快捷搜索:  

谷歌这一“大招”,要逼死众少ai标注公司?

"谷歌这一“大招”,要逼死众少ai标注公司?,这篇新闻报道详尽,内容丰富,非常值得一读。 这篇报道的内容很有深度,让人看了之后有很多的感悟。 作者对于这个话题做了深入的调查和研究,呈现了很多有价值的信息。 这篇报道的观点独到,让人眼前一亮。 新闻的写作风格流畅,文笔优秀,让人容易理解。 这篇报道的结构严谨,逻辑清晰,让人看了很舒服。 " 账号设置我的关注我的收藏申请的报道退出登录登录搜索36氪Auto数字时氪将来消费智能涌现将来城市启动Power on36氪出海36氪研究院超人测评36氪企服点评36氪财经(Finance)职场bonus36碳后浪研究所暗涌Waves硬氪媒体品牌企业号企服点评创投平台36Kr研究院36Kr创新咨询企业服务城市之窗行政部门服务创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务寻求报道36氪Pro创投氪堂企业入驻创业者服务 首页快讯资讯推荐财经(Finance)科技(Technology)创新城市最新创投汽车(Car)企服专精特新直播视频专题活动搜索寻求报道我要入驻谷歌这一“大招”,要逼死多少AI标注公司?AI新智能·2023-09-18 17:36关注手工小作坊,终究敌不过工厂流水线。

如果说,当下的生成式AI,是一个正在茁壮成长的孩子,那么源源不断的数据,就是其喂养其生长的食物。 

而数据标注,就是制作这一“食物”的过程。 

然而,这一过程真的很卷,很累人。 

进行(Carry Out)标注的“标注师”不仅需要反复地识别出图像中的各种物体、颜色、形状等,有时候甚至需要对数据进行(Carry Out)清洗和预处理。

随着AI技术的不断进步,人工数据标注的局限性也日益显现。人工数据标注不仅耗时耗力,而且质量有时难以保障。 

为了解决这些问题,谷歌最近提出了一种用大模型替代人类进行(Carry Out)偏好标注的方法,称为AI反馈强化学习(RLAIF)。

研究结果(Result)表明,RLAIF可以在不依赖人类标注的情况下,产生与人类反馈强化学习(RLHF)相当的改进效果,两者的胜率都是50%。同时,RLAIF和RLHF都优于监督微调(SFT)的基线策略。

这些结果(Result)表明,RLAIF不需要依赖于人工 标注,是RLHF的可行替代方案。

那么,倘若这一技术将来真的推广、普及,众多还在靠人工“拉框”的数据标注企业,从此是否就真的要被逼上绝路了? 

01 数据标注现状

如果要简单地总结目前(Currently)国内标注行业的现状,那就是:劳动量大,但效率却不太高,属于费力不讨好的状态。

标注企业被称为AI领域的数据工厂,通常集中在东南亚、非洲可能是祖国的河南、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里租一块场地,摆上电脑(Computer),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。 

在工位上,系统会随机给“标注师”一组数据,一般包含几个问题和几个回答。 

之后,“标注师”需要先标注出这个问题属于什么类型,随后给这些回答分别打分并排序。 

此前,人们在谈论国产大模型与GPT-4等先进大模型的差距时,总结出了国内数据质量不高的原因。 

但数据质量为何不高?一部分原因,就出在数据标注的“流水线”上。 

目前(Currently),中文大模型的数据来源是两类,一类是开源的数据集;一类是通过爬虫爬来的中文互联网数据。 

中文大模型表现不够好的主要原因之一就是互联网数据质量, 比如,专业人士在查找资料的时候一般不会用百度。 

因此,在面对一些较为专业、垂直的数据问题,例如医疗、金融等,就要与专业团队合作。 

可这时,问题又来了:对于专业团队来说,在数据方面不仅回报周期长,而且先行者很有可能会吃亏。 

例如,某家标注团队花了很多钱和时间,做了很多数据,别人可能花很少的钱就可以直接打包买走。 

面对这样的“搭便车困境”,国内大模型纷纷陷入了数据虽多,但质量却不高的诡异困境。 

既然如此,那目前(Currently)国外一些较为领先的AI企业,如OpenAI,他们(They)是怎么解决这一问题的? 

