首页专业知识我在大厂训练AI：用鼠标拉框，一次赚3分钱

我在大厂训练AI：用鼠标拉框，一次赚3分钱

来源：晰数塔互联网快讯时间：2021年05月06日 10:21

编者按：本文来自微信公众号“刺猬公社”（ID:ciweigongshe），36氪经授权发布。

作者 | 刘鑫

编辑 | 园长

完全就是民工了，这不是调侃。

刺猬公社（ID：ciweigongshe）和何信通话的时候，他正在做数据标注的工作。

电脑屏上的图片里，三三两两的人在操场上，或是在跳绳，或是在围观。何信要做的是用鼠标将正在跳绳的人框出来。“说出来你可能都不相信，就是画这一个框。”何信解释道，“好比你现在打开电脑，然后摁住鼠标右键拉一下，在桌面上就是一个框就是3分钱。”

何信在做数据标注工作，何信供图

何信做数据标注的工作有一年多，他自己成立了一个创业小团队，团队里有十几个人。他们的项目涉及百度、网易、阿里等互联网大厂，他也做细致的“打点”工作，类似一个鞋的边框打点一周，二十几个点，挣一到两角钱。

“阿里众包、京东微工、百度众测、有道众包……”市面上这样的产品有很多，利用碎片化时间获得收入、操作简单无门槛是它们最主要的卖点。这类互联网大厂推出兼职平台，主要以众包的形式给用户分配任务，用户通过完成任务来获得报酬。但相较这些大厂的知名产品而言，兼职平台们的下载量并不高。

刺猬公社查询产品下载量统计平台七麦数据后发现，AppStore中阿里众包、腾讯搜活帮、京东微工、百度众包等四款产品，近30日日均下载量未超过2000。

图源：七麦数据查询时间：2021年4月27日

从产品数据上看，互联网大厂的兼职App只能说不温不火。在灵活用工、兼职经济高度发展的当下，这类兼职App为什么没做起来？都是谁在做这份工作？

收益太少，羊毛难薅

互联网大厂出品的兼职APP中，运作流程是：平台发布任务，用户领取任务验收后获得收益。综合各平台来看，主要有数据标注、数据采集、数据转写工作。细分到具体领域，又分为文本、图片、语音、视频等部分的信息处理。任务的价格一般在0.1元到几十元不等。

在腾讯搜活帮里，李元接了十几单任务，赚了不到两块钱。

放弃倒不是因为钱少，而是因为这份工作过于机械化，重复性劳动让李元很不适应。他大学读的是电子信息工程专业，毕业后工作也比较清闲。出于赚钱和打发时间的目的，李元下载了这款众包类型的软件。

众包，通俗来讲，就是从大众那里寻找资源。它本意是指一个公司或机构把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的（而且通常是大型的）大众志愿者的做法。

以京东微工的数据标注为例，在最新一期的任务里要求对文本进行情感判断，根据自己的认知选择文本是正向、中性还是负面。该结算两分一条，以10条为结算单位，要求正确率100%。

图源：京东微工

数据采集一般为音频、图片、视频方面的采集，周舟热衷于做数字采集方面的工作，2019年高中毕业后，他开始尝试这方面的兼职工作。两年的时间，他陆陆续续赚了3000多。“我也没有天天去看，阿里众包在年终、年初、年底的任务很多。”

在每个任务里，都有明确的要求，周舟认为这样很明确，可以很快地分辨哪些好做哪些不好做。

图源：阿里众包

相比于数据标注、采集方面的工作，数据转写的门槛稍微高些。所谓的数据转写，主要是各种语言转译工作，比如，在有道众包的少儿英语段音频转写里，要求口误重复、语法错误等如实转写，这对于答题者的英语水平要求不低。

图源：有道众包

为了确保用户所提交产品的质量，除了在提交内容上有所要求，在用户提交前也有所培训。在腾讯搜活帮里需要首先进行考试，考试通过后方能进行答题。周舟曾经做过这类型的考题，做完20道题，正确11道，他得出了结论——裸考必挂。

