百度智能云：國內(nèi)首個大模型數(shù)據(jù)標(biāo)注基地，標(biāo)注師100%本科學(xué)歷

本文作者：黃楠

2023-08-25 15:34

導(dǎo)語：數(shù)據(jù)迭代不止是數(shù)量、質(zhì)量和類型的較量，數(shù)據(jù)標(biāo)注也是核心競爭力。

數(shù)據(jù)是大模型“智能涌現(xiàn)”不可或缺的原材料，它在今天展現(xiàn)出強大的能力，得益于背后的海量數(shù)據(jù)、蘊含了豐富的“人類”知識和智能，通過大模型技術(shù)將其提煉出來，用神經(jīng)網(wǎng)絡(luò)去表達(dá)復(fù)雜數(shù)據(jù)的背后規(guī)律。

當(dāng)前，大模型正處在產(chǎn)業(yè)落地前期，高質(zhì)量的數(shù)據(jù)，是大模型實現(xiàn)產(chǎn)業(yè)化的關(guān)鍵要素。多位業(yè)內(nèi)人士都曾向雷峰網(wǎng)表達(dá)了類似的觀點，認(rèn)為模型性能所取得的階段性突破，最重要的離不開數(shù)據(jù)質(zhì)量的提升，模型的訓(xùn)練語料在一定程度上會影響 AIGC 應(yīng)用、微調(diào)后模型等內(nèi)容生成的合規(guī)、安全以及價值觀等問題。

對于以 ChatGPT、文心一言為代表的生成式 AI，海量的數(shù)據(jù)訓(xùn)練、人工標(biāo)注、指令微調(diào)、基于人類反饋的強化學(xué)習(xí)（RLHF），可以讓大模型與人類價值觀、思維方式不斷對齊，使大模型更加可用。

為此，百度智能云升級了大模型數(shù)據(jù)服務(wù)能力，與海口市政府合作共建的國內(nèi)首個大模型數(shù)據(jù)標(biāo)注中心，該基地已于近日正式啟動運營，未來會為各行各業(yè)提供大模型數(shù)據(jù)服務(wù)。

這是百度智能云推動大模型產(chǎn)業(yè)落地的又一重要布局。

百度智能云方面表示，目前已經(jīng)在全國與各地政府合作，共建了十多個數(shù)據(jù)標(biāo)注基地，累計為當(dāng)?shù)靥峁┏^ 1.1 萬個穩(wěn)定就業(yè)崗位，間接帶動 5 萬人就業(yè)。

百度智能云：國內(nèi)首個大模型數(shù)據(jù)標(biāo)注基地，標(biāo)注師100%本科學(xué)歷

百度智能云海口人工智能基礎(chǔ)數(shù)據(jù)產(chǎn)業(yè)基地

國內(nèi)首個大模型數(shù)據(jù)標(biāo)注基地

走進(jìn)海口數(shù)據(jù)標(biāo)注基地，數(shù)百名大模型標(biāo)注師正全神貫注地盯著電腦屏幕，使用數(shù)據(jù)標(biāo)注平臺熟練地對大模型生成的內(nèi)容數(shù)據(jù)進(jìn)行打分、排序。

一個客觀事實是，大模型當(dāng)前在內(nèi)容生成的穩(wěn)定性方面還存在難點，例如嘗試使用 AI 寫稿的用戶就遇到過類似的問題——如果 AI 在某些關(guān)鍵信息點“一本正經(jīng)地胡說八道”，而自己沒有發(fā)現(xiàn)，最后就會造成嚴(yán)重的事故。

數(shù)據(jù)標(biāo)注正是為了解決這些問題。

通過對大模型生成的內(nèi)容進(jìn)行評價、反饋給到模型，這些人工標(biāo)注的數(shù)據(jù)可以讓更好地學(xué)習(xí)人類的思維方式，從而變得更加聰明。

百度智能云：國內(nèi)首個大模型數(shù)據(jù)標(biāo)注基地，標(biāo)注師100%本科學(xué)歷

百度智能云海口人工智能基礎(chǔ)數(shù)據(jù)產(chǎn)業(yè)基地作業(yè)區(qū)

