数据标注：人工智能中不可或缺的重要一环

新知榜官方账号

2023-10-03 01:24:36

人工智能与语料

人工智能已经是科技行业最为热门的赛道之一，而在AI大模型的相关市场竞争中，除了底层的算法、架构外，“语料”则是一个被反复提及的关键要素。但围绕“语料”这一AI大模型的生产资料，在过去一年间，整合行业也上演了一系列光怪陆离的故事。

训练AI大模型的语料从书籍、报刊、杂志、视频、音频、代码等一系列产物中来，但是由于AI不是人类，他们认识世界的方式与人类不同，所以蕴含在这些作品中的信息还需要经过一道处理工序，才能转化为可以被AI大模型利用的语料，而这就是所谓的“数据标注”了。

数据标注的定义与历史

数据标注是把各种图片、文本、视频等数据集打上标签，成为计算机可以理解识别的技术。这一工作在2007年之前是由程序员来负责完成，但毕竟有限的程序员群体与AI对于语料的无止境需求极其不匹配，所以这也导致了AI在本世纪第二个十年以前一直都曲高和寡。

直到2007年，计算机科学家李飞飞通过亚马逊众包平台雇佣了167个国家共计5万人，来给10亿张图片筛选、排序、打标签，最终构建了ImageNet数据集。自此之后，大量科技企业发现数据标注并不需要程序员来参与，只要是受过一定教育的普通人即可完成，这也成为了为什么AI在近十年来突飞猛进的原因之一。

数据标注的未来发展

数据标注从某种意义上来说，就与流水线上工人干的活没什么区别，而对着电脑屏幕根据给定的规则来给数据打上各式各样的标注这一工作，完全可以称得上是“赛博搬砖”。相关厂商显然不会将自己宝贵的人力资源浪费在这样机械化的工作上，所以数据标注目前基本就是一个以外包为主导的行业，并且通过BPO的形式将数据标注工作交付给外包公司，确实也在一定程度上为AI厂商节约了成本，但从客观上来说，数据标注本身还是很费钱的。

谷歌提出的AI反馈强化学习（RLAIF），用来代替基于人类反馈的强化学习（RLHF）。事实上，RLHF正是ChatGPT等同类产品表现出比Siri等上一代人工智能产品更聪明，表达更接近人类的关键驱动因素之一，它可以借助人类反馈信号来直接优化语言模型，数据标注人员则通过给大模型产出的结果打分，由他们来负责判断大模型生成的文本是否优质（迎合人类偏好）。根据谷歌方面的研究结果显示，RLAIF可以在不依赖人类标注员的情况下，产生与RLHF相当的改进效果。具体来说，当被要求直接比较RLAIF与RLHF的结果时，人类对两者的偏好大致相同，同时RLAIF和RLHF都优于传统的监督微调（SFT）基线策略。众所周知，语料是AI大模型的基础，而AI大模型之所以比以往的同类产品表现得更“聪明”，单纯就是因为语料的规模更大。

但要将基础数据转化为AI可识别的语料，无疑是个巨大的工程。如果谷歌提出的RLAIF能够真正实现，数据标注人员可能会失业。但是，AI厂商作为人类社会的一份子，同样也具有社会性，并且AI厂商打造的大模型不仅要有性能，更重要的是还要合规。如今ChatGPT、NewBing在性能上比它们刚亮相时有所衰退的原因，已经不仅仅来自用户的体感，更得到了研究人员的证实。其实这一现象并非是因为技术退步了，反而是技术迭代的结果，因为他们必须要在AI伦理问题上合规。所以现在的情况，就是谷歌提出的RLAIF本质上是剥离了AI大模型训练中的人类参与，但这与“AI对齐”的思路是相悖的。

本页网址：https://www.xinzhibang.net/article_detail-15052.html

寻求报道，请

关键词

分享至微信：

相关工具

Magic Write

Canva旗下AI文案生成器

火龙果写作

AI驱动的文字生产力工具

爱改写

AI改写、纠错、润色辅助工具

HyperWrite

AI写作助手帮助你创作内容更自信

易撰

新媒体AI内容创作助手

NovelAI

AI小说故事创作工具

三个国外专业免费的调色网站

三个国外专业免费的调色网站无论制作视频、编辑图片，合适的色彩会让你的作品增加视觉冲击力，所以专业的调色技术价值非凡，一部电影或一部好的视频、图片海报，专业调色耗费少则上万，多则上百万，只是大家对专业调色这个行业知之甚少，今天网玩君就为大家分享三个国外专业免费的调色网站，记得收藏好，以后编辑视频、图片

