核心提示

去年5月，國家數(shù)據(jù)局布局建設(shè)7個國家級數(shù)據(jù)標(biāo)注基地，我省成為其中之一，開始探索發(fā)展數(shù)據(jù)標(biāo)注這一新興產(chǎn)業(yè)。一年來，全省數(shù)據(jù)標(biāo)注從業(yè)人員快速增長，產(chǎn)業(yè)規(guī)模持續(xù)擴(kuò)大。在今年召開的第八屆數(shù)字中國建設(shè)峰會上，遼寧有4個數(shù)據(jù)標(biāo)注案例獲評國家級優(yōu)秀案例，成為入選數(shù)量最多的省份。不久前，遼寧省數(shù)據(jù)標(biāo)注基地建設(shè)推進(jìn)會議暨數(shù)據(jù)標(biāo)注供需對接會召開，簽約金額超2億元。

為支撐人工智能創(chuàng)新發(fā)展，我省提出推動數(shù)據(jù)標(biāo)注產(chǎn)業(yè)盡快實現(xiàn)大的突破。那么，我省應(yīng)該如何發(fā)力推動數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展？記者對此進(jìn)行了深入采訪。

人工智能的“數(shù)據(jù)糧食”

當(dāng)前，隨著人工智能應(yīng)用持續(xù)走深向?qū)?，?shù)據(jù)標(biāo)注的概念也隨之“浮出水面”。

什么是數(shù)據(jù)標(biāo)注？

“數(shù)據(jù)標(biāo)注是人工智能訓(xùn)練過程中的關(guān)鍵環(huán)節(jié)，通俗來說，就是教AI認(rèn)識世界——通過標(biāo)記數(shù)據(jù)的特征，讓AI理解‘這是什么’”。遼寧宏圖創(chuàng)展測繪勘察有限公司董事長劉莉萍與數(shù)據(jù)打了20多年交道，她說，日常生活的眾多領(lǐng)域都有數(shù)據(jù)標(biāo)注的貢獻(xiàn)，比如物流配送、電子政務(wù)、導(dǎo)航定位等。簡單來說，將現(xiàn)實世界的萬事萬物轉(zhuǎn)化為數(shù)字信息，存儲于計算機(jī)系統(tǒng)中，建立各類數(shù)據(jù)集，為大模型計算和推理提供數(shù)據(jù)支撐，這一過程即為數(shù)據(jù)標(biāo)注。

為了更具體地了解數(shù)據(jù)標(biāo)注，6月27日，記者來到遼寧宏圖創(chuàng)展測繪勘察有限公司，1萬多平方米的大樓里，上千名數(shù)據(jù)標(biāo)注員在不同生產(chǎn)線上忙碌。

“我的工作是將道路上的白色虛實線、馬路牙子、各種車輛及路旁欄桿等一一標(biāo)注出來?！睌?shù)據(jù)標(biāo)注員王鑫滑動鼠標(biāo)，熟練地處理數(shù)據(jù)。

標(biāo)注過的數(shù)據(jù)，還要進(jìn)行數(shù)據(jù)清洗?！巴貊螛?biāo)注的數(shù)據(jù)經(jīng)過質(zhì)檢，達(dá)到一定準(zhǔn)確率，才能交付給客戶?！必?fù)責(zé)數(shù)據(jù)清洗的質(zhì)檢組組長張威畢業(yè)于沈陽工業(yè)大學(xué)建筑專業(yè)，他告訴記者，這些數(shù)據(jù)是用于智能駕駛的，必須保證精準(zhǔn)，否則會出事故。

“數(shù)據(jù)標(biāo)注的概念這兩年才出現(xiàn)，但這項工作一直在做，20年前我們做測繪，主要靠人，很辛苦?，F(xiàn)在不僅有激光LiDAR、視頻影像、慣導(dǎo)等，還有無人機(jī)等輔助工具，采集數(shù)據(jù)方便多了?！眲⒗蚱颊f。

這個市區(qū)3D建模，就是用無人機(jī)+5個相機(jī)采集的傾斜攝影數(shù)據(jù)，真實還原城市原貌，非常逼真?！比S技術(shù)中心項目經(jīng)理任達(dá)介紹，這種基于航空傾斜攝影構(gòu)建的城市數(shù)字孿生項目，通過實景三維技術(shù)數(shù)字化呈現(xiàn)城市空間，為城市規(guī)劃、應(yīng)急管理和交通優(yōu)化等工作提供便利。

