随着人工智能迅猛发展，高质量训练数据短缺逐渐成为制约行业进步的一大瓶颈，而数据标注产业可为人工智能创新发展提供强大动力。国家发展改革委、国家数据局、财政部、人力资源和社会保障部四部门日前联合印发的《关于促进数据标注产业高质量发展的实施意见》(以下简称《实施意见》)，提出到2027年的发展目标：数据标注产业专业化、智能化及科技创新能力显著提升，产业规模大幅跃升，年均复合增长率超过20%。


67a20199af8f8.jpg



　　我国数据标注产业现状如何?数据标注产业高质量发展还需要跨过哪些“门槛”?针对这些问题，科技日报记者进行了采访。

　　原始数据变为可用资源

　　“通俗地说，训练人工智能大模型的过程就像老师教学生识字。”华南理工大学计算机科学与工程学院副院长张通形象地解释道，数据标注就是给数据“贴标签”或者“做记号”，需要专业人员向大模型阐释各个数据的标签及需执行的相应任务。他们“教导”大模型参与训练的数据是什么，给图像、语音、文本等各种数据“贴标签”。高质量的数据标注，有助于机器精准理解、快速学习、高效训练，显著提升大模型的准确性和泛化能力。

　　在训练ChatGPT时，美国开放人工智能研究中心(OpenAI)就投入了大量资源用于数据标注。为确保标注任务高质量完成，使ChatGPT能更好地理解人类指令，保障大模型的准确性与可靠性，OpenAI聘请了众多“老师”。这些“老师”涵盖一般数据标注人员和专业人士，还包括博士级别的专家。

　　数据标注是人工智能发展的核心基石之一。“数据标注产业是对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理的新兴产业，其核心任务是对原始数据进行加工，使之成为可用于训练人工智能大模型的优质原料。”张通介绍，数据标注作为训练大模型至关重要的一环，直接影响机器学习模型的性能，对支撑人工智能能力水平提升有重要作用。

　　在张通看来，未经处理的原始数据只是潜在资源，而经过标注处理后沉淀的数据，才能在市场上进行有效交易和流通，从而充分释放数据要素价值。培育壮大数据标注产业，对于提升数据供给质量、推动人工智能创新发展不可或缺。

　　业内人士认为，随着人工智能技术不断成熟、应用领域持续拓展，数据标注行业将迎来更广阔市场空间，尤其是在低空经济、智慧城市、自动驾驶、智慧医疗等新兴科技领域展现出巨大潜力。