刺猬公社（ID：ciweigongshe）和何信通話的時候，他正在做數(shù)據(jù)標注的工作。
電腦屏上的圖片里，三三兩兩的人在操場上，或是在跳繩，或是在圍觀。何信要做的是用鼠標將正在跳繩的人框出來?！罢f出來你可能都不相信，就是畫這一個框。”何信解釋道，“好比你現(xiàn)在打開電腦，然后摁住鼠標右鍵拉一下，在桌面上就是一個框就是3分錢?！?/span>
何信在做數(shù)據(jù)標注工作，何信供圖
何信做數(shù)據(jù)標注的工作有一年多，他自己成立了一個創(chuàng)業(yè)小團隊，團隊里有十幾個人。他們的項目涉及百度、網(wǎng)易、阿里等互聯(lián)網(wǎng)大廠，他也做細致的“打點”工作，類似一個鞋的邊框打點一周，二十幾個點，掙一到兩角錢。
“阿里眾包、京東微工、百度眾測、有道眾包……”市面上這樣的產(chǎn)品有很多，利用碎片化時間獲得收入、操作簡單無門檻是它們最主要的賣點。這類互聯(lián)網(wǎng)大廠推出兼職平臺，主要以眾包的形式給用戶分配任務(wù)，用戶通過完成任務(wù)來獲得報酬。但相較這些大廠的知名產(chǎn)品而言，兼職平臺們的下載量并不高。
刺猬公社查詢產(chǎn)品下載量統(tǒng)計平臺七麥數(shù)據(jù)后發(fā)現(xiàn)，AppStore中阿里眾包、騰訊搜活幫、京東微工、百度眾包等四款產(chǎn)品，近30日日均下載量未超過2000。
圖源：七麥數(shù)據(jù) 查詢時間：2021年4月27日
從產(chǎn)品數(shù)據(jù)上看，互聯(lián)網(wǎng)大廠的兼職App只能說不溫不火。在靈活用工、兼職經(jīng)濟高度發(fā)展的當(dāng)下，這類兼職App為什么沒做起來？都是誰在做這份工作？
互聯(lián)網(wǎng)大廠出品的兼職APP中，運作流程是：平臺發(fā)布任務(wù)，用戶領(lǐng)取任務(wù)驗收后獲得收益。綜合各平臺來看，主要有數(shù)據(jù)標注、數(shù)據(jù)采集、數(shù)據(jù)轉(zhuǎn)寫工作。細分到具體領(lǐng)域，又分為文本、圖片、語音、視頻等部分的信息處理。任務(wù)的價格一般在0.1元到幾十元不等。
在騰訊搜活幫里，李元接了十幾單任務(wù)，賺了不到兩塊錢。
放棄倒不是因為錢少，而是因為這份工作過于機械化，重復(fù)性勞動讓李元很不適應(yīng)。他大學(xué)讀的是電子信息工程專業(yè)，畢業(yè)后工作也比較清閑。出于賺錢和打發(fā)時間的目的，李元下載了這款眾包類型的軟件。
眾包，通俗來講，就是從大眾那里尋找資源。它本意是指一個公司或機構(gòu)把過去由員工執(zhí)行的工作任務(wù)，以自由自愿的形式外包給非特定的（而且通常是大型的）大眾志愿者的做法。
以京東微工的數(shù)據(jù)標注為例，在最新一期的任務(wù)里要求對文本進行情感判斷，根據(jù)自己的認知選擇文本是正向、中性還是負面。該結(jié)算兩分一條，以10條為結(jié)算單位，要求正確率100%。
數(shù)據(jù)采集一般為音頻、圖片、視頻方面的采集，周舟熱衷于做數(shù)字采集方面的工作，2019年高中畢業(yè)后，他開始嘗試這方面的兼職工作。兩年的時間，他陸陸續(xù)續(xù)賺了3000多。“我也沒有天天去看，阿里眾包在年終、年初、年底的任務(wù)很多?！?/span>
在每個任務(wù)里，都有明確的要求，周舟認為這樣很明確，可以很快地分辨哪些好做哪些不好做。
相比于數(shù)據(jù)標注、采集方面的工作，數(shù)據(jù)轉(zhuǎn)寫的門檻稍微高些。所謂的數(shù)據(jù)轉(zhuǎn)寫，主要是各種語言轉(zhuǎn)譯工作，比如，在有道眾包的少兒英語段音頻轉(zhuǎn)寫里，要求口誤重復(fù)、語法錯誤等如實轉(zhuǎn)寫，這對于答題者的英語水平要求不低。
下載軟件發(fā)現(xiàn)無任務(wù)可做，做任務(wù)時發(fā)現(xiàn)門檻過高，任務(wù)完成發(fā)現(xiàn)審核太久，審核后發(fā)現(xiàn)正確率不合格……在這條任務(wù)鏈里，用戶會遭遇各樣的問題，有網(wǎng)友在五個任務(wù)都審核失敗后發(fā)文稱“費力不討好。”