數(shù)據(jù)標(biāo)注是人工智能大模型發(fā)展離不開的“數(shù)據(jù)糧食”，尤其是高質(zhì)量數(shù)據(jù)集。專家指出，高質(zhì)量數(shù)據(jù)集是人工智能大模型訓(xùn)練、推理和驗證的關(guān)鍵基礎(chǔ)，是按照特定標(biāo)準(zhǔn)，經(jīng)過采集、清洗、歸類和標(biāo)注等智能化處理，具有相應(yīng)更新和維護(hù)機(jī)制的數(shù)據(jù)集合。

以遼寧省12345熱線平臺為例，作為全國唯一政務(wù)領(lǐng)域數(shù)據(jù)標(biāo)注優(yōu)秀案例，它下面標(biāo)注了多少數(shù)據(jù)呢？

“總量達(dá)16T，每年新增1400萬條，每月更新15%至30%?！边|寧省12345熱線平臺技術(shù)部部長張時佳透露，這是他們動員全省1400余名話務(wù)員與3.7萬名基層人員共同參與的成果，非常難得。

但標(biāo)注完的不是高質(zhì)量數(shù)據(jù)集，還要經(jīng)過人工復(fù)核才行。雖然今年年初，遼寧12345熱線就“先行一步”用上了DeepSeek大模型，事實也證明AI標(biāo)注準(zhǔn)確率明顯高于人類，但有些問題還得靠專業(yè)人員解決。張時佳舉例說，某快遞白天不派單晚上派，要求索賠。這時就要判斷是態(tài)度問題還是寄送延誤問題，問題不同，責(zé)任主體不同。“當(dāng)人和AI標(biāo)注不一致時，到底誰對？若兩者都錯，就得另選一個對的，這就需要專家給標(biāo)注出來?！?

全省熱線常見訴求有1400種，不常見的有5000多種，一天幾萬件，張時佳直言，靠人來標(biāo)并不現(xiàn)實，通過建立訴求數(shù)據(jù)治理平臺，自動進(jìn)行標(biāo)注，標(biāo)錯的，專家來復(fù)核，最后才能形成一整套高質(zhì)量數(shù)據(jù)集。他同時表示：“這項工作太瑣碎，沒有專家愿意干這么一件小事。我們沉下心，整整干了20年，把自己變成了專家，才成就最典型的應(yīng)用案例，在全國推廣?！?

正如業(yè)內(nèi)人士所言，有多少標(biāo)注就有多少智能。沒有數(shù)據(jù)標(biāo)注，AI寸步難行，標(biāo)注質(zhì)量直接決定了AI的“智商”。

“冰山之下”的承載

如果說，遼寧12345熱線平臺的數(shù)據(jù)標(biāo)注是AI+人工，宏圖創(chuàng)展是多源數(shù)據(jù)融合、大模型應(yīng)用和人工輔助。那么，東軟智能醫(yī)療科技研究院研發(fā)的針對醫(yī)學(xué)影像的智能數(shù)據(jù)標(biāo)注平臺則實現(xiàn)了以機(jī)器標(biāo)注為主。

作為全球首個基于醫(yī)學(xué)影像大模型研發(fā)的多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)標(biāo)注平臺，它打破醫(yī)學(xué)影像標(biāo)注工具、金標(biāo)準(zhǔn)數(shù)據(jù)集（經(jīng)過嚴(yán)格標(biāo)注、具有高可靠性和權(quán)威性的數(shù)據(jù)集）嚴(yán)重依賴國外的瓶頸，集數(shù)據(jù)、模型、工具、場景為一體，實現(xiàn)標(biāo)注工具自主可控及國產(chǎn)化替代。

對于建立醫(yī)學(xué)影像標(biāo)注“中國標(biāo)準(zhǔn)”，東軟集團(tuán)研究院院長、東軟智能醫(yī)療科技研究院院長張霞深感自豪：“我們起名‘飛標(biāo)’就是因為它能快速精準(zhǔn)標(biāo)注。”

“只需點一下，就能把想要標(biāo)注的整個病灶都清晰顯現(xiàn)出來?！?月1日，在東軟智能醫(yī)療科技研究院工作區(qū)，面對屏幕上的彩色三維立體可視化模型，工作人員馮雪介紹，這是肺結(jié)節(jié)病例，醫(yī)生做術(shù)前規(guī)劃，能直觀了解病人身體情況，想要分析哪個部位點哪就行。

不僅手術(shù)，對于放療靶區(qū)的勾畫、科研教學(xué)等，“飛標(biāo)”平臺都非常重要。張霞強(qiáng)調(diào)，它讓標(biāo)注效率提升100多倍，質(zhì)量提升30%且成本降低60%以上。目前已廣泛應(yīng)用于多省市數(shù)據(jù)局、大數(shù)據(jù)公司、醫(yī)療機(jī)構(gòu)、醫(yī)學(xué)院校、醫(yī)療人工智能企業(yè)等，為100多家客戶提供數(shù)據(jù)標(biāo)注服務(wù)，累計標(biāo)注多種模態(tài)的醫(yī)學(xué)影像數(shù)據(jù)達(dá)50T以上。