百度智能云數(shù)據(jù)標(biāo)注基地業(yè)務(wù)產(chǎn)品負(fù)責(zé)人胡馳表示，為提高數(shù)據(jù)標(biāo)注的質(zhì)量和效率，百度智能云自主研發(fā)了業(yè)內(nèi)領(lǐng)先的大模型數(shù)據(jù)標(biāo)注平臺，支持從大模型微調(diào)、強化學(xué)習(xí)到模型評估的數(shù)據(jù)生產(chǎn)閉環(huán)。

在百度智能云數(shù)據(jù)標(biāo)注平臺上，經(jīng)過前兩至三輪的大模型生成內(nèi)容篩選，得出 5 個更符合人類邏輯、貼近人類需求的答案，數(shù)據(jù)標(biāo)注師會根據(jù)一套特定的評分規(guī)則，對這 5 個問題進(jìn)行判斷和評分，再返回給到模型對優(yōu)質(zhì)回答進(jìn)行再次學(xué)習(xí)。

通過結(jié)合平臺獨有的人機協(xié)同標(biāo)注、多輪智能審核等智能化工具，可大幅提升數(shù)據(jù)標(biāo)注的產(chǎn)能和質(zhì)量，同時幫助企業(yè)實現(xiàn)降本增效。

百度智能云：國內(nèi)首個大模型數(shù)據(jù)標(biāo)注基地，標(biāo)注師100%本科學(xué)歷

拍攝于百度智能云海口基地

隨著 AI 商業(yè)化落地進(jìn)程加快以及應(yīng)用場景不斷拓展，市場對海量、優(yōu)質(zhì)數(shù)據(jù)的需求持續(xù)增加。但在這些數(shù)據(jù)中，80% 都是以文件形式存在的非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)，必須經(jīng)過清洗與標(biāo)注處理才能被機器識別和學(xué)習(xí)，才能真正喚醒其價值。

數(shù)據(jù)標(biāo)注服務(wù)是人工智能基礎(chǔ)數(shù)據(jù)服務(wù)的核心環(huán)節(jié)，是機器感知現(xiàn)實世界的起點。

借助特定軟件工具，數(shù)據(jù)標(biāo)注師將未經(jīng)處理的語音、圖片、文本、視頻等數(shù)據(jù)打上特征標(biāo)簽，轉(zhuǎn)變成機器可識別的信息，使機器通過大量學(xué)習(xí)這些數(shù)據(jù)具備自主識別的能力，從而化“人工”為“智能”。數(shù)據(jù)標(biāo)注服務(wù)是算法模型正常運行的重要保障，其精度更是決定人工智能產(chǎn)業(yè)發(fā)展速度的關(guān)鍵因素，對人工智能產(chǎn)業(yè)技術(shù)層和應(yīng)用層起到了牢基固本的支撐作用。

數(shù)百名標(biāo)注師、100%本科學(xué)歷

為保障數(shù)據(jù)標(biāo)注質(zhì)量，百度智能云搭建了全流程數(shù)據(jù)服務(wù)人才梯隊。海口數(shù)據(jù)標(biāo)注基地現(xiàn)擁有數(shù)百名專職大模型數(shù)據(jù)標(biāo)注師，標(biāo)注師的本科率達(dá)到100%。

百度智能云大模型數(shù)據(jù)標(biāo)注師王潔玉介紹，“和傳統(tǒng)的數(shù)據(jù)標(biāo)注師要求不同，大模型標(biāo)注師都需要本科以上學(xué)歷，我覺得主要是因為大模型數(shù)據(jù)涉及的知識面很廣，評判標(biāo)準(zhǔn)復(fù)雜，非常考驗標(biāo)注師的語言理解能力和邏輯推理能力。在入職的前兩個月，公司會對我們進(jìn)行集體培訓(xùn)和考核，通過考核后才能正式上崗。”

據(jù)了解，百度智能云沉淀了多領(lǐng)域?qū)＜屹Y源，針對來自不同行業(yè)的數(shù)據(jù)服務(wù)需求，百度智能云可快速搭建專家團(tuán)隊，對特定領(lǐng)域的任務(wù)提供監(jiān)督微調(diào)和強化訓(xùn)練數(shù)據(jù)，保證數(shù)據(jù)交付質(zhì)量，目前已覆蓋計算機、法律、醫(yī)療等領(lǐng)域。

