【光明時評】數(shù)據(jù)標注產(chǎn)業(yè)發(fā)展值得關(guān)注

近日，四部委聯(lián)合印發(fā)《關(guān)于促進數(shù)據(jù)標注產(chǎn)業(yè)高質(zhì)量發(fā)展的實施意見》（以下簡稱《實施意見》），提出“到2027年，數(shù)據(jù)標注產(chǎn)業(yè)專業(yè)化、智能化及科技創(chuàng)新能力顯著提升，產(chǎn)業(yè)規(guī)模大幅躍升，年均復(fù)合增長率超過20%”的發(fā)展目標。我國針對數(shù)據(jù)標注產(chǎn)業(yè)發(fā)布系統(tǒng)性指導(dǎo)文件，是我國為護航人工智能產(chǎn)業(yè)、提升新質(zhì)生產(chǎn)力水平作出的重要布局。

數(shù)據(jù)標注產(chǎn)業(yè)是對數(shù)據(jù)進行篩選、清洗、分類、注釋、標記和質(zhì)量檢驗等加工處理的新興產(chǎn)業(yè)?！秾嵤┮庖姟窞槲覈鴶?shù)據(jù)標注行業(yè)指明了專業(yè)化、智能化的發(fā)展方向。數(shù)據(jù)標注是將復(fù)雜、隨性的人類可識別信號翻譯成簡單、規(guī)范的機器可識別信號的過程。產(chǎn)業(yè)探索期，“有多少人工就有多少智能”的特征為我國奠定了良好的數(shù)據(jù)標注產(chǎn)業(yè)基礎(chǔ)。

從2021年起，中央文件中對數(shù)據(jù)標注的政策指向更加明確，提出提升數(shù)據(jù)的多樣化處理能力、聚焦數(shù)據(jù)標注等數(shù)據(jù)處理環(huán)節(jié)等，從數(shù)據(jù)標注能力、數(shù)據(jù)標注的應(yīng)用方向等角度為市場指明了發(fā)展思路。當前，人工智能應(yīng)用場景的細分，對數(shù)據(jù)標注準確性和專業(yè)性的要求日漸提升。例如輔助診療AI的醫(yī)療影像標注需要人體結(jié)構(gòu)、病灶特征等知識，智能制造AI的數(shù)據(jù)標注需要生產(chǎn)流程、產(chǎn)品構(gòu)造等知識，法院輔助裁判AI的文書標注需要法律法規(guī)、司法解釋等知識。數(shù)據(jù)標注產(chǎn)業(yè)現(xiàn)已進入從勞動密集型向知識密集型轉(zhuǎn)型的新階段。以技術(shù)引領(lǐng)，優(yōu)化人力、數(shù)據(jù)、能源等要素供應(yīng)，是數(shù)據(jù)標注產(chǎn)業(yè)順利轉(zhuǎn)型的有效保障。

深度學(xué)習(xí)模型的多層次非線性復(fù)雜架構(gòu)，會使得數(shù)據(jù)標注的少量錯誤在迭代后被放大。當前，優(yōu)化算法高維空間求解過程具有不可預(yù)知性，這導(dǎo)致通過錯誤標注樣本提煉出的錯誤規(guī)律不能被直接消除，而需要重新學(xué)習(xí)大量新的正確標注樣本來糾正，試錯成本高昂。人工標注容易出現(xiàn)標注質(zhì)量不穩(wěn)定、準確性、客觀性難以保障等問題。例如，同一位員工在不同時間和心境下會將同一表述標注成不同情感；不同的員工對圖像中人物年齡的判斷不同；員工可能因為注意力不集中或認知有限而忽略掉某些病灶等。

近年來，自動標注技術(shù)迅速發(fā)展，數(shù)據(jù)標注逐漸從純?nèi)斯俗⑾蛉藱C協(xié)作標注轉(zhuǎn)變，人力更多承擔關(guān)鍵決策角色。增強深度學(xué)習(xí)和自然語言處理等技術(shù)實力，通過算法優(yōu)化和多模態(tài)融合不斷提升標注精度，有利于提高我國數(shù)據(jù)標注產(chǎn)業(yè)的市場競爭力。開展職業(yè)能力建設(shè)，增加標注員工對特定行業(yè)和標注技術(shù)的知識儲備，既可為產(chǎn)業(yè)發(fā)展提供充足后備人才，又有助于應(yīng)對技術(shù)發(fā)展對就業(yè)可能造成的沖擊。

人工智能應(yīng)用場景的不斷開發(fā)是數(shù)據(jù)標注產(chǎn)業(yè)發(fā)展的驅(qū)動力。但反過來，萬物依存表現(xiàn)出的數(shù)據(jù)互聯(lián)特性也使得數(shù)據(jù)標注自身成為驅(qū)動，為人工智能應(yīng)用場景的開發(fā)提供靈感和保障。例如，對交通指示、路況、人類行動軌跡等多類數(shù)據(jù)的標注使自動駕駛成為可能，而路況、車況、企業(yè)分布等信息又促使智能交通管理迅速發(fā)展。

中國是全球數(shù)據(jù)量產(chǎn)大國，且數(shù)據(jù)類型豐富，涵蓋各個領(lǐng)域和行業(yè)。但目前數(shù)據(jù)要素還有較大挖掘潛力。出于對商業(yè)競爭、數(shù)據(jù)泄露等問題的擔憂，很多企業(yè)不愿意開展數(shù)據(jù)標注業(yè)務(wù)。在通過區(qū)塊鏈等技術(shù)保障安全的基礎(chǔ)上，以公共數(shù)據(jù)標注為切入點，形成成熟的數(shù)據(jù)標注標準，并基于此搭建數(shù)據(jù)要素流通平臺，將有助于撬動企業(yè)數(shù)據(jù)標注，實現(xiàn)數(shù)據(jù)互聯(lián)共享，充分釋放數(shù)據(jù)活力。

數(shù)據(jù)存儲、調(diào)用和標注計算需要占用大量存力算力資源，存力算力中心的運行、冷卻需要依托于大量、穩(wěn)定的能源供應(yīng)。為了降低能耗、減少資源浪費、保障產(chǎn)業(yè)可持續(xù)發(fā)展，除了優(yōu)化標注算法、平衡工作時段、完善資源調(diào)度外，還需充分考慮數(shù)據(jù)標注基地與數(shù)據(jù)來源地、存力算力中心所在地的距離，合理規(guī)劃數(shù)據(jù)傳輸路徑。

2024年5月國家數(shù)據(jù)標注基地試點公布，7個城市承擔起了在產(chǎn)業(yè)生態(tài)構(gòu)建、能力提升和場景應(yīng)用等方面先行先試的重任。這些城市的選擇充分考慮了其地方配套支撐優(yōu)勢。然而，數(shù)據(jù)資源豐富的地區(qū)通常面臨較大的能源供應(yīng)限制，“東數(shù)西算”工程能夠為重塑我國數(shù)字經(jīng)濟地理格局、應(yīng)對我國資源的地域分配不均問題發(fā)揮重要作用。未來，7個數(shù)據(jù)標注基地的發(fā)展也應(yīng)考慮數(shù)字經(jīng)濟地理格局，盤活周邊已有數(shù)據(jù)、存力算力、人力資源，宏觀布局新增配套資源建設(shè)，在優(yōu)化能源供應(yīng)的同時帶動區(qū)域經(jīng)濟發(fā)展。

（作者：唐嘯 鄧哲，分別系清華大學(xué)公共管理學(xué)院黨委副書記、長聘副教授，北京市科學(xué)技術(shù)研究院助理研究員）