《科創(chuàng)板日報》8月25日訊（記者 黃心怡）近年來，由深度學習帶來的人工智能商業(yè)化應用落地，極大地推動了AI基礎數(shù)據(jù)服務的需求。根據(jù)咨詢機構IDC的數(shù)據(jù)，預計2025年，AI基礎數(shù)據(jù)服務總市場規(guī)模將突破120億元。

【資料圖】

日前，位于海口市秀英區(qū)的百度智能云（海口）人工智能基礎數(shù)據(jù)產業(yè)基地正式啟動運營。數(shù)百名大學生入駐基地，成為新興的人工智能AI訓練師。

《科創(chuàng)板日報》記者實地走訪了基地，并親自上手體驗了一把數(shù)據(jù)標注。在當前的AI大模型時代，數(shù)據(jù)標注的質量會影響大模型的“智商”。這些非結構化或半結構化的數(shù)據(jù)，必須經(jīng)過清洗與標注處理，才能變成機器可理解、可學習的數(shù)據(jù)。

海口市秀英區(qū)委常委、常務副區(qū)長石晟屹在采訪中表示，該基地在未來三到五年，新增就業(yè)有望突破5000人規(guī)模。“這些年海口市一直在探索，作為海南自貿港的省會城市核心區(qū)，需要千億級園區(qū)、百億級產業(yè)、十億級的項目。而數(shù)字經(jīng)濟是我們找到的鑰匙，人工智能基礎數(shù)據(jù)產業(yè)基地的落地只是開始，后續(xù)將在海口建更大規(guī)模數(shù)字產業(yè)園區(qū)。”

▍AI數(shù)據(jù)標注師對能力要求高！本科學歷100%

走進位于海口數(shù)據(jù)標注基地，記者看到一群大模型標注師正在借助數(shù)據(jù)標注平臺對大模型生成的內容數(shù)據(jù)進行打分、排序。

百度智能云數(shù)據(jù)標注基地業(yè)務產品負責人胡馳介紹，由于大模型對同一個問題每次都生成不一樣的答案，導致回答的穩(wěn)定性會存疑。“有時答得很好，有時則答非所問。數(shù)據(jù)標注師的作用就像是大模型的專業(yè)輔導老師，讓模型的回答更有質量。通過不斷地人工標注，讓大模型的表現(xiàn)與人類的價值觀、思維方式不斷地對齊，最終能像人一樣，解決很多實際的問題。”

記者在現(xiàn)場體驗了一把數(shù)據(jù)標注師的工作。對于每個問題，大模型生成5個不同的回答，然后數(shù)據(jù)標注師根據(jù)一套完整的評分規(guī)則，來給回答進行打分。滿分為5分，如果分值低于3分，就需要在回答中劃詞指出，哪些句子存在答非所問、事實性錯誤等情況。

從記者的實操來看，大模型的數(shù)據(jù)標注具有一定的門檻。不僅需要判斷回答有沒有跑題、有沒有事實性錯誤，還需要判斷是否存在邏輯性問題、語義重復問題等等。涉及代碼、法律、醫(yī)療等專業(yè)領域的對話，數(shù)據(jù)標注師則必須具備行業(yè)知識。

胡馳表示，相比傳統(tǒng)模型，大模型數(shù)據(jù)標注需要一套全新的標注組織形式，對標注人員提出了更高的要求。這是由于傳統(tǒng)的模型標注在規(guī)則上偏客觀，而大模型的回答偏主觀，要求標注師具備一定理解力、邏輯思維、總結能力。

《科創(chuàng)板日報》記者在現(xiàn)場獲悉，海口標注基地的數(shù)百名數(shù)據(jù)標注師，學歷本科率達到100%，招聘專業(yè)包括新聞系、中文系等。傳統(tǒng)模型標注人員學歷則普遍在中專及以上。在入職的前兩個月，數(shù)據(jù)標注師需要進行集體培訓和考核，通過考核后才能正式上崗，薪酬結算方式是計件制、多勞多得。

在完成數(shù)據(jù)標注后，百度會對大模型重新訓練，并對更新后的大模型能力進行評估，對不足的地方再進行人工標注，通過這樣的閉環(huán)把整體模型質量不斷提升和迭代。

2020年2月，人社部《關于擬發(fā)布新職業(yè)信息公示的通告》中 “人工智能訓練師”正式成為新職業(yè)并納入國家職業(yè)分類目錄。2022年全國約需要200萬AI訓練師。

記者了解到，海口標注基地在未來三到五年，新增就業(yè)有望突破5000人規(guī)模。目前百度已經(jīng)在全國與各地政府合作，共建了十多個數(shù)據(jù)標注基地，累計為當?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)。

▍劍指百億產值！海口將建設更大規(guī)模數(shù)字產業(yè)園區(qū)

這次啟動運營的海口數(shù)據(jù)標注基地，坐落于秀英區(qū)濱海大道。海口市秀英區(qū)委常委、常務副區(qū)長石晟屹在接受《科創(chuàng)板日報》記者采訪時表示，去年海口的四個區(qū)里面，秀英區(qū)是數(shù)字經(jīng)濟唯一實現(xiàn)正增長的。

“如果要在海南自貿港核心區(qū)建設中走在前列的話，秀英區(qū)必須探索一些新的思路。從去年的數(shù)據(jù)來看，全球數(shù)字經(jīng)濟在經(jīng)濟總量的占比接近40%，中國數(shù)字經(jīng)濟在GDP的占比超過了55%。未來已來，特別是AI產業(yè)的發(fā)展堪稱日新月異。這是我們找到的鑰匙，秀英要大力發(fā)展數(shù)字經(jīng)濟。”

石晟屹透露，目前秀英區(qū)將從兩方面入手。一是產業(yè)數(shù)字化。“秀英區(qū)從省級重點園區(qū)、市級園區(qū)到區(qū)里自有的園區(qū)有將近十來個，已經(jīng)孵化了一大批生物醫(yī)藥類和工程機械制造類的企業(yè)，未來會為秀英區(qū)傳統(tǒng)產業(yè)的升級改造提供支持。”

其次是數(shù)字產業(yè)化。石晟屹表示，數(shù)據(jù)標注基地的落地只是開始，后續(xù)將圍繞1平臺——海口數(shù)字科技創(chuàng)新平臺，3基地——百度智能云（海口）人工智能數(shù)據(jù)標注基地、百度智算基地、百度元宇宙產業(yè)基地，5中心——飛槳產業(yè)賦能中心、城市數(shù)字化運營中心、數(shù)字化展示體驗中心、交付服務中心、數(shù)字化培訓賦能中心，來開展建設。

在此基礎上，海口還將推動AI數(shù)字港在西海岸的核心區(qū)域的落地。“我們希望引進更多的類似于百度這樣的數(shù)字企業(yè)，形成更大規(guī)模的數(shù)字產業(yè)園區(qū)。我們的計劃是100畝地、100億產值，近10億稅收，在三到五年大概達到這樣的程度。五年后能實現(xiàn)500億的產值。” 石晟屹說。

關鍵詞：