北邮在线：人工智能背后的那些年轻人，苦与梦想兼并
人工智能从充满科幻色彩的高大上概念到进入寻常人家的衣食住行，AI的「平民化」离不开那些又苦又酷的群体。
这群离AI技术最近的人，也正是大众印象中的那样：格子衬衫、双肩包、对代码狂热的年轻程序员，在他们的努力与奋斗下，人工智能的研发在这个国家高速走过实验性阶段，落地应用与商业化被提上日程。
在大部分人看来，人工智能是个有些「科幻」的词汇，离我们的生活颇远，它更多代表着小说电影中和人类长相相似、或温柔或冷酷的机器人。
而稍微熟悉些的人，对这份印象又变成冷冰冰的 GPU 阵列、复杂多层的神经网络和一大串佶屈聱牙的专有名词。能接触它们的除了工程师，就是程序员。
看完这篇文章后也许你对于这份印象需要再度刷新一次——人工智能，真的需要不少「人工」。
陆禾今年刚满 30 岁，几个月前刚刚从跳槽到一家「数据加工」公司。虽然跨了行业，她并不觉得两份工作有什么不同，都是按照甲方的要求和己方的工作节奏，把人手安排到一个又一个项目中去。
公司刚成立不到一年，眼下业务大多是标注数据，即根据项目方要求，人工为图片、视频和语音内容打标签、做标记。标注好的数据会被人工智能公司用来训练算法模型，然后应用到图像识别、语音识别等不同领域。
通常来说，数据标注得越准确、数量越多，模型的效果就越好。自然，产品的效果就会更好。
一旦要求质量，每个人的产出量就不会太多。熟练者平均一天可以标注 40 张图片，前提是只需要为图片中的物体打框、标注类别和前后关系。如果涉及到刻画建筑物边缘等复杂细节，一天标注 10 张已是极限。
但公司需要处理的数据订单往往以「万」为单位，最新的需求是 6 万张图片，7 天内完成。理论上这个订单需要 214 个人共同工作 7 天，秦娇手头只有不到 100 个人，其中一部分还要完成其它项目。几次陆禾都对着电话那头摆出不耐烦的神情，「你跟他说，要我去死好不好」。
与拥有 1,500 万张标注图片的数据集 ImageNet 相比，只有 6 万张图片的项目显得十分渺小。不过大部分人可能很难想象，是来自 167 个国家的 48,940 名工作者，花费了 2 年时间，清理、分类、标记了近十亿张通过互联网搜集到的图片，才得到这个有 1,500 万张图片的数据集。其所耗费的时间与人力，远非一般项目可比。
数据庞大又开源，ImageNet 很快成为成为研究图像识别的首选。不论 Andrew Ng（吴恩达）还是 Jeff Dean，涉足这一领域研究者都使用过 ImageNet。但 ImageNet 有自己的弱点，标注框太大、标注方式少和不时出现的错误，使它难以被用来训练实际应用的算法模型。
人工智能公司们必须想尽办法，积累符合自身应用方向，标注得更细致、更准确的数据。在初创公司招聘工程师的需求中，「有收集标注数据的能力」有时也会被写进其中。某种程度上，高质量的标注数据决定了一家人工智能公司竞争力。
在知乎「大公司里面有人专门负责标注数据吗？」问题下，共有 21 个回答。来自大公司的回答者们表示曾「发动全部门人对几万张图进行人肉打标」，或是将工作「安排在人力成本比较低的分公司」。小公司们则将数据「交给隔壁全是女性的部门标」，或是「省钱就自己人标了」。除此之外，交给外包公司是频率最高的选项。
从招聘网站发布的职位需求也可略窥一二。在智联招聘中键入「数据标注」，可以找到 60 个直接相关职位。在拉勾网则能找到近 400 个——管理外包团队等相关职位也被算入其中。以兼职为主题的豆瓣小组和百度贴吧，也从满屏的写软文、写小说、写评论，开始夹杂数据标注的兼职招募。
看起来，在人工智能行业火热、大量创业公司涌现的当下，数据标注是一门不错的好生意。
2009 年，张彤禾曾在《打工女孩》中描述过一群背井离乡，来到东莞独自打拼的女孩。她们刚刚十八九岁，甚至尚未成年，便离开学校在工厂里不分昼夜的工作。
流水线上的女工，既不了解自己正在生产什么，也不知道自己的工作「秋西」（QC）就是「质量检测」。不论工作还是生存环境都相当恶劣，晚上去小吃街就算改善生活，往往也缺乏精神娱乐。
但与印象中打工者的刻板形象不同，她们既不短视，也不压抑。
她们不在乎 15 个人共用一个房间，50 个人共用一个洗手间。占据她们头脑的是，多久才能存够买房子的钱？该如何晋升或者干脆跳到更有前景的岗位？所剩无几的周末，是该学习计算机、英语还是别的什么？
与马克思那份工人与生产物分离后，失去了满足和快乐的「资本主义的悲哀」不同，「分离」改变的不一定是她们的社会地位，而是她们的思想。花费时间制造的东西并不能代表制造者本身，赚来的钱花在了哪儿、让她们学会了什么技能、如何改变了她们，才更加重要。
「我们手上的 iPod、脚上的 Nike、肩上的 Coach，无形中改变了数百万人的工作、婚姻、生活和思想。」
也许数据标注同样如此。在探讨这个行业存在的合理性与是否能长久发展之前，能带给从业者的改变就已足够振奋人心。
但我们仍不能忘记这些人的付出，尽管她们面目不清，从未被人提起。
学习永远是人类最強大的力量，只有懂得学习，能够进步才足以改变人生。
以前是，现在是，未来还会是。
加小北微信zhangyiedu2017领取免费试听课程福利