在大部分人看來，人工智能是個有些「科幻」的詞匯，代表小說電影中和人類長相相似、或溫柔或冷酷的機器人。

稍微熟悉一點，這份印象又變成冷冰冰的 GPU 陣列、復雜多層的神經網絡和一大串佶屈聱牙的專有名詞。能接觸它們的除了工程師，就是科學家。

也許這份印象需要再度刷新一次——人工智能，真的需要不少「人工」。

秦嬌今年剛滿 30 歲，幾個月前剛剛從呼叫中心跳槽到一家「數據加工」公司。雖然跨了行業，她并不覺得兩份工作有什么不同，都是按照甲方的要求和己方的工作節奏，把人手安排到一個又一個項目中去。

公司剛成立不到一年，眼下業務大多是標注數據，即根據項目方要求，人工為圖片、視頻和語音內容打標簽、做標記。標注好的數據會被人工智能公司用來訓練算法模型，然后應用到圖像識別、語音識別等不同領域。

通常來說，數據標注得越準確、數量越多，模型的效果就越好。自然，產品的效果就會更好。

一旦要求質量，每個人的產出量就不會太多。熟練者平均一天可以標注 40 張圖片，前提是只需要為圖片中的物體打框、標注類別和前后關系。如果涉及到刻畫建筑物邊緣等復雜細節，一天標注 10 張已是極限。但需要處理的數據訂單往往以「萬」為單位。最新的需求是 6 萬張圖片，7 天內完成。理論上這個訂單需要 214 個人共同工作 7 天，秦嬌手頭只有不到 100 個人，其中一部分還要完成其它項目。幾次秦嬌都對著電話那頭擺出不耐煩的神情，「你跟他說，要我去死好不好」。

與擁有 1,500 萬張標注圖片的數據集 ImageNet 相比，只有 6 萬張圖片的項目顯得十分渺小。不過大部分人可能很難想象，是來自 167 個國家的 48,940 名工作者，花費了 2 年時間，清理、分類、標記了近十億張通過互聯網搜集到的圖片，才得到這個有 1,500 萬張圖片的數據集。其所耗費的時間與人力，遠非一般項目可比。

數據龐大又開源，ImageNet 很快成為成為研究圖像識別的首選。不論 Andrew Ng（吳恩達）還是 Jeff Dean，涉足這一領域研究者都使用過 ImageNet。但 ImageNet 有自己的弱點，標注框太大、標注方式少和不時出現的錯誤，使它難以被用來訓練實際應用的算法模型。

人工智能公司們必須想盡辦法，積累符合自身應用方向，標注得更細致、更準確的數據。在初創公司招聘工程師的需求中，「有收集標注數據的能力」有時也會被寫進其中。某種程度上，高質量的標注數據決定了一家人工智能公司競爭力。

盡管互聯網的確催生了浩如煙海的內容，但標注這件需要耐心和專注的「小事」，暫且還要靠人的幫忙。