部分平臺審核不合格后，價格會打折扣。但還是有人賺到錢了，在有道眾包的3月酬勞排行榜上，第一名酬勞1945.99元。周舟對于自己兩年多攢的3000多元表示滿意，“因為目前還是在校生，沒有工作?！?/span>
“一小時10元吧?！?/span>何信評估了一下做眾包工作的平均報酬。
兼職眾包的平臺用戶，有一種團隊化的趨勢。
就目前市面上的眾包產(chǎn)品來看，任務(wù)很多是不定期推送的，新用戶注冊后平臺上有可能面臨無任務(wù)可領(lǐng)的情況，而相較于加公會做團隊而言，普通用戶賺的錢是很少的。
而這份工作的主力，互聯(lián)網(wǎng)巨頭們可能也并沒有瞄準客戶端的普通用戶。據(jù)何信了解，向他這樣做團隊接項目的同行有不少，在平臺活躍著的也有很大部分是像他們這樣的團隊。
相比于單獨個人當(dāng)兼職做，團隊化容易的多。價格在近些年也有了不小的變化，以前價格很貴，現(xiàn)在的價格越來越低，由此帶來用戶的不斷往下沉淀。何信表示用戶下沉是要找便宜的勞動力。
2016左右，那時候做數(shù)據(jù)標注的人還不是很多，何信說那時候價格是目前兩到三倍，畫一個框大概七八分錢。
“以前做的人少就掙錢，現(xiàn)在做的人多了就不值錢了，就這個意思。”兼職眾包的用戶們，也在不可避免地遭遇內(nèi)卷。
在何信團隊里，一個成熟的員工一小時能畫600個框，按照一個框3分的標準，能賺18元。“但是這個價格是我完全不賺錢?！焙涡耪f。而3分的價格在面向用戶的平臺里很少出現(xiàn)，在用戶平臺端三分的價格算是很高的。何信找的熟人介紹做項目，一般接一個項目幾千上萬的量，然后做上一個月。
這個行業(yè)流動性很大，重復(fù)性勞動和越來越低的價格讓很多人止步于此。何信的團隊不算大，上個月還是五六個人。來的員工一般都是學(xué)生，兼職在做這份工作。五六個兼職的同學(xué)才能留下一個，何信對自己團隊流動習(xí)以為常。
“一開始不熟悉業(yè)務(wù)，做不了那么快，幾乎就賺不了什么錢，完全看自己做的數(shù)量?！焙涡沤忉寛F隊流動大的原因。
除了數(shù)據(jù)標注，何信的團隊也做過涉及語音轉(zhuǎn)義、數(shù)據(jù)采集等方面的工作，兩三歲孩童的語音、粵語、陜西話的轉(zhuǎn)義他們都做過。語音轉(zhuǎn)義一般來說三分鐘能給到七塊左右，數(shù)據(jù)采集工作相對來說賺的更多，但過于費時費力，這塊業(yè)務(wù)也慢慢擱下了。
“車道線、車、人臉，人體……”何信做的數(shù)據(jù)標注類目有很多，但都是二維的。數(shù)據(jù)標注的同行們有的在做三維標注，這樣的工作日薪能達300元左右。
圖源：百度眾測
但這樣的薪資并不是普遍化的，簡單重復(fù)性的二維圖片數(shù)據(jù)標注工作薪資并沒那么可觀。
小作坊的出現(xiàn)，是數(shù)據(jù)標注團隊的一個大趨勢。何信對于這份工作的人有大概的畫像。在城鄉(xiāng)結(jié)合部，或者鄉(xiāng)村小作坊，有那么一批人，二三十歲，學(xué)歷不是很高，就在縣城做這樣的工作。而很多人也有投資這種數(shù)據(jù)小作坊的打算。
“我就形容它是網(wǎng)絡(luò)時代的那種手工作坊?！?/span>何信對這種城鄉(xiāng)結(jié)合部的小作坊下了一個定義。
“網(wǎng)絡(luò)時代的民工？”
“完全就是民工了，這不是調(diào)侃?！?/span>
互聯(lián)網(wǎng)大廠，為什么需要人兼職訓(xùn)練AI
“訓(xùn)練AI啊。”
何信很明確的知道自己所做的工作，電子信息工程專業(yè)的李元也知道這份工作的意義，“平臺給你提供的題目相當(dāng)于是一個訓(xùn)練的樣本。所有你做的題目就是AI的訓(xùn)練集，它會通過人類的這種思維判斷去訓(xùn)練AI?！?/span>