李元参加这种考试，也没有一次就过的情况，“这种题目需要耐心和比较细腻的语感，而我是那种粗枝大叶的人，而且多次失败之后带来的挫败感太糟糕了。”

图源：腾讯搜活帮

等平台发任务——做任务——等平台审核是这类众包软件使用的常规流程，而在这些流程里有任何一个环节脱节，都会带来不好的用户体验。

下载软件发现无任务可做，做任务时发现门槛过高，任务完成发现审核太久，审核后发现正确率不合格……在这条任务链里，用户会遭遇各样的问题，有网友在五个任务都审核失败后发文称“费力不讨好。”

部分平台审核不合格后，价格会打折扣。但还是有人赚到钱了，在有道众包的3月酬劳排行榜上，第一名酬劳1945.99元。周舟对于自己两年多攒的3000多元表示满意，“因为目前还是在校生，没有工作。”

“一小时10元吧。”何信评估了一下做众包工作的平均报酬。

用户下沉，也在内卷

兼职众包的平台用户，有一种团队化的趋势。

就目前市面上的众包产品来看，任务很多是不定期推送的，新用户注册后平台上有可能面临无任务可领的情况，而相较于加公会做团队而言，普通用户赚的钱是很少的。

而这份工作的主力，互联网巨头们可能也并没有瞄准客户端的普通用户。据何信了解，向他这样做团队接项目的同行有不少，在平台活跃着的也有很大部分是像他们这样的团队。

相比于单独个人当兼职做，团队化容易的多。价格在近些年也有了不小的变化，以前价格很贵，现在的价格越来越低，由此带来用户的不断往下沉淀。何信表示用户下沉是要找便宜的劳动力。

2016左右，那时候做数据标注的人还不是很多，何信说那时候价格是目前两到三倍，画一个框大概七八分钱。

“以前做的人少就挣钱，现在做的人多了就不值钱了，就这个意思。”兼职众包的用户们，也在不可避免地遭遇内卷。

在何信团队里，一个成熟的员工一小时能画600个框，按照一个框3分的标准，能赚18元。“但是这个价格是我完全不赚钱。”何信说。而3分的价格在面向用户的平台里很少出现，在用户平台端三分的价格算是很高的。何信找的熟人介绍做项目，一般接一个项目几千上万的量，然后做上一个月。

这个行业流动性很大，重复性劳动和越来越低的价格让很多人止步于此。何信的团队不算大，上个月还是五六个人。来的员工一般都是学生，兼职在做这份工作。五六个兼职的同学才能留下一个，何信对自己团队流动习以为常。

“一开始不熟悉业务，做不了那么快，几乎就赚不了什么钱，完全看自己做的数量。”何信解释团队流动大的原因。

除了数据标注，何信的团队也做过涉及语音转义、数据采集等方面的工作，两三岁孩童的语音、粤语、陕西话的转义他们都做过。语音转义一般来说三分钟能给到七块左右，数据采集工作相对来说赚的更多，但过于费时费力，这块业务也慢慢搁下了。

“车道线、车、人脸，人体……”何信做的数据标注类目有很多，但都是二维的。数据标注的同行们有的在做三维标注，这样的工作日薪能达300元左右。

图源：百度众测

但这样的薪资并不是普遍化的，简单重复性的二维图片数据标注工作薪资并没那么可观。

小作坊的出现，是数据标注团队的一个大趋势。何信对于这份工作的人有大概的画像。在城乡结合部，或者乡村小作坊，有那么一批人，二三十岁，学历不是很高，就在县城做这样的工作。而很多人也有投资这种数据小作坊的打算。

“我就形容它是网络时代的那种手工作坊。”何信对这种城乡结合部的小作坊下了一个定义。

“网络时代的民工？”

“完全就是民工了，这不是调侃。”

互联网大厂，为什么需要人兼职训练AI

“训练AI啊。”