“開發(fā)醫(yī)學(xué)影像人工智能應(yīng)用，它的基礎(chǔ)養(yǎng)料就是有標(biāo)注的數(shù)據(jù)?！睆埾颊f，人工智能軟件的數(shù)據(jù)有嚴(yán)格審查要求，要有一定資質(zhì)的人去做標(biāo)注，還有相當(dāng)資質(zhì)的人去做審核，來證明你的標(biāo)準(zhǔn)是金標(biāo)準(zhǔn)。

人工智能大模型的訓(xùn)練和推理高度依賴高質(zhì)量數(shù)據(jù)集的供給，谷歌研究發(fā)現(xiàn)，對于圖像生成模型，當(dāng)計算資源受限時，數(shù)據(jù)集大小比模型大小更加重要。紐約大學(xué)的一項研究表明，大型語言模型在使用醫(yī)學(xué)數(shù)據(jù)訓(xùn)練過程中，即使含有0.001%的錯誤信息，也可能導(dǎo)致模型輸出不準(zhǔn)確的醫(yī)學(xué)答案。

國家數(shù)據(jù)發(fā)展研究院院長胡堅波指出，高質(zhì)量數(shù)據(jù)集建設(shè)有利于推進(jìn)“人工智能+”行動落地見效，對數(shù)字經(jīng)濟(jì)乃至整個經(jīng)濟(jì)社會高質(zhì)量發(fā)展具有重大意義。

去年5月，遼寧成為國家級數(shù)據(jù)標(biāo)注基地，積極探索發(fā)展數(shù)據(jù)標(biāo)注這一新興產(chǎn)業(yè)。經(jīng)過一年多努力，全省數(shù)據(jù)標(biāo)注從業(yè)人員快速增長，產(chǎn)業(yè)規(guī)模持續(xù)擴(kuò)大。除了東軟在AI+醫(yī)療領(lǐng)域的標(biāo)桿性創(chuàng)新成果，包括遼寧12345熱線平臺、宏圖創(chuàng)展和大連金慧融智科技股份有限公司在內(nèi)，遼寧有4個數(shù)據(jù)標(biāo)注案例獲評國家優(yōu)秀案例，成為入選數(shù)量最多的省份之一。

不久前，我省召開遼寧省數(shù)據(jù)標(biāo)注基地建設(shè)推進(jìn)會議暨數(shù)據(jù)標(biāo)注供需對接會，會上，簽約金額超2億元。

數(shù)據(jù)標(biāo)注是激活數(shù)據(jù)價值、驅(qū)動人工智能創(chuàng)新發(fā)展的基礎(chǔ)性工程，在智慧城市、智慧醫(yī)療和金融科技等場景發(fā)揮著不可替代的作用。省數(shù)據(jù)局（省營商局）相關(guān)負(fù)責(zé)人表示，下一步，將研究制定全省數(shù)據(jù)標(biāo)注產(chǎn)業(yè)創(chuàng)新發(fā)展的行動計劃，深化數(shù)據(jù)資源開發(fā)利用和開放共享，促進(jìn)數(shù)據(jù)、技術(shù)、場景對接，推動數(shù)據(jù)標(biāo)注產(chǎn)業(yè)“盡快實現(xiàn)大的突破”，支撐人工智能創(chuàng)新發(fā)展。

數(shù)據(jù)標(biāo)注處于人工智能“冰山之下”，卻承載著數(shù)字經(jīng)濟(jì)“冰山之上”的無限可能。

協(xié)同發(fā)力“新賽道”

今年，國家發(fā)展改革委等四部委聯(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)是一個新賽道?！眲⒗蚱颊f，在這個賽道上，南方發(fā)達(dá)省份無論在經(jīng)濟(jì)實力、人才吸引，還是產(chǎn)業(yè)集聚上，都比遼寧更具優(yōu)勢。

那遼寧怎么突破？

一年來，我省堅持政策端、企業(yè)端、人才端、創(chuàng)新端協(xié)同發(fā)力，推動數(shù)據(jù)標(biāo)注產(chǎn)業(yè)創(chuàng)新發(fā)展。

政策上，整體統(tǒng)籌，高位推動。發(fā)揮省數(shù)字遼寧建設(shè)工作領(lǐng)導(dǎo)小組作用，出臺系列政策措施，以數(shù)據(jù)要素市場化配置改革為主線，以數(shù)據(jù)要素綜合試驗區(qū)、沈陽數(shù)據(jù)標(biāo)注基地、大連隱私保護(hù)計算等3個國家級試點為引領(lǐng)，推動數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化。

