初次宇宙数据责任会议于4月1日到2日在北京召开。国度数据局方面最新显现,接下来,将开展数据标注基地试点。
会上明确,探索树立国度级数据标注基地,充分进展场地配套撑抓作用,在数据标注产业的生态构建、才能莳植和场景应用等方面先行先试,会聚龙头企业,促进区域东说念主工智能产业生态发展。另外,国度数据局将开展久了数字经济革新发展考研区、数据因素概括考研区、数据基础轨制试点、数据资源征战应用试点、数据基础样式树立试点等一系列试点考研责任。
数据标注,即对文本、图像、语音、视频恭候标注数据进行归类、整理、裁剪、纠错、标记和批注等操作。
在现时的东说念主工智能大模子期间,数据的质地会影响大模子的“才略”。非结构化或半结构化的数据,必须过程上述清洗与标注处理,才能造成机器可通晓、可学习的数据。因此数据标注是构建东说念主工智能模子的数据准备和预处理责任中不成或缺的一环。
以对象当作分类尺度,数据标注不错分为图像标注、语音标注、文本标注以及视频标注。
图源:中泰证券
凭据Grand View Research的呈报夸耀,2022年大流派据辘集和标注阛阓范畴为22.2亿好意思元,预测从2023年到2030年将以28.9%的复合年增长率增长。2022年大流派据标注科罚决策和服务阛阓范畴为118.3亿好意思元,预测从2023年到2030年的复合年增长率为21.3%。
当今该行业主要的玩家均为外洋公司,包括:ScaleAI、Appen、CloudFactory、LightTag、Alegion等。国内,股票配海天瑞声对标Scale.AI,其数据标注业务当今主要服务于自动驾驶,已上线第三代自动驾驶标注平台,数据标注遵循莳植高达8倍。
值得注释的是,跟着大模子的海量教师数据催生出庞杂的数据标注需求,数据标注也将催生新的责任契机。OpenAI、谷歌、Meta和微软的东说念主工智能恶果背后,就有大量肯尼亚、乌干达和印度的数据标注师在责任。
国内已催生数据标注师这一事业——百度在宇宙与各地政府互助,共建了十多个数据标注基地,其中,位于海口市秀英区的百度智能云(海口)东说念主工智能基础数据产业基地为国内首个大模子数据标注中心。
《科创板日报》记者曾在旧年探访此地。据了解,海口标注基地的数百名数据标注师,学通书科率达到100%,招聘专科包括新闻系、华文系等。传统模子标注东说念主员学历则广大在中专及以上。在入职的前两个月,数据标注师需要进行集体培训和观察,通过观察后才能贯注上岗,薪酬结算样式是计件制、多劳多得。该基地在昔日三到五年,新增作事有望打破5000东说念主范畴。