【光明時(shí)評】數(shù)據(jù)標(biāo)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(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》（以下簡稱《實(shí)施意見》），提出“到2027年，數(shù)據(jù)標(biāo)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(biāo)。我國針對數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)布系統(tǒng)性指導(dǎo)文件，是我國為護(hù)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(biāo)注產(chǎn)業(yè)是對數(shù)據(jù)進(jìn)行篩選、清洗、分類、注釋、標(biāo)記和質(zhì)量檢驗(yàn)等加工處理的新興產(chǎn)業(yè)?！秾?shí)施意見》為我國數(shù)據(jù)標(biāo)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(biāo)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(jī)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(biāo)注產(chǎn)業(yè)基礎(chǔ)。

從2021年起，中央文件中對數(shù)據(jù)標(biāo)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(biāo)注等數(shù)據(jù)處理環(huán)節(jié)等，從數(shù)據(jù)標(biāo)注能力、數(shù)據(jù)標(biāo)注的應(yīng)用方向等角度為市場指明了發(fā)展思路。當(dāng)前，人工智能應(yīng)用場景的細(xì)分，對數(shù)據(jù)標(biāo)注準(zhǔn)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(biāo)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(biāo)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(biāo)注需要法律法規(guī)、司法解釋等知識。數(shù)據(jù)標(biāo)注產(chǎn)業(yè)現(xiàn)已進(jìn)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(biāo)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(biāo)注的少量錯(cuò)誤在迭代后被放大。當(dāng)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(cuò)誤標(biāo)注樣本提煉出的錯(cuò)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(biāo)注樣本來糾正，試錯(cuò)成本高昂。人工標(biāo)注容易出現(xiàn)標(biāo)注質(zhì)量不穩(wěn)定、準(zhǔn)確性、客觀性難以保障等問題。例如，同一位員工在不同時(shí)間和心境下會將同一表述標(biāo)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?yàn)樽⒁饬Σ患谢蛘J(rèn)知有限而忽略掉某些病灶等。

近年來，自動標(biāo)注技術(shù)迅速發(fā)展，數(shù)據(jù)標(biāo)注逐漸從純?nèi)斯?biāo)注向人機(jī)協(xié)作標(biāo)注轉(zhuǎn)變，人力更多承擔(dān)關(guān)鍵決策角色。增強(qiáng)深度學(xué)習(xí)和自然語言處理等技術(shù)實(shí)力，通過算法優(yōu)化和多模態(tài)融合不斷提升標(biāo)注精度，有利于提高我國數(shù)據(jù)標(biāo)注產(chǎn)業(yè)的市場競爭力。開展職業(yè)能力建設(shè)，增加標(biāo)注員工對特定行業(yè)和標(biāo)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(biāo)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(biāo)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(biāo)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(gè)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(dān)憂，很多企業(yè)不愿意開展數(shù)據(jù)標(biāo)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(biāo)注為切入點(diǎn)，形成成熟的數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)，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(biāo)注，實(shí)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(biāo)注計(jì)算需要占用大量存力算力資源，存力算力中心的運(yùn)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(fèi)、保障產(chǎn)業(yè)可持續(xù)發(fā)展，除了優(yōu)化標(biāo)注算法、平衡工作時(shí)段、完善資源調(diào)度外，還需充分考慮數(shù)據(jù)標(biāo)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(biāo)注基地試點(diǎn)公布，7個(gè)城市承擔(dān)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?yàn)橹厮芪覈鴶?shù)字經(jīng)濟(jì)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(gè)數(shù)據(jù)標(biāo)注基地的發(fā)展也應(yīng)考慮數(shù)字經(jīng)濟(jì)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(shí)帶動區(qū)域經(jīng)濟(jì)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）