顧陽

日前，一份名為《關(guān)于促進(jìn)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展的實(shí)施意見》的文件，迅速讓“數(shù)據(jù)標(biāo)注產(chǎn)業(yè)”躍入大眾視野，也引發(fā)很多人的好奇：“數(shù)據(jù)標(biāo)注”究竟是個(gè)什么樣的產(chǎn)業(yè)？國家為何如此重視這個(gè)新事物？

對于“數(shù)據(jù)標(biāo)注”，專家的解釋很直接：就是給文本、語音、圖片、視頻等各種各樣的數(shù)據(jù)“打標(biāo)簽”。但別小看這些標(biāo)簽，正是有了它們，數(shù)據(jù)才可以更好地被人工智能算法理解和使用，人工智能系統(tǒng)的性能與準(zhǔn)確性才能有效提升。從某種意義上說，沒有高質(zhì)量的數(shù)據(jù)標(biāo)注，就沒有高性能的人工智能系統(tǒng)。

通常情況下，訓(xùn)練一個(gè)領(lǐng)先的大模型，需要數(shù)百萬條甚至數(shù)千萬條標(biāo)注數(shù)據(jù)。遺憾的是，我國雖是全球第二大數(shù)據(jù)資源國，但還算不上數(shù)據(jù)資源強(qiáng)國。有機(jī)構(gòu)統(tǒng)計(jì)顯示，2023年我國數(shù)據(jù)資源為32ZB（澤字節(jié)），保存數(shù)據(jù)僅有2.9％，這一數(shù)字遠(yuǎn)低于發(fā)達(dá)國家平均水平。換句話說，數(shù)據(jù)質(zhì)量低、大量數(shù)據(jù)被浪費(fèi)等現(xiàn)象，客觀上制約了我國數(shù)據(jù)資源價(jià)值的發(fā)揮，而通過推動(dòng)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)化，不僅夯實(shí)了人工智能算法訓(xùn)練的基石，也有助于釋放數(shù)據(jù)要素的價(jià)值。

促進(jìn)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展，有其必要性。當(dāng)前，全球主流基礎(chǔ)大模型中，中文語料僅占全部語料的1％，高質(zhì)量中文數(shù)據(jù)不足很大程度是我國基礎(chǔ)大模型能力的短板所在。正因如此，全面提升中文語料質(zhì)量，已成為破解我國大模型發(fā)展的關(guān)鍵環(huán)節(jié)之一。打造具有國際影響力的數(shù)據(jù)標(biāo)注企業(yè)和品牌，將有助于構(gòu)建完整的人工智能產(chǎn)業(yè)鏈，提升我國在全球人工智能領(lǐng)域的市場份額和話語權(quán)。

近年來，人工智能技術(shù)的迭代升級和應(yīng)用場景的持續(xù)拓展，推動(dòng)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)不斷呈現(xiàn)出自動(dòng)化、專業(yè)化和高端化的特點(diǎn)，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)正逐步從傳統(tǒng)的勞動(dòng)密集型產(chǎn)業(yè)向知識(shí)密集型產(chǎn)業(yè)轉(zhuǎn)變，數(shù)據(jù)標(biāo)注員作為國家認(rèn)可的新工種，其專業(yè)化要求也在不斷提高。同時(shí)，數(shù)據(jù)標(biāo)注的應(yīng)用領(lǐng)域加快拓展深化，除了傳統(tǒng)的語音轉(zhuǎn)寫、圖片文字識(shí)別等，來自垂直大模型公司的新需求也越來越多，標(biāo)注的內(nèi)容也更加豐富多彩。

新形勢下，促進(jìn)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展，需要在需求牽引、創(chuàng)新驅(qū)動(dòng)、生態(tài)培育等方面找準(zhǔn)發(fā)力點(diǎn)——

在深化需求牽引方面，通過釋放公共數(shù)據(jù)標(biāo)注需求和挖掘企業(yè)數(shù)據(jù)標(biāo)注需求，依法依規(guī)有序推動(dòng)公共數(shù)據(jù)標(biāo)注與開發(fā)利用。支持跨部門、跨地區(qū)、跨層級公共數(shù)據(jù)融合應(yīng)用，鼓勵(lì)政府部門和企業(yè)協(xié)同開展政務(wù)大模型所需數(shù)據(jù)的標(biāo)注和訓(xùn)練，在現(xiàn)代農(nóng)業(yè)、智能制造、信息服務(wù)等重點(diǎn)領(lǐng)域發(fā)掘公共數(shù)據(jù)標(biāo)注需求。

在增強(qiáng)創(chuàng)新驅(qū)動(dòng)方面，加強(qiáng)數(shù)據(jù)標(biāo)注領(lǐng)域的關(guān)鍵技術(shù)攻關(guān)、標(biāo)準(zhǔn)制定和創(chuàng)新載體建設(shè)。支持軟硬一體、自主可控的數(shù)據(jù)標(biāo)注領(lǐng)域技術(shù)和關(guān)鍵設(shè)備的研發(fā)應(yīng)用。培育建設(shè)數(shù)據(jù)標(biāo)注領(lǐng)域重點(diǎn)實(shí)驗(yàn)室、技術(shù)創(chuàng)新中心等創(chuàng)新載體。

在培育繁榮生態(tài)方面，著力壯大數(shù)據(jù)標(biāo)注產(chǎn)業(yè)的經(jīng)營主體，推動(dòng)其規(guī)?；?、標(biāo)準(zhǔn)化、集約化發(fā)展。積極完善產(chǎn)業(yè)生態(tài)，暢通數(shù)據(jù)采集、標(biāo)注、人工智能應(yīng)用產(chǎn)業(yè)鏈，推動(dòng)上下游協(xié)同發(fā)展，培育一批深耕行業(yè)的數(shù)據(jù)標(biāo)注瞪羚企業(yè)、獨(dú)角獸企業(yè)。

此外，還要持續(xù)優(yōu)化支撐體系，在加大財(cái)稅金融支持力度、推動(dòng)數(shù)據(jù)標(biāo)注服務(wù)納入政府采購范疇等方面，提升數(shù)據(jù)標(biāo)注的公共服務(wù)能力。尤其是在人才培養(yǎng)上，要深化產(chǎn)學(xué)研融合，鼓勵(lì)行業(yè)聯(lián)盟、高校、科研院所與企業(yè)建立長期合作機(jī)制，進(jìn)一步暢通人才發(fā)展通道，強(qiáng)化數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展的人才支撐。