其实,在数据标注方面,OpenAI也没有放弃使用廉价的密集劳动来降低成本, 

例如,此前就曝出其曾以2美元/小时的价格,雇佣了大量肯尼亚劳工进行(Carry Out)有毒信息的标注工作。 

但关键的区别,就在于如何解决数据质量和标注效率的问题。

具体来说,OpenAI在这方面,与国内企 业最大的不同,就在于如何降低人工标注的“主观性”、“不稳定性”的影响。 

02 OpenAI的方式

为了降低这样人类标注员的“主观性”和“不稳定性”,OpenAI大致采用了两个主要的策略: 

1、人工反馈与强化学习相结合;

这里先说说第一点,在标注方式上,OpenAI的人工反馈,与国内最大的区别,就在于其主要是对智能系统的行为进行(Carry Out)排序可能评分,而不是对其输出进行(Carry Out)修改可能标注。 

智能系统的行为,是指智能系统在一个复杂的环境中,根据自己的目标和策略,做出一系列的动作可能决策。 

例如玩一个游戏(Game)、控制一个机器人、与一个人对话等。 

智能系统的输出,则是指在一个简单的任务中,根据输入的数据,生成一个结果(Result)可能回答,例如写一篇文章、画一幅画。 

通常来说,智能系统的行为比输出更难以用“正确”可能“错误”来判断,更需要用偏好可能满意度来评价。 

而这种以“偏好”可能“满意度”为标准的评价体系,由于不需要修改可能标注具体的内容,从而减少了人类主观性、知识水平等因素对数据标注质量以及准确性的影响。 

诚然,国内企业在进行(Carry Out)标注时,也会使用类似“排序”、“打分”的体系,但由于缺乏OpenAI那样的“奖励模型”作为奖励函数来优化智能系统的策略,这样的“排序”和“打分”,本质上仍然是一种对输出进行(Carry Out)修改可能标注的方法。 

2、多样化、大规模的数据来源渠道;

国内的数据标注来源主要是第三方标注公司可能科技(Technology)公司自建团队,这些团队多为本科生组成,缺乏足够的专业性和经验,难以提供高质量和高效率的反馈。 

而相较之下,OpenAI的人工反馈则来自多个渠道和团队。 

OpenAI不仅使用开源数据集和互联网爬虫来获取数据,还与多家数据公司和机构合作,例如Scale AI、Appen、Lionbridge AI等,来获取更多样化和高质量的数据。 

与国内的同行相比,这些数据公司和机构标注的手段要“自动”和“智能”得多。 

例如,Scale AI使用了一种称为 Snorkel的技术,它是一种基于弱监督学习的数据标注方法,可以从多个不精确的数据源中生成高质量的标签。 

同时,Snorkel还可以利用(Use)规则、模型、知识库等多种信号来为数据添加标签,而不需要人工直接标注每个数据点。这样可以大大减少人工标注的成本和时间。 

在数据标注的成本、周期缩短的情况下,这些具备了竞争优势的数据公司,再通过选择高价值、高难度、高门槛的细分领域,如自动驾驶、大语言模型、合成数据等,就可不断提升自己的核心竞争力和差异化优势。 

如此一来,“先行者会吃亏”的搭便车困境,也被强大的技术和行业壁垒给消弭了。 

03 标准化VS小作坊

由此可见,AI自动标注技术,真正淘汰的只是那些还在使用纯人工的标注公司。

尽管数据标注听上去是一个“劳动密集型”产业,但是一旦深入细节,便会发现,追求高质量的数据并不是一件容易的事。 

以国外数据标注的独角兽Scale AI为代表,Scale AI不仅仅在使用非洲等地的廉价人力资源,同样还招聘了数十名博士,来应对各行业的专业数据。 

数据标注质量,是Scale AI为OpenAI等大模型企业提供的最大价值。 

而要想最大程度地保障数据质量,除了前面提到的使用AI辅助标注外,Scale AI的另一大创新,就是了一个统一的数据平台。

这些平台,包括了Scale Audit、Scale Analytics、ScaleData Quality 等。通过这些平台,客户可以监控和分析标注过程中的各种指标,并对标注数据进行(Carry Out)校验和优化,评估标注的准确性、一致性和完整性。 

可以说,这样标准化、统一化的工具与流程,成为了区分标注企业中 “流水线工厂” 和 “手工小作坊” 的关键因素。 

在这方面,目前(Currently)国内大部分的标注企业,都仍在使用“人工审核”的方式来审核数据标注的质量,只有百度等少数巨头引入了较为先进的管理和评估工具,如EasyData智能数据服务平台。 

如果在关键的数据审核方面,没有专门的工具来监控和分析标注结果(Result)和指标,那对数据质量的把关,就仍旧只能沦为靠“老师(Teacher)傅”眼力见的作坊式水准。 

