大模型标注:你看不上的数据标注正在成为高薪工作

2022年底,ChatGPT引爆大语言模型,全球科技巨头纷纷入局,后来各家不仅限于自然语言技术,更是将文生图、文生音频、文生视频、图生视频等多模态技术“玩”出了新高度,近期大模型生成的兵马俑,还跳起了“科目三”的热舞。

大模型的热潮为人工智能开启了新篇章,作为大模型数据能力链条上的重要一环,数据标注受到前所未有的关注,数据是人工智能的基础,是人工智能更是大模型源源不断的养分来源,数据标注这个环节做得如何,直接决定了大模型有多聪明。

OpenAI这家公司,在全球大模型领域是跑在最前面的,在数据标注上也有一套自己的方法论,他们的数据标注方式是先做出预训练模型,再用强化学习加上人工反馈来调优,也就是RLHF(Reinforcement Learning from Human Feedback)。

他们找了很多家数据公司来共同完成数据标注,自己还组建了一个由几十名哲学博士组成的质检团队,对标注好的数据进行检查,但不是以对错来评估,而是给每个问题选出多个匹配的结果,再经过多人多伦的结果排序,直至模型数据符合常人思维,甚至某些专业领域的结果要达到中等以上知识水平,OpenAI成立8年,花费10亿美元用于模型训练,可见其对数据的重视程度。

一、大模型标注的特点

1. 非结构化

上一代数据标注工作,主要以“打点”和“画框”为主,就是让机器学习什么是“人脸”,什么是“障碍物”,需要严格按照客户给定的标注规范进行,标注要求也偏客观。现在的大模型标注更像是在做阅读理解,让模型学习应该给出什么样的内容,大模型生成的多个结果哪个更接近满分答案,标注要求偏主观,难以形成统一的标准。

标准从客观到主观,使得标注工作更难做了,这非常考验标注师的主观能动性以及解决问题的能力,而且标注师需要具备很广的知识面,这说明数据标注工作,不再是个结构化的简单工作,而是变成了需要逻辑思维的非结构化工作。

2. 知识密集型

大模型背景下的标注工作主要分为两类:通识大模型标注、领域大模型标注。目前市面上的大模型产品多数是通识大模型,即便是通识大模型,标注工作也是非结构化的,需要标注师具备很广的知识面,且具备较强的自然语言能力,实现了百分百本科的百度智能云海口标注基地,承担的主要工作就是通识类的标注。

至于领域大模型标注,对学历、能力、专业度的要求则更高,目前大多数行业或企业,需要的都是具备领域知识的专业人才,他们要重点解决金融、医疗、科技等领域的专业问题,最终形成符合专业逻辑的高质量数据。比如,政务大模型中,用户通常会问很多“专精”的问题,例如“社保断缴5年怎么办?”这需要标注师读取大量的政府文件,并能从中找到准确答案。

3. 学历要求高

当年,数据标注被称为AI领域的流水线工人,通常集中在东南亚、非洲或是中国的河南、山西、山东等人力资源丰富的地区。为了控制成本,标注公司的老板们会在县城租一块场地,摆上电脑,有订单了就在附近招人兼职来做,没单子就解散休息。

简单来说,这个工种有点类似马路边上的临时装修工。如今的标注师坐在窗明几净的写字楼,有自己的工位,很宽敞,上下班要打卡,看起来和互联网公司里的白领们差不多,事实上也是如此,就像百度在海口的大模型标注基地,本科比例已经达到了100%,甚至很多专业领域的标注人员都是硕士或博士学历,他们的身份不再是标注员,而是领域标注专家。

二、大模型标注的岗位情况

1. 岗位要求现状

在北京,普通标注员的薪资水平在6-8k之间,和基础的文员岗位薪资差不多,而大模型标注的薪资却高得多,在招聘网站上看了一些大模型标注的岗位,薪资水平多数在10-15k之间,甚至某些专业领域的标注人员薪资水平接近两万,这些岗位可都是执行层的标注人员,并非管理岗或专家类岗位。

当然这些岗位的要求也比较高,学历要求基本都是本科起,某些还会要求一本或211/985院校,除了硬性的学历要求,对专业能力或综合能力要求也比较高,某些会要求专业领域经验,比如下图中的两个样例,一个是教育领域的,一个是财经领域的,或者某些会要求外语水平,这也是很容易理解,因为大模型是和世界接轨的,国内很多大模型产品也需要部署外语环境下的大模型。

大模型标注:你看不上的数据标注正在成为高薪工作

大模型标注:你看不上的数据标注正在成为高薪工作

2. 岗位发展建议

由此,给在做数据标注或考虑做数据标注的同学两条建议:第一,有机会一定要转型到大模型领域,如果没有机会就要想办法创造机会,总之这波大模型的趋势我们一定要抓住,因为这可能是我们普通标注员为数不多的发展机会了。第二,一定要从事有专业知识的标注工作,简单标注工作薪资水平低,关键是很容易被替代,所以要建立自己的专业壁垒,才能在变幻莫测的职场中,使自己立于不败之地。

三、大模型标注的发展前景

1. 职业发展前景

数据标注这条流水线目前主要由标注师和质检员组成,完成标注后,直接交给算法工程师,他们会用数据对大模型做测试,看看哪些方面还有不足,再有针对性的做下一轮标注和调试。

未来,这条流水线上还会出现更多细分岗位,例如模型评估师(指导大模型调优方向)、指令工程师(研究与大模型交互更高效的方式)、视频音频标注师、专业领域标注师等,这些岗位都是现在标注人员的发展方向,不仅岗位有更细分、更专业的发展方向,而且岗位需求量也会不断增大,预计未来五年,数据标注相关专业人才缺口将达百万量级。

2. 行业发展前景

目前数据标注市场主要有两类参与者,一类是第三方标注公司,另一类是头部科技公司自建数据标注团队。

此外还有一些中间商,对接公司需求和标注团队。传统的数据标注行业主要依靠渠道、人力等形成的低成本优势,在未来,数据需求方将更看重数据质量、场景多样性和可扩展性,这样才能让大模型发挥更大的作用。在大模型为主的“智能革命”浪潮下,国内基础数据服务业将达到百亿市场规模,成为智能时代的新宠儿。

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场,不承担相关法律责任。如若转载,请注明出处。 如若内容造成侵权/违法违规/事实不符,请点击下方“内容举报”进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部