何信很明确的知道自己所做的工作，电子信息工程专业的李元也知道这份工作的意义，“平台给你提供的题目相当于是一个训练的样本。所有你做的题目就是AI的训练集，它会通过人类的这种思维判断去训练AI。”

“能知道的只有他（平台）告诉我的。具体数据去哪了，用于什么了，没有去深究。”周舟只知道平台告知的信息，在阿里众包的一个任务中显示，您接受的任务中涉及对个人信息的收集，任务发布者承诺在此任务中收集到的个人信息将会用于“算法训练——牙齿病种识别”的目的，并仅限于任务发布者使用，并不向任何第三方转让、共享以及披露，匿名化或去标识化的除外。

图源：阿里众包

“我们要教机器认识一个苹果，你直接给它一张苹果的图片，它是完全不知道这是个什么东西的，需要现有苹果的图片，上面标注着“苹果”两个字，然后机器通过学习了大量的这类图片，才能认识苹果，其中将图片表示为“苹果”的工作就是数据标注。”

腾讯搜活帮用上述例子，说明了数据标注的意义。数据标注员的工作就是在教机器学习。

人工智能包含着机器学习，而监督学习是机器学习的一种训练方式，通俗来讲，是要给机器一种标准答案来不断进行训练，以此来达到人类一些识别认知的能力，这也是深度学习的一个目标。深度学习的成功所依赖的既不是算法，也不是计算能力，而是训练和验证数据的可用性，这些数据最终是通过人的参与获得的。

这是一个非常重复性的劳动，因为机器学习需要大量的样本，大量的样本是由无数重复性劳动所造就的。

而这种重复性劳动在很早之前就有了。2003年，一款“ESP游戏”就用了这种劳动，它的目的是通过互联网上人们的自由参与来获得描述图像的标签。在一个游戏中，两个玩家在屏幕上看到相同的图像，并被提示输入描述该图像的关键字。他们看不到对方正在键入什么，但如果两人输入相同的关键字足够快（“匹配”），他们就会得到分数。实际上，这些关键字可以用作图像的精确标签。“ESP游戏”后来被谷歌收购，被称为谷歌图像标签。

不止人工的重复性劳动，验证码也是训练机器的一种方式。验证码本身是在人机交互中构建，以验证用户实际上是“人工用户”的工具。reCAPTCHA公司扩展了这一原则，将人类用户的反应重新用作工业深度学习项目的培训数据。为此，用户需要解决一个小任务，如图像识别或文本识别，这对人类来说是一个低的障碍，但对计算机机器人来说是一个高的障碍。而reCAPTCHA也被谷歌收购了。

科技自媒体“品玩”曾报道过类似的现象，验证码越来越有内容，比如标注门牌路牌，让用户帮分类数据库等。“品玩”也指出在 reCAPTCHA 官网上，Google 公开说明了 reCAPTCHA 集众人之力标注数据，训练 AI 的“众包”模式。

网络中识别图片的验证码

捕获人类的认知的方式已经不再局限于众包中的重复性劳动，将人类的认知嵌入到计算机网络中，让人和机器的关系更加密切，而这种隐性的认知捕获在互联网的各个角落都在发生着。

在重复性劳动不断减少的当下，何信准备谋求新的出路。他的同行朋友们已经开始在做简单的数据AI，让简单型的数据标注工作交给机器来操作。

用机器做出来的训练集来训练机器，是一个有意思的事情。

在城乡结合部，一批二三十岁的人正在批量生产着AI训练集，重复是他们工作的常态。也正是因为如此，工作枯燥、报酬微薄，充斥着“训练AI”任务的众包兼职平台相当乏味，劝退了不少被兼职平台大厂背景所吸引的用户。

而随着AI和机器的不断自我训练和进化，AI训练AI就在不远的未来，这类平台的未来可能性将会更小。

备注：以上何信、李元、周舟均为化名

参考资料：

《Human-aided artificial intelligence: Or, how to run large computations in human brains? Toward a media sociology of machine learning》，Rainer Mühlhoff