省公共數據標註基地（清遠）負責人李豔康介紹，落户在此的百度智能雲（清遠）人工智能基礎數據產業基地已累計引進孵化數據標註企業5家，培育專業數據標註師超300人。未來，基地將持續培育孵化更多優秀數據標註企業，推動清遠數據服務產業不斷壯大發展。

複合型人才缺口仍然較大

《實施意見》的出台，將進一步提升數據供給質量，有效解決制約人工智能產業發展的高質量數據短缺問題。

值得注意的是，隨着人工智能應用的不斷深化，對數據標註的需求也愈發細分化和專業化。2024年7月，張通團隊和廣州華銀康醫療集團股份有限公司在人工智能與數字經濟廣東省實驗室（廣州）共建AI病理研究中心，着手研發人工智能病理大模型，讓人工智能模型能像專業醫生一樣看病問診。在其中的數據預處理環節，中心特別聘請了3位資深的主任級醫師進行數據標註。

“醫療、材料等專業領域，涉及到專業對象和術語結合的標註過程，只有專業從業人員才能勝任標註工作。而且，標註任務極其耗時、耗力、耗資源。整個標註工作並非一蹴而就，而是需要在實際應用場景中優化、持續迭代，促使模型智能化水平不斷升級。”張通説，當前我國數據標註行業人才缺口仍然較大，亟待培養複合型數據標註人才，這是我國數據標註產業高質量發展必須跨過的“門檻”。

《實施意見》對加強標註人才隊伍建設作出部署。以人才項目計劃和科技項目等為抓手，培育和引進高端專業人才；制（修）定人工智能訓練、數據標註相關職業國家職業標準；支持數據標註領域職業資格與職業技能等級銜接互認……一項項舉措，將為數據標註產業高質量發展提供支撐。

完善的產業生態建設對數據標註行業發展同樣重要。《實施意見》提出，暢通數據採集、標註、人工智能應用產業鏈，推動數據標註產業上下游協同發展；支持數據標註龍頭企業和第三方機構等建設數據標註開源平台，助力中小企業發展；培育一批人力資源、供需對接、國際合作、法律審計等服務數據標註的第三方機構，完善數據標註產業生態。

“未來數據標註行業的發展，也可考慮‘以人工智能促人工智能’的思路，即讓已經完成學習的人工智能反哺數據標註工作，提高效率。這是值得深入探討且極具價值的研究方向。”張通認為，數據標註行業的發展有望加速推動數字經濟與實體經濟深度融合，加快形成新質生產力。