AI數(shù)據(jù)告急，大廠盯上廉價年輕人自制語料庫成新賽道

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2024-09-05 09:03:24 虎嗅

AI數(shù)據(jù)告急,，大廠盯上廉價年輕人

互聯(lián)網(wǎng)大廠正采取新策略獲取人工智能(AI)訓練所需的新數(shù)據(jù)：他們直接招募“AI錄音員”,，支付每次約300元的報酬，定制專屬的語料庫,。在北京,，某大廠從年初就開始邀請普通人參與，每次需兩人一組,，進行3小時的錄音,，其中包括自由聊天與有提示詞的對話，確保內(nèi)容充實且符合要求,。錄音過程中,，至少兩名員工會全程監(jiān)督，以保證錄音質(zhì)量和信息含量,，避免低質(zhì)量內(nèi)容,，并強調(diào)不能改動預設(shè)的提示詞。

二線城市的如成都,、太原,、貴州等地，已成為字節(jié)跳動,、百度,、阿里巴巴等企業(yè)構(gòu)建AI數(shù)據(jù)資源的外包中心。據(jù)知情人士透露,，這些公司過去招聘的數(shù)據(jù)標注員和方言朗讀者門檻較低,，但現(xiàn)在更傾向于聘請來自頂尖高校的實習生來管理外包項目。

AI大模型的發(fā)展依賴于數(shù)據(jù),、算法和算力，其中,，高質(zhì)量的數(shù)據(jù)是訓練模型的基礎(chǔ),。然而，公開可用的互聯(lián)網(wǎng)數(shù)據(jù)正面臨枯竭,，預計在未來幾年內(nèi),，科技公司將耗盡可用于AI語言模型訓練的數(shù)據(jù)。這迫使大模型團隊尋找創(chuàng)新途徑,，以獲取能有效“喂養(yǎng)”模型的新數(shù)據(jù),。

為了避免因使用未授權(quán)數(shù)據(jù)引發(fā)的法律爭議，一些大型科技公司開始自己動手制作數(shù)據(jù),，力求數(shù)據(jù)的時效性和高質(zhì)量,。他們繞過第三方平臺,，直接參與設(shè)計AI所需的“劇本”，探索維持模型競爭力的新路徑,。

在社交媒體平臺上,，出現(xiàn)了標價300元一次的AI錄音兼職廣告，吸引眾多求職者,。盡管報酬誘人，但這份工作并不輕松,。應(yīng)聘者需先提交樣音,，通過嚴格篩選，隨后參與長時間,、高要求的錄音環(huán)節(jié),，包括自由聊天和依據(jù)特定提示詞的對話。整個過程受到嚴密監(jiān)控,，任何影響錄音質(zhì)量的因素都需要糾正重錄,。

除北京外，該大廠還在多地招募錄音員,，顯示了其對獨特且高質(zhì)量數(shù)據(jù)集的重視,。同時，行業(yè)內(nèi)部對數(shù)據(jù)的渴求導致“砸錢買數(shù)據(jù)”的現(xiàn)象普遍,，不僅直接購買,，還通過設(shè)立專門崗位如“大數(shù)據(jù)標注師”來收集和處理數(shù)據(jù)。然而,，高質(zhì)量數(shù)據(jù)的獲取對于許多初創(chuàng)企業(yè)和AI四小龍來說仍是一大挑戰(zhàn),，因為核心數(shù)據(jù)通常被大廠掌控。

大模型在處理用戶請求時偶爾會出現(xiàn)“幻覺”,，即生成內(nèi)容與現(xiàn)實脫節(jié),，這進一步突顯了高質(zhì)量、針對性數(shù)據(jù)的重要性,。為了解決這一問題并推動技術(shù)迭代,，大模型公司可能不得不加大投資，購買或自建更精確,、更高標準的數(shù)據(jù)集,，以此作為商業(yè)競爭的關(guān)鍵。AI數(shù)據(jù)告急,，大廠盯上廉價年輕人,！

(責任編輯：盧其龍 CN070)

關(guān)閉

AI數(shù)據(jù)告急，大廠盯上廉價年輕人 自制語料庫成新賽道

相關(guān)新聞

今日熱點

頻道熱點

AI數(shù)據(jù)告急，大廠盯上廉價年輕人自制語料庫成新賽道