数据标注 | 新媒体前沿60

扫码加入21新传考研群

什么是数据标注（data labeling）

数据标注（data labeling）是通过数据加工人员借助一些标记工具，对人工智能学习数据进行加工的一种行为。通常数据标注的类型包括：图像标注、语音标注、文本标注、视频标注等种类。标记的基本形式有：标注画框、3D画框、文本转录、图像打点、目标物体轮廓线等。

深度学习的关键在于大量的数据训练，数据训练之前，必须对这些数据进行明确的标注。例如，机器需要识别汽车，就必须提供大量有关汽车的数据来进行学习，数据量足够大时，机器就可以识别出任何角度的汽车。

数据标注：有关数字劳工与外包行业

虽然说数据标注更贴近计算机科学、信息技术等领域，但是这一社会行为、社会工作出现所带来的社会现象更值得我们深思。在人工智能的发展过程中，“有多少人工，才能有多少智能”。具体来讲，机器学习需要进行大量数据收集、整理、标注的“喂养”工作。而这些被人工处理过的数据会被应用到自动驾驶、AI安防、智能身份认证等新兴应用领域，由此数据标注员的工种应运而生。

事实上，目前的人工智能还属于“弱智”阶段，AI行业依赖于大量廉价的人类劳动，算法和“机器学习”在很多情况下都是由真人训练。2018年《纽约时报》曾报道：“数据标注正在成为中国最新的劳动密集型行业”，广泛分布在中国的河南、河北、贵州等人口大省。网上甚至出现“你在故宫修文物，我在贵州做标注”的段子，数据标注成为贵阳这个“大数据之城”的名片之一。

而数据标注这个具象微观的工种，同时也是人工智能和移动互联网下外包行业发展的一个缩影。正如卡斯特所认为的那样，信息技术革命给人们劳动带来的变化不是职业位置的减少，而是工作方式的变化。技术确实深刻地转化了工作的性质以及生产的组织。公司与组织的再结构化乃由信息技术所促成，并且受到全球性竞争的刺激，出现了工作的根本转变：劳动过程劳动的个体化。

数据标注就是卡斯特的预言在当今时代最好的表征。

正如公众号“甲子光年”在《“数据折叠”：今天，那些人工智能背后“标数据的人”正在回家》所描述的那样：

两代人的命运在此重叠。

农民工一砖一瓦垒起了实体城市的高楼；数据标注者一框一线搭建起了算法的智能。前者是城市的边缘者，高楼起来了，他们仍是边缘者；后者是科技世界的边缘者，机器变聪明了，他们还是边缘者。

中国有五千多万的农民工以建筑为生，到了五六十岁还在工地上忙碌。

数字标注也将成为新生代农民工的聚集地。

同样地，人类学学者项飚也在《全球猎身》中提到，接受外包的劳动者往往饱受低薪、高强度工作压力、不稳定的雇佣关系、僵化的管理体制、冷漠的工作环境以及无处不在的电子监控等问题的“折磨”。随着技术的进步，那些“低技能”的工作者将会失业。当人工智能发展越来越高级，这些为AI打工的人又该何去何从呢？

除此之外，站在企业和社会角度，数据标注在隐私和质量控制问题也面临着隐患。比如一些医学图像需要保密，而大量外包和弹性雇佣制度下的零工无法保证数据不被外流，数据保密非常困难。对于有标注需求的公司来说，倘若在众包环节众包公司处理不当，很有可能AI公司辛苦获取的数据就成了他人的嫁衣。

以上，是关于数据标注这一新的社会行为的一些浅谈，除了信息社会下的劳动形式，数字劳工的权益保障，外包行业的出现，乃至大的行业格局变化，有很多还值得我们去思考的。希望本文能起到抛砖引玉的效果，供大家得到一些启发与思考。

• 近年真题

名词解释：数据标注（2020北大-653传播学综合）

参考文献

曼纽尔·卡斯特《网络社会的崛起》

项飚《全球猎身》

甲子光年：《“数据折叠”：今天，那些人工智能背后“标数据的人”正在回家》

大家有任何问题，可在文后留言区留言，胡师姐为你解答。

📖

更多你想知道的经验帖

 北大 

北大新传状元：

北大新传：

在职考北大：

北大新媒体状元：

北大传播学学硕前三：

北大汇丰深财专硕：

北大健康传播专硕：

北大新闻学状元：

北大MFA状元：

北大保研：

北大考博：

 北师大  

 人大  

 清华  

清华考研：

19清华国新拟录取：沉淀一年后，我拿到了清华国新和国社的双料offer
清华保研：新传保研推免同时拿到北大、清华、人大三院四校多个offer！我最终选择了清华！

 其他院校  

 复试经验帖 

北大复试：

北大新传复试：

北大新传MJC专硕复试成绩92+，北大新传面试想拿高分原来需要这样做……
倒数第二进复试，逆袭25名考上北大新传！复试表现你不得不服！初试排名30+，复试逆袭一战北大新传成功上岸！这是我惊心动魄的复试现场！

北大新媒体复试：

北大传播学学硕复试：

北大健康传播专硕复试：

健康传播复试必知的7个问题

北师大复试：

人大复试：

 致21级的你