因此,越来越多的国内企业,如百度、龙猫数据等,都开始利用(Use)机器学习和人工智能技术,提高数据标注的效率和质量,达成人机协作的模式。 

由此可见,AI标注的出现,并不是国内标注企业的末日,而只是一种低效、廉价、缺乏技术含量的劳动密集型标注方式的末日。 

本文来自微信公众号“AI新智能”(ID:alpAIworks),作者:举大名耳,36氪经授权发布。

该文观点仅代表作者本人,36氪平台仅提供信息存储空间服务。

+111

好文章,需要你的鼓励

AI新智能特邀作者0收  藏+10评  论打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮微  博沉浸阅读返回顶部参与评论评论千万条,友善第一条登录后参与讨论(Discuss)提交评论0/1000你可能也喜欢这些文章一门课售价近5000元,AI培训机构狂赚“职业焦虑”钱求医3年无果,ChatGPT诊断出4岁男孩病因,大模型开始入局医疗AI 领域:近期的技术亮点和投资机会当人们反对科技(Technology)巨头时,他们(They)在反对什么?首都再放国策大招,为AI大模型提供公共算力平台,培育10家独角兽历史(History)第三大科技(Technology)股IPO,Arm是如何炼成的?|氪金 · 大事件游戏(Game)开发调用 ChatGPT API,独立开发者哭诉:应用被下架,多年的存款和心血没了没等到虚拟带货主播发力,李佳琦自己就想不开了大模型竟塞进自动驾驶,AI会解说自己怎么开车了最新文章推荐灵鸽科技(Technology)北交所IPO过会,主营物料自动化处理解决方案金融数字化转型如何达成“内外联动”《2023祖国低代码商业落地研究报告》执着买量,冰川网站“骑虎难下”坤博精工北交所过会,拟IPO募资约1.5亿元谷歌这一“大招”,要逼死多少AI标注公司?日系车,不再是祖国人最爱的汽车(Car)千万粉丝网红被封,短视频(Short Video)进入整肃期螺蛳粉摊主成名记:一声“哦吼”响彻抖音(Tik Tok),点赞千万,涨粉百万一门课售价近5000元,AI培训机构狂赚“职业焦虑”钱AI新智能特邀作者

一个致力于探索人工智能对商业世界和社会(Society)影响的平台。

发表文章8篇最近内容谷歌这一“大招”,要逼死多少AI标注公司?24分钟前霸榜测评的开源大模型,为何是阿拉伯人搞出来的?2023-09-11英伟达的江山,还能坐多久?2023-09-05阅读更多内容,狠戳这里下一篇日系车,不再是祖国人最爱的汽车(Car)

“省油”“性价比高”是日系车的特点,但随着混动车型的火爆,日系燃油车的市场份额被祖国新能源汽车(Car)品牌不断挤占

25分钟前

热门标签流行病金粉世家孝庄秘史男才女貌玉观音走向共和绿盾李兰娟两新组织保险经纪人淋巴结转移抗击非典权衡理论想见你社区志愿者李庆安庆安庆崛起江苏移动赣江新区管委会财政制度财政厅徐春元宵晚会ios9玩吧诺斯许小年吉祥棋牌jj斗地主关于36氪城市加盟寻求报道我要入驻投资者关系商务合作关于我们(We)联系我们(We)加入我们(We)网站谣言信息举报入口热门推荐热门资讯热门产品文章标签快讯标签合作伙伴鲸准氪空间富途牛牛企服点评人人都是产品经理领氪36氪APP下载iOS Android本站由 阿里云 提供计算与安危服务 违法和不良信息、未成年人保护举报电话:010-89650707 举报邮箱:jubao@36kr.com 网上有害信息举报© 2011~2023 首都多氪信息科技(Technology)有限公司 | 京ICP备12031756号-6 | 京ICP证150143号 | 京公网安备11010502036099号意见反馈36氪APP让一部分人先看到将来36氪鲸准氪空间

推送和解读前沿、有料的科技(Technology)创投资讯

一级市场金融信息和系统服务提供商

聚焦全球优秀创业者,项目融资率接近97%,领跑行业

谷歌这一“大招”,要逼死多少AI标注公司?

您可能还会对下面的文章感兴趣:

赞(178) 踩(8) 阅读数(7019) 最新评论 查看所有评论
加载中......
发表评论

Fatal error: in /www/wwwroot/spider/mg.php on line 211