“能知道的只有他（平臺）告訴我的。具體數(shù)據(jù)去哪了，用于什么了，沒有去深究?！敝苤壑恢榔脚_告知的信息，在阿里眾包的一個任務(wù)中顯示，您接受的任務(wù)中涉及對個人信息的收集，任務(wù)發(fā)布者承諾在此任務(wù)中收集到的個人信息將會用于“算法訓(xùn)練——牙齒病種識別”的目的，并僅限于任務(wù)發(fā)布者使用，并不向任何第三方轉(zhuǎn)讓、共享以及披露，匿名化或去標識化的除外。
“我們要教機器認識一個蘋果，你直接給它一張?zhí)O果的圖片，它是完全不知道這是個什么東西的，需要現(xiàn)有蘋果的圖片，上面標注著“蘋果”兩個字，然后機器通過學(xué)習(xí)了大量的這類圖片，才能認識蘋果，其中將圖片表示為“蘋果”的工作就是數(shù)據(jù)標注?！?/span>
騰訊搜活幫用上述例子，說明了數(shù)據(jù)標注的意義。數(shù)據(jù)標注員的工作就是在教機器學(xué)習(xí)。
人工智能包含著機器學(xué)習(xí)，而監(jiān)督學(xué)習(xí)是機器學(xué)習(xí)的一種訓(xùn)練方式，通俗來講，是要給機器一種標準答案來不斷進行訓(xùn)練，以此來達到人類一些識別認知的能力，這也是深度學(xué)習(xí)的一個目標。深度學(xué)習(xí)的成功所依賴的既不是算法，也不是計算能力，而是訓(xùn)練和驗證數(shù)據(jù)的可用性，這些數(shù)據(jù)最終是通過人的參與獲得的。
這是一個非常重復(fù)性的勞動，因為機器學(xué)習(xí)需要大量的樣本，大量的樣本是由無數(shù)重復(fù)性勞動所造就的。
而這種重復(fù)性勞動在很早之前就有了。2003年，一款“ESP游戲”就用了這種勞動，它的目的是通過互聯(lián)網(wǎng)上人們的自由參與來獲得描述圖像的標簽。在一個游戲中，兩個玩家在屏幕上看到相同的圖像，并被提示輸入描述該圖像的關(guān)鍵字。他們看不到對方正在鍵入什么，但如果兩人輸入相同的關(guān)鍵字足夠快（“匹配”），他們就會得到分數(shù)。實際上，這些關(guān)鍵字可以用作圖像的精確標簽?！癊SP游戲”后來被谷歌收購，被稱為谷歌圖像標簽。
不止人工的重復(fù)性勞動，驗證碼也是訓(xùn)練機器的一種方式。驗證碼本身是在人機交互中構(gòu)建，以驗證用戶實際上是“人工用戶”的工具。reCAPTCHA公司擴展了這一原則，將人類用戶的反應(yīng)重新用作工業(yè)深度學(xué)習(xí)項目的培訓(xùn)數(shù)據(jù)。為此，用戶需要解決一個小任務(wù)，如圖像識別或文本識別，這對人類來說是一個低的障礙，但對計算機機器人來說是一個高的障礙。而reCAPTCHA也被谷歌收購了。
科技自媒體“品玩”曾報道過類似的現(xiàn)象，驗證碼越來越有內(nèi)容，比如標注門牌路牌，讓用戶幫分類數(shù)據(jù)庫等?！捌吠妗币仓赋鲈?reCAPTCHA 官網(wǎng)上，Google 公開說明了 reCAPTCHA 集眾人之力標注數(shù)據(jù)，訓(xùn)練 AI 的“眾包”模式。
網(wǎng)絡(luò)中識別圖片的驗證碼
在重復(fù)性勞動不斷減少的當(dāng)下，何信準備謀求新的出路。他的同行朋友們已經(jīng)開始在做簡單的數(shù)據(jù)AI，讓簡單型的數(shù)據(jù)標注工作交給機器來操作。
用機器做出來的訓(xùn)練集來訓(xùn)練機器，是一個有意思的事情。
在城鄉(xiāng)結(jié)合部，一批二三十歲的人正在批量生產(chǎn)著AI訓(xùn)練集，重復(fù)是他們工作的常態(tài)。也正是因為如此，工作枯燥、報酬微薄，充斥著“訓(xùn)練AI”任務(wù)的眾包兼職平臺相當(dāng)乏味，勸退了不少被兼職平臺大廠背景所吸引的用戶。
而隨著AI和機器的不斷自我訓(xùn)練和進化，AI訓(xùn)練AI就在不遠的未來，這類平臺的未來可能性將會更小。
備注：以上何信、李元、周舟均為化名
參考資料：
《Human-aided artificial intelligence: Or, how to run large computations in human brains? Toward a media sociology of machine learning》，Rainer Mühlhoff
