AI数据告急，大厂盯上廉价年轻人自制语料库成新赛道

小大

用微信扫描二维码
分享至好友和朋友圈

关键词：

2024-09-05 09:03:24 虎嗅

AI数据告急，大厂盯上廉价年轻人

互联网大厂正采取新策略获取人工智能(AI)训练所需的新数据：他们直接招募“AI录音员”，支付每次约300元的报酬，定制专属的语料库。在北京，某大厂从年初就开始邀请普通人参与，每次需两人一组，进行3小时的录音，其中包括自由聊天与有提示词的对话，确保内容充实且符合要求。录音过程中，至少两名员工会全程监督，以保证录音质量和信息含量，避免低质量内容，并强调不能改动预设的提示词。

二线城市的如成都、太原、贵州等地，已成为字节跳动、百度、阿里巴巴等企业构建AI数据资源的外包中心。据知情人士透露，这些公司过去招聘的数据标注员和方言朗读者门槛较低，但现在更倾向于聘请来自顶尖高校的实习生来管理外包项目。

AI大模型的发展依赖于数据、算法和算力，其中，高质量的数据是训练模型的基础。然而，公开可用的互联网数据正面临枯竭，预计在未来几年内，科技公司将耗尽可用于AI语言模型训练的数据。这迫使大模型团队寻找创新途径，以获取能有效“喂养”模型的新数据。

为了避免因使用未授权数据引发的法律争议，一些大型科技公司开始自己动手制作数据，力求数据的时效性和高质量。他们绕过第三方平台，直接参与设计AI所需的“剧本”，探索维持模型竞争力的新路径。

在社交媒体平台上，出现了标价300元一次的AI录音兼职广告，吸引众多求职者。尽管报酬诱人，但这份工作并不轻松。应聘者需先提交样音，通过严格筛选，随后参与长时间、高要求的录音环节，包括自由聊天和依据特定提示词的对话。整个过程受到严密监控，任何影响录音质量的因素都需要纠正重录。

除北京外，该大厂还在多地招募录音员，显示了其对独特且高质量数据集的重视。同时，行业内部对数据的渴求导致“砸钱买数据”的现象普遍，不仅直接购买，还通过设立专门岗位如“大数据标注师”来收集和处理数据。然而，高质量数据的获取对于许多初创企业和AI四小龙来说仍是一大挑战，因为核心数据通常被大厂掌控。

大模型在处理用户请求时偶尔会出现“幻觉”，即生成内容与现实脱节，这进一步突显了高质量、针对性数据的重要性。为了解决这一问题并推动技术迭代，大模型公司可能不得不加大投资，购买或自建更精确、更高标准的数据集，以此作为商业竞争的关键。AI数据告急，大厂盯上廉价年轻人！

(责任编辑：卢其龙 CN070)

关闭

AI数据告急，大厂盯上廉价年轻人 自制语料库成新赛道

相关新闻

今日热点

频道热点

AI数据告急，大厂盯上廉价年轻人自制语料库成新赛道