第289章 高阶博弈:话语权之争（1/5）

所谓的数据标注员是一种新兴职业。

前世，随着大数据以及人工智能时代的到来，为了应对数据标注的工作在互联网上出现了一种新型职业——数据标注员。

数据标注员的工作是使用相应的工具从互联网上抓取、收集数据，包括文本、图片、语音等等。

然后对抓取的数据进行整理与标注。

这些数据标注员工具体的工作流程一般很明确：

首先，标注人员经过培训，确定需要标注的样本数据以及标注规则；

而后，根据事先安排好的规则对样本数据进行打标；

其次，对标注完以后的结果进行合并。

而算法数据标注员稍稍有别于一般的数据标注员。

相比于一般的数据标注猿，算法数据标注猿往往在完成以上的步骤之后。

还要通过标注的数据喂模型进而调试模型。

尽管工作流程只是多了这一步，但专业的算法数据标注员依旧是凤毛麟角。

从先前罗列的任务也可以看出算法数据标注员的任务不仅仅是数据标注。

往往还需要根据标注的数据进一步评估算法模型。

如此一来很多时候对书记标注员的要求是这些人不光要进行数据标注。

还得懂相应的算法。

同时满足这两个条件的人很多时候完全是凤毛麟角。

正因为这种专业标注的人员很少。

往往专家级标注只能够胜任小量级的数据。

对于大规模数据标记和超大规模数据的标记任务想要依靠专家标记很多时候只能是力不从心。

对于大规模数据标记和超大规模数据标记往往只能寻求众包了。

众包模式是将零散的个人(包括兼职)、小标注团队，整合到平台上，完成一个完整项目的服务模式。

这种模式的主要优势成本很低，且比较灵活。

尽管前世机器学习长期所致力于的工作就是能够以众包数据或者干脆是无标数据取代专家标注。

但真要问专家标注和众包数据哪个受欢迎。

那自然是前者。

这种情况下夸大标注数据中专家标注所占的比例很容易收获到更高的溢价。

听起来似乎很奸商。

但也仅仅只是听起来而已。

如果林灰所大肆赞美的标注数据和现在的专家标注水平真的区别很大的话。

那林灰吹破大天也没用。

毕竟打铁