分类标签调色网站免费

04-18 16:42

电影制作中的纹理技术

纹理在电影制作中的重要性纹理是指将详细的表面特征应用于3D模型或视觉效果元素，使其看起来更逼真。纹理对于创建视觉上引人入胜且可信的电影场景至关重要，尤其是涉及CGI、动画或特效的场景。纹理还支持叙事和讲故事，可以通过纹理设置年龄大小等属性，为故事奠定基础。纹理技术的发展历程自胶片问世以来，电影制作人

分类标签纹理电影制作CGI视觉效果微缩模型UV映射

04-18 16:42

UnrealSynth虚幻合成数据生成器-NSDT

UnrealSynth虚幻合成数据生成器-NSDTUnrealSynth基于UE5虚幻引擎开发，可用于生成合成数据集，包括图像和标注数据。可用于各种行业细分场景中目标识别任务的实施效率提高。UnrealSynth合成数据工具包内容UnrealSynth基于UE5虚幻引擎开发，目前支持YOLO系列模型

分类标签 UnrealSynth虚幻引擎数据合成YOLO模型深度学习训练数据

04-18 16:42

人工智能与音乐：谷歌的Project Magenta

谷歌的Project Magenta利用人工智能技术生成音乐和其他艺术形式，如素描、视频和笑话。该项目的目标是为人们创造新的交流方式。本文介绍了该项目的背景、发展历程和应用。在上世纪90年代中期，谷歌研究院的Douglas Eck就开始了他的人生目标：融合人工智能与音乐。二十年后，他与一支谷歌研究团

分类标签人工智能音乐谷歌

04-18 16:42

如何做好SEO优化？

如何做好SEO优化？想要做好SEO优化，得从站内优化和站外优化两个方面入手。一、站内优化1.关键词定位和分析关键词整理是SEO优化中的核心工作，一旦定下来就不建议再次去更改。站长始终要记住关键词一定要和行业、产品、领域息息相关，同时还可以参考竞争对手所做的关键词，可以利用站长工具、5118、爱站网、

分类标签 SEO优化关键词定位网站架构布局

12-11 08:19

万兴科技：营收实现稳健增长，拥抱AIGC新机遇

万兴科技：营收实现稳健增长，拥抱AIGC新机遇国元证券股份有限公司耿军军近期对万兴科技进行研究并发布了研究报告《2022年年度报告点评：营收实现稳健增长，拥抱AIGC新机遇》，本报告对万兴科技给出买入评级，当前股价为75.24元。万兴科技(300624)事件：公司于2023年4月7日收盘后发布《20

分类标签万兴科技营收增长AIGC

12-11 02:11

AI分身市场潜力巨大，万兴科技、京东等已率先布局

“AI孙燕姿”和“CarynAI”引爆市场最近，“AI孙燕姿”和“CarynAI”以以假乱真的程度引爆市场，都是通过采集本人的语音、文字、图像等素材，并通过开源的生成式训练模型进行训练而成。其中，“CarynAI”成功地借助AI技术，打造了自己的AI分身，通过付费的方式，跟AI版的自己进行交往，预计

分类标签 AI孙燕姿CarynAIAI分身AIGC技术虚拟主播数字人

12-11 02:10

万兴科技推出名师必备讲演神器“万兴智演”

万兴科技推出名师必备讲演神器“万兴智演”9月8日，万兴科技面向泛知识领域，推出名师必备讲演神器“万兴智演”。该款AI演示新品集成强大的AIGC能力、精美的行业课程模板以及动画特效素材，大大简化课件制作过程。同时，产品内置强大的录制、直播功能，通过真人实拍与演示内容相结合的形式，实现人景融合的实时演示

分类标签万兴科技万兴智演AI演示

12-11 02:09

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲2023互联网岳麓峰会论坛上，万兴科技创始人、董事长兼总裁吴太兵进行主题演讲。红网时刻新闻记者郭雅倩甘红长沙报道十届、十年，岳麓峰会从2014年的“湖湘汇”到如今云集万人的盛会，积攒了巨大的关注度和影响力。6月19日，2023互联网岳麓峰会在长

分类标签万兴科技吴太兵岳麓峰会

12-11 02:05

樟宜机场：通过科技改变旅客体验

樟宜机场：通过科技改变旅客体验樟宜机场在智能手机上移动的小红点代表了在机场上空飞行的飞机，通过传感器的追踪获取了相关飞行轨迹。机场通过人工智能、面部识别和数据分析等技术的应用，不断提高机场运营效率，保持创新，致力于成为一个旅客体验更佳、充满活力的目的地。人工智能优化机场运营效率樟宜机场在2017年共

分类标签樟宜机场科技旅客体验

12-10 22:16