《科创板日报》4月2日讯(编辑 宋子乔) 首次全国数据工作会议于4月1日到2日在北京召开。国家数据局方面最新透露,接下来,将开展数据标注基地试点。
会上明确,探索建设国家级数据标注基地,充分发挥地方配套支撑作用,在数据标注产业的生态构建、能力提升和场景应用等方面先行先试,集聚龙头企业,促进区域人工智能产业生态发展。另外,国家数据局将开展深化数字经济创新发展试验区、数据要素综合试验区、数据基础制度试点、数据资源开发利用试点、数据基础设施建设试点等一系列试点试验工作。
数据标注,即对文本、图像、语音、视频等待标注数据进行归类、整理、编辑、纠错、标记和批注等操作。
在当前的人工智能大模型时代,数据的质量会影响大模型的“智商”。非结构化或半结构化的数据,必须经过上述清洗与标注处理,才能变成机器可理解、可学习的数据。因此数据标注是构建人工智能模型的数据准备和预处理工作中不可或缺的一环。
以对象作为分类标准,数据标注可以分为图像标注、语音标注、文本标注以及视频标注。
图源:中泰证券
根据Grand View Research的报告显示,2022年全球数据收集和标注市场规模为22.2亿美元,预计从2023年到2030年将以28.9%的复合年增长率增长。2022年全球数据标注解决方案和服务市场规模为118.3亿美元,预计从2023年到2030年的复合年增长率为21.3%。
目前该行业主要的玩家均为国外公司,包括:ScaleAI、Appen、CloudFactory、LightTag、Alegion等。国内,海天瑞声对标ScaleAI,其数据标注业务目前主要服务于自动驾驶,已上线第三代自动驾驶标注平台,数据标注效率提升高达8倍。
值得注意的是,随着大模型的海量训练数据催生出巨大的数据标注需求,数据标注也将催生新的工作机会。OpenAI、谷歌、Meta和微软的人工智能成果背后,就有无数肯尼亚、乌干达和印度的数据标注师在工作。
国内已催生数据标注师这一职业——百度在全国与各地政府合作,共建了十多个数据标注基地,其中,位于海口市秀英区的百度智能云(海口)人工智能基础数据产业基地为国内首个大模型数据标注中心。
《科创板日报》记者曾在去年探访此地。据了解,海口标注基地的数百名数据标注师,学历本科率达到100%,招聘专业包括新闻系、中文系等。传统模型标注人员学历则普遍在中专及以上。在入职的前两个月,数据标注师需要进行集体培训和考核,通过考核后才能正式上岗,薪酬结算方式是计件制、多劳多得。该基地在未来三到五年,新增就业有望突破5000人规模。