此外，百度智能云還組建了專業(yè)的數(shù)據(jù)咨詢團(tuán)隊，從前期的數(shù)據(jù)收集、數(shù)據(jù)清洗，再到數(shù)據(jù)管理、數(shù)據(jù)回流，可為企業(yè)提供全流程的咨詢服務(wù)，幫助企業(yè)在智能化轉(zhuǎn)型過程中少走彎路。

數(shù)據(jù)安全始終是重中之重。胡馳表示，百度智能云不僅可提供高安全性的端到端數(shù)據(jù)服務(wù)，標(biāo)注平臺還支持私有部署，通過與基地資源聯(lián)動，為客戶提供多樣化的數(shù)據(jù)安全方案。

“大模型標(biāo)注基地重點要評估三大指標(biāo)：高效標(biāo)注工具、高端人才梯隊、高級別數(shù)據(jù)安全，只有三管齊下，才能為大模型提供好的數(shù)據(jù)。”胡馳說。

值得一提的是，隨著百度智能云海口數(shù)據(jù)標(biāo)注基地在海口的正式落成，既為企業(yè)擁抱大模型提供領(lǐng)先的數(shù)據(jù)服務(wù)，同時也為區(qū)域帶來社會效益、經(jīng)濟效益的雙重助力。

胡馳表示，一方面，百度智能云通過完善的數(shù)據(jù)標(biāo)注師培訓(xùn)體系，助力區(qū)域培育一批大模型領(lǐng)域人才，推動區(qū)域高質(zhì)量人才留存的同時更保障高質(zhì)量就業(yè)，激發(fā)區(qū)域人才活力；另一方面，基于百度智能云的技術(shù)和生態(tài)優(yōu)勢，基地為入駐企業(yè)提供一站式創(chuàng)業(yè)扶持，助力海口培育孵化本地專業(yè)數(shù)據(jù)標(biāo)注企業(yè)，為當(dāng)?shù)氐臄?shù)字化轉(zhuǎn)型和智能化升級持續(xù)造血。

海口市秀英區(qū)委常委、常務(wù)副區(qū)長石晟屹表示，穩(wěn)就業(yè)是政府的重要工作方向，基地在未來三到五年，新增就業(yè)有望突破 5000 人規(guī)模，這是非常好的就業(yè)契機。不僅如此，建成海口數(shù)據(jù)標(biāo)注基地，只是和百度合作的開端，后續(xù)還要共同打造數(shù)字經(jīng)濟產(chǎn)業(yè)集群，將海口市秀英區(qū)的數(shù)字經(jīng)濟規(guī)模、數(shù)字經(jīng)濟層級帶來更高的提升。

目前，百度智能云在全國已與各地政府合作共建十余個數(shù)據(jù)標(biāo)注基地，累計為各區(qū)域提供穩(wěn)定就業(yè)崗位超過 11000 個，間接帶動 5 萬人就業(yè)，培育數(shù)萬名 AI 數(shù)據(jù)人才，吸引孵化優(yōu)質(zhì)企業(yè)超 200 家，為推動人工智能產(chǎn)業(yè)發(fā)展和促進(jìn)區(qū)域經(jīng)濟提升做出了積極貢獻(xiàn)。

大模型時代的“智能新基建”

想要做出好的大模型并不容易，需要具備三大要素：大數(shù)據(jù)、大算力、好的學(xué)習(xí)機制。算力是大模型的動力來源，更大參數(shù)規(guī)模意味著更大的算力消耗；數(shù)據(jù)相當(dāng)于大模型學(xué)習(xí)的知識，大模型想要有更好的性能，就需要大量高質(zhì)量的標(biāo)注數(shù)據(jù)；而好的訓(xùn)練方法就像是一位懂得因材施教的老師，讓大模型的性能表現(xiàn)更上一層樓。

據(jù)了解，為了進(jìn)一步推動大模型的產(chǎn)業(yè)化落地，百度智能云和各地政府已經(jīng)建成了多個“智能新基建”項目。除了落地十余個數(shù)據(jù)標(biāo)注基地，解決大數(shù)據(jù)問題之外，百度智能云在陽泉、福州、天津、濟南、沈陽等地建設(shè)了多個智算中心，解決大算力問題。

百度智能云：國內(nèi)首個大模型數(shù)據(jù)標(biāo)注基地，標(biāo)注師100%本科學(xué)歷