我在大厂训练AI:用鼠标拉框,一次赚3分钱

1 评论 3464 浏览 4 收藏 19 分钟

编辑导语:用机器做出来的训练集来训练机器,是一个有意思的事情。不少兼职平台的人在批量生产着AI训练集,重复是他们工作的常态。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。

我们和何信通话的时候,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。”

我在大厂训练AI:用鼠标拉框,一次赚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。

我们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。

我在大厂训练AI:用鼠标拉框,一次赚3分钱

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?

一、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%。

我在大厂训练AI:用鼠标拉框,一次赚3分钱

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。

我在大厂训练AI:用鼠标拉框,一次赚3分钱

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。

我在大厂训练AI:用鼠标拉框,一次赚3分钱

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。”

我在大厂训练AI:用鼠标拉框,一次赚3分钱

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。

二、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。

我在大厂训练AI:用鼠标拉框,一次赚3分钱

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。”

三、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。

我在大厂训练AI:用鼠标拉框,一次赚3分钱

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。
我在大厂训练AI:用鼠标拉框,一次赚3分钱

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

作者:刘鑫,编辑:园长;公众号:刺猬公社(ID:ciweigongshe)

原文链接:https://mp.weixin.qq.com/s/WzBGk2TMEQp69yJtMG8wQA

本文由 @刺猬公社 授权发布于人人都是产品经理,未经许可,禁止转载

题图来自 unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 这钱太少了,有这时间我还不如多谈两个项目,多设计一个产品。况且这里面还有泄露个人隐私的可能。

    来自重庆 回复