最近，人社部公布了一批新職業，其中有個新職業叫做“人工智能訓練師”。聽起來滿是高科技的人工智能還要靠人來訓練？誰能訓練這些看不見、摸不著的人工智能？“人工智能訓練師”究竟做些啥？關鍵是，掙得多不多？

帶著這些問題，近日記者走訪了百度（山西）人工智能基礎數據產業基地。這里是目前國內從業人員和產值規模第一的單體數據標注基地，入駐企業35家，AI數據標注師從業人員超過2300人。

“我是數據標注員，中專學歷，一天工作8小時，大概能掙300多元。”面對記者的問題，山西麟諾網絡科技有限公司的李宇龍很自豪地給出了答案。這個收入對一個在太原生活的年輕人來說算高水平了——數據顯示，2019年，太原市的城鎮居民人均可支配收入36362元。不過，李宇龍說自己不算最高的，“我同事有一天能掙1000多元的。”

李宇龍學歷不高，原先的工作跟人工智能沒什么關系。2018年，山西麟諾網絡科技有限公司成立，李宇龍經朋友介紹來到了這家公司。

“當時我也不知道數據標注員是做啥的，更沒聽說過人工智能。我們老板就交給我一套規則，讓我按照規則在電腦上認車道線。”那會李宇龍剛20出頭，正是肯學的時候，他在短時間內熟悉了規則，還總結出了標注車道的新規律。

作為這項新職業里的老員工，李宇龍目前已經轉型培訓師，除了日常工作，也承擔起對公司新員工的培訓教學，“還有的同事會轉型做項目，或者內容審核員，上升空間還是有的。”

（中專學歷的李宇龍是山西麟諾網絡科技有限公司的數據標注員，一天工作8小時，大概能掙300多元。除了日常工作，他也承擔公司的培訓業務。）

“數據標注技術門檻低，招工人群范圍廣泛，對于促進就業作用顯著。”山西麟諾網絡科技有限公司負責人李應維告訴記者，目前公司招聘的員工以大專生為主，也有部分中專生。標注的規則由百度和相關領域的專家共同制定，并形成可操作的軟件平臺提供給企業，企業對員工進行簡單培訓就能上手。以人臉為例，目前能實現對約150個特征點的標注。大致的標注規則是數據標注師看到雙眼皮就標記雙眼皮，看到獅子鼻就標記獅子鼻，讓機器自己去理解和學習。標注的特征點越多，AI就越能精確地識別人臉。

看似簡單的工作，背后有龐大的數據基礎做支持。算法、算力和數據是人工智能發展的三大要素，數據就是人工智能發展的燃料。每天人類社會產生的海量數據必須經過清洗和標注，換成人工智能熟悉的語言才有價值。因此，人工智能訓練師的主要任務就是數據采集和標注。特別是數據標注。如果說人工智能是個孩子，那數據標注師就是帶領這個孩子認識世界的啟蒙老師，是他們一點點教會AI認識世間萬物、分辨喜怒哀樂、聽懂嬉笑怒罵。有了足夠多、足夠好的數據，AI才能學會像人一樣去感知、思考和決策，更好地為人類服務。

人工智能產業發展之初，數據采集和標注需要人力完成的部分比較多，但現在技術相對成熟，數據平臺已經有了持續學習能力，大部分采集和標注工作人工智能自己就可以完成，實現預標注和自動標注，所以現在的數據標注工作以機器輔助和人工標注結合為主。除了眼底檢查片、肺部X光片等技術含量較高的有專業要求，大多數員工都能按照規則，在平臺上完成語音、人臉、道路的標注操作，只要能熟練操作電腦就能勝任。

34歲的郭梅就是新職業的受益者。她原本在山西一家煤礦做監控員，因為孩子到太原上學，她跟過來照顧孩子，到學校附近的數據標注基地求職。經過公司的崗前培訓和團隊的幫助，她從一開始每天只能標注兩三百張，提升到每天能完成1300多張。

（34歲的郭梅原本在山西一家煤礦做監控員，經過公司的崗前培訓和團隊的幫助，她也成為一名數據標注員，孩子也在基地的幫助下，進入了附近一所優質學校讀書。）

數據標注員的工作跟著人工智能的發展需求不斷調整。前幾年人工智能剛發展的時候，語音識別、人臉、圖像等識別需求大；近幾年無人駕駛、進入發展快車道，郭梅和李宇龍的主要工作就改成了無人車、地圖、3D點云等數據標注，天天看的是車道線、行人、障礙物。

“也還有一些垂類的語音識別項目，比如普通話的語音識別基本解決了，現在有的公司開始開發方言的語音識別，我們也接了一些方言的語音數據標注項目，但那些就要招聘當地人來完成了。”李應維說。

有了足夠的技術基礎，數據標注員還能教會人工智能新任務。疫情期間，戴著口罩的人臉識別需求激增。“根據客戶需求，山西數據標注基地采集了大量戴口罩的人臉照片，由數據標注師對人臉的眉毛、眼鏡、顴骨等人臉關鍵點進行精準標注，訓練人工智能完成了戴口罩的人臉圖像識別。 ”百度（山西）人工智能基礎數據產業基地負責人尉赤說，“人們能在不摘口罩的情況下實現精確的體溫測量，或是通過人臉閘機，背后就是這些數據標注員在訓練人工智能。”

艾瑞咨詢發布的《中國人工智能基礎數據服務行業白皮書》預測，隨著全球人工智能產業、物聯網、5G的爆發式增長，到2025年，全球每年產生的數據量將從2016年的16.1ZB猛增至2025年的163ZB，其中80-90%是非結構化數據，需要經過清洗和標注才能被喚醒價值。在我國，每年需要進行標注的語音數據超過200萬小時，圖片則有數億張。因此，人工智能數據標注師的崗位需求將持續增長。尉赤透露，今年基地新招了500多人，未來5年計劃培養5萬名AI數據訓練師，并引入更多AI合作伙伴。李應維也預計，到明年自己的企業用工將翻一倍，從160多人擴展到300人左右。后疫情時代，數據標注將成為創造大量就業需求的新興職業領域。

（百度（山西）人工智能基礎數據產業基地的AI數據標注師們正在工作。這里是目前國內從業人員和產值規模第一的單體數據標注基地，未來5年還計劃培養5萬名AI數據訓練師。）