文/觀察者網(wǎng) 張廣凱

具備高度智能的ChatGPT，能否正確運用自己海量的知識，卻要取決于一群時薪不到2美元的肯尼亞勞工。

他們所做的工作——數(shù)據(jù)標(biāo)注，不僅是ChatGPT能夠領(lǐng)先競爭對手的重要原因，也有著重要的倫理意義。數(shù)據(jù)標(biāo)注師們自己的價值觀，同樣決定了人工智能的價值觀，決定了AI能否被善意地運用。

在百度智能云數(shù)據(jù)標(biāo)注基地業(yè)務(wù)產(chǎn)品負責(zé)人胡馳看來，人工標(biāo)注將是大模型訓(xùn)練中絕對無法被替代的一部分。

而對于中國大模型企業(yè)來說，這項嚴重依賴勞動力個人素質(zhì)的工作，或許也是獨特的競爭優(yōu)勢所在。

近日，百度在中文大模型的數(shù)據(jù)標(biāo)注產(chǎn)業(yè)建設(shè)上邁出重要一步。

100%本科學(xué)歷，百度數(shù)據(jù)標(biāo)注卷到新高度

日前，位于?？谑行阌^(qū)的百度智能云（?？冢┤斯ぶ悄芑A(chǔ)數(shù)據(jù)產(chǎn)業(yè)基地正式啟動運營，這是百度智能云與海口市政府合作共建的國內(nèi)首個大模型數(shù)據(jù)標(biāo)注中心。

百度智能云海口人工智能基礎(chǔ)數(shù)據(jù)產(chǎn)業(yè)基地

百度智能云大模型數(shù)據(jù)標(biāo)注師董志煥介紹到：”我們的主要工作就是對大模型生成的內(nèi)容進行評價、反饋，通過這些人工標(biāo)注數(shù)據(jù)，讓大模型學(xué)習(xí)人類的思維方式，從而使大模型更加聰明?！?

當(dāng)前，大模型正處在產(chǎn)業(yè)落地前期，高質(zhì)量的數(shù)據(jù)，是大模型實現(xiàn)產(chǎn)業(yè)化的關(guān)鍵要素。以ChatGPT、文心一言為代表的生成式AI，不僅需要海量的數(shù)據(jù)訓(xùn)練，更需要人工標(biāo)注、指令微調(diào)、基于人類反饋的強化學(xué)習(xí)（RLHF），才能夠讓大模型與人類價值觀、思維方式不斷對齊，使大模型更加可用。

為此，百度智能云升級了大模型數(shù)據(jù)服務(wù)能力，建設(shè)了國內(nèi)首個專業(yè)大模型數(shù)據(jù)標(biāo)注基地。

截至目前，百度智能云已經(jīng)在全國與各地政府合作，共建了十多個數(shù)據(jù)標(biāo)注基地，累計為當(dāng)?shù)靥峁┏^1.1萬個穩(wěn)定就業(yè)崗位，間接帶動5萬人就業(yè)。

但是相比于傳統(tǒng)的數(shù)據(jù)標(biāo)注，語言類大模型對勞動者技能提出了更高的要求。海口數(shù)據(jù)標(biāo)注基地現(xiàn)擁有數(shù)百名專職大模型數(shù)據(jù)標(biāo)注師，標(biāo)注師的本科率達到100%。

“和傳統(tǒng)的數(shù)據(jù)標(biāo)注師要求不同，大模型標(biāo)注師都需要本科以上學(xué)歷，我覺得主要是因為大模型數(shù)據(jù)涉及的知識面很廣，評判標(biāo)準(zhǔn)復(fù)雜，非?？简灅?biāo)注師的語言理解能力和邏輯推理能力。在入職的前兩個月，公司會對我們進行集體培訓(xùn)和考核，通過考核后才能正式上崗?！卑俣戎悄茉拼竽Ｐ蛿?shù)據(jù)標(biāo)注師王潔玉說。

標(biāo)注師劉小瑩畢業(yè)于一所普通本科學(xué)院的漢語國際教育專業(yè)。她對觀察者網(wǎng)表示，自己的專業(yè)原本就業(yè)方向較窄，就業(yè)壓力大，而大模型標(biāo)注產(chǎn)業(yè)卻剛剛傾向于招收漢語言、新聞傳播等專業(yè)畢業(yè)生，為自己提供了新的就業(yè)方向。  

?？谑行阌^(qū)委常委、常務(wù)副區(qū)長石晟屹表示：“?？谌斯ぶ悄芗夹g(shù)數(shù)據(jù)產(chǎn)業(yè)基地的落成，最大的價值是在人才集約、產(chǎn)業(yè)集聚等方面有重要的引領(lǐng)作用。在不到一年的時間，基地已經(jīng)帶動近千人的大學(xué)生就業(yè)，對培育本地的數(shù)字經(jīng)濟人才做出了突出貢獻。同時，引入百度這樣的科技企業(yè)，將持續(xù)帶動數(shù)字產(chǎn)業(yè)化項目落地，也會為傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級帶來新的戰(zhàn)略契機和發(fā)展機會?！?