有專家提出，對在數(shù)據(jù)采集、清洗、標(biāo)注等環(huán)節(jié)投入較大的企業(yè)給予政策支持，降低企業(yè)建設(shè)數(shù)據(jù)集的成本。

東軟、宏圖創(chuàng)展都得到遼寧省數(shù)字經(jīng)濟(jì)專項基金支持。為打造數(shù)據(jù)標(biāo)注產(chǎn)業(yè)集群，我省強(qiáng)化數(shù)據(jù)標(biāo)注企業(yè)引育、龍頭帶動、人才支撐，加大財稅金融支持力度，有效發(fā)揮省數(shù)字經(jīng)濟(jì)專項資金牽引作用，發(fā)展數(shù)字經(jīng)濟(jì)。

劉莉萍認(rèn)為，提升數(shù)據(jù)經(jīng)濟(jì)實力，應(yīng)充分發(fā)揮龍頭企業(yè)引領(lǐng)作用，激發(fā)政府、工業(yè)、醫(yī)療、教育等行業(yè)的數(shù)據(jù)應(yīng)用潛力。她同時建議，成立遼寧省數(shù)據(jù)標(biāo)注產(chǎn)業(yè)集團(tuán)，以宏圖創(chuàng)展等核心企業(yè)為依托，吸引包括央企、字節(jié)跳動、科大訊飛、聯(lián)通等在內(nèi)的數(shù)據(jù)服務(wù)企業(yè)落戶遼寧，強(qiáng)化本土數(shù)據(jù)經(jīng)濟(jì)建設(shè)，通過整合數(shù)據(jù)資源，促進(jìn)產(chǎn)業(yè)升級，培養(yǎng)數(shù)字人才。

“高端數(shù)據(jù)標(biāo)注人才還是短缺，而建設(shè)高質(zhì)量數(shù)據(jù)集需要的不僅是技術(shù)人才還有業(yè)務(wù)大拿?！辈稍L中，張時佳反復(fù)強(qiáng)調(diào)，只有技術(shù)+業(yè)務(wù)，才能更好地實現(xiàn)人工智能落地應(yīng)用。

為解決人才問題，大連金慧融智科技股份有限公司推出場景化人機(jī)協(xié)同培養(yǎng)模式，案例已在多個業(yè)務(wù)基地落地實施，累計培養(yǎng)1萬多名專業(yè)標(biāo)注人員，有效縮短人才培養(yǎng)周期20%，提升培訓(xùn)效率40%。

“今后還將在創(chuàng)新主體培育和人才隊伍建設(shè)上再加力，培育一批深耕行業(yè)的數(shù)據(jù)標(biāo)注專精特新企業(yè)，建設(shè)數(shù)據(jù)標(biāo)注人才庫，下更大氣力引進(jìn)更多專業(yè)人才。”省數(shù)據(jù)局（省營商局）相關(guān)負(fù)責(zé)人說。

重視人才之外，我省大力實施創(chuàng)新驅(qū)動戰(zhàn)略，深化科技評價獎勵、成果賦權(quán)等改革，促進(jìn)產(chǎn)學(xué)研用深度融合，重點突破多模態(tài)數(shù)據(jù)增強(qiáng)等10項核心技術(shù)，成立數(shù)據(jù)標(biāo)注產(chǎn)業(yè)研究院，建成5個數(shù)據(jù)標(biāo)注技術(shù)創(chuàng)新平臺。

“為深化數(shù)據(jù)資源開發(fā)利用和開放共享，加快發(fā)展數(shù)據(jù)標(biāo)注新業(yè)態(tài)，我省將在健全體制機(jī)制上再加力，在基礎(chǔ)理論和核心技術(shù)攻關(guān)上再加力，在場景應(yīng)用拓展上再加力。圍繞建設(shè)4個萬億級產(chǎn)業(yè)基地、22個重點產(chǎn)業(yè)集群以及交通、醫(yī)療、金融等重點行業(yè)領(lǐng)域，充分激活企業(yè)數(shù)據(jù)標(biāo)注需求，賦能產(chǎn)業(yè)轉(zhuǎn)型升級?！笔?shù)據(jù)局（省營商局）相關(guān)負(fù)責(zé)人說。

“虛擬現(xiàn)實之父”杰倫·拉尼爾曾生動比喻信息洪流：“就像你跪著種下一棵樹的種子，在還沒來得及抬腳起身的時候，它已經(jīng)茂盛到吞沒了整個村莊?！?

人工智能的迅猛發(fā)展，即使是業(yè)內(nèi)人士也始料未及。作為驅(qū)動人工智能創(chuàng)新發(fā)展的基礎(chǔ)性工程，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)已然站上“風(fēng)口”，即將騰飛。