百度智能云?？谌斯ぶ悄芑A(chǔ)數(shù)據(jù)產(chǎn)業(yè)基地 作業(yè)區(qū)

不只靠堆人力，中國數(shù)據(jù)標(biāo)注如何精耕細作？

盡管數(shù)據(jù)標(biāo)注聽上去是一個依賴簡單重復(fù)勞動的工作，但是一旦深入工作細節(jié)便會發(fā)現(xiàn)，它同樣需要很高的技術(shù)含量。

事實上，以Scale AI為代表，海外已經(jīng)誕生了一些數(shù)據(jù)標(biāo)注行業(yè)的獨角獸公司。2022年，Scale AI營收達到2.9億美元，毛利率更是高達70%。

Scale AI不僅僅在使用非洲等地的廉價人力資源，同樣還招聘了數(shù)十名博士，來應(yīng)對各行業(yè)的專業(yè)數(shù)據(jù)。數(shù)據(jù)標(biāo)注質(zhì)量，是Scale AI為OpenAI等大模型企業(yè)提供的最大價值。

百度也正在全面提升中文大模型的標(biāo)注質(zhì)量。

劉小瑩向觀察者網(wǎng)介紹，除了自己負責(zé)的第一道標(biāo)注工序之外，層層審核也是保證標(biāo)注質(zhì)量的重要環(huán)節(jié)。在數(shù)據(jù)標(biāo)注公司內(nèi)部，有資深標(biāo)注師對所有標(biāo)注數(shù)據(jù)進行全面復(fù)核，而百度自己也有龐大的審核團隊，最終把握數(shù)據(jù)質(zhì)量。涉及到專業(yè)領(lǐng)域知識時，也有相關(guān)行業(yè)專家提供支持。

據(jù)了解，百度智能云沉淀了多領(lǐng)域?qū)＜屹Y源，針對來自不同行業(yè)的數(shù)據(jù)服務(wù)需求，百度智能云可快速搭建專家團隊，對特定領(lǐng)域的任務(wù)提供監(jiān)督微調(diào)和強化訓(xùn)練數(shù)據(jù)，保證數(shù)據(jù)交付質(zhì)量，目前已覆蓋計算機、法律、醫(yī)療等領(lǐng)域。

此外，百度智能云還組建了專業(yè)的數(shù)據(jù)咨詢團隊，從前期的數(shù)據(jù)收集、數(shù)據(jù)清洗，再到數(shù)據(jù)管理、數(shù)據(jù)回流，可為企業(yè)提供全流程的咨詢服務(wù)，幫助企業(yè)在智能化轉(zhuǎn)型過程中少走彎路。

百度自研的高效標(biāo)注系統(tǒng)，則進一步提升了數(shù)據(jù)標(biāo)注效率。

胡馳表示，為提高數(shù)據(jù)標(biāo)注的質(zhì)量和效率，百度智能云自主研發(fā)了業(yè)內(nèi)領(lǐng)先的大模型數(shù)據(jù)標(biāo)注平臺，支持從大模型微調(diào)、強化學(xué)習(xí)到模型評估的數(shù)據(jù)生產(chǎn)閉環(huán)。在人工標(biāo)注之前，平臺會首先進行自動化的預(yù)審核，對數(shù)據(jù)的行業(yè)特征進行分類，確保數(shù)據(jù)交到更合適的審核員手上。

結(jié)合平臺獨有的人機協(xié)同標(biāo)注、多輪智能審核等智能化工具，百度可大幅提升數(shù)據(jù)標(biāo)注的產(chǎn)能和質(zhì)量，同時幫助企業(yè)實現(xiàn)降本增效。

數(shù)據(jù)安全也始終是重中之重。胡馳表示，百度智能云不僅可提供高安全性的端到端數(shù)據(jù)服務(wù)，標(biāo)注平臺還支持私有部署，通過與基地資源聯(lián)動，為客戶提供多樣化的數(shù)據(jù)安全方案。

“大模型標(biāo)注基地重點要評估三大指標(biāo)：高效標(biāo)注工具、高端人才梯隊、高級別數(shù)據(jù)安全，只有三管齊下，才能為大模型提供好的數(shù)據(jù)?！焙Y說。

隨著數(shù)據(jù)標(biāo)注基地等“智能新基建”的建設(shè)，百度“千帆大模型平臺”將更好地向社會提供服務(wù)。

據(jù)悉，百度智能云將在9月全面升級大模型服務(wù)。8月，百度智能云宣布，千帆大模型平臺升級，接入包括文心一言、Llama 2全系列、ChatGLM2-6B等在內(nèi)的33個國內(nèi)外最主流的大模型，成為國內(nèi)擁有大模型最多的平臺。

（文中劉小瑩為化名）