数据标注“血汗工厂”——ChatGPT光环照耀不到的隐秘角落

2023-02-11 10:22:42 来源：财联社小 中

(资料图片)

能聊天、代写论文、作诗编程样样不在话下，ChatGPT发布不到一周便收获了百万用户。其锋芒从美国席卷到中国，但在地球另一边的非洲大陆上，一群为OpenAI工作的外包数据标注员，曾遭受过非人的精神折磨。坐在电脑前、阅读一段文本、给出相应的标注、紧接着切换到下一段……这就是数据标注员的日常。在这场席卷中美两个市场的资本狂欢中，他们是边缘化的、被遗忘的却又至关重要的一个群体。据美国《时代周刊》报道显示，为了训练ChatGPT，OpenAI雇佣了时薪不到2美元的外包肯尼亚劳工，他们所负责的工作就是数据标注。数据标注的工作流程包括数据标注、打标签、分类、调整和处理等，是构建AI模型的数据准备和预处理工作中不可或缺的一环。对于ChatGPT这样的语言模型，如果没有人工标注来筛除一些不恰当的内容，那么它不仅会给出一些错误的信息，更会对用户造成心理不适。更何况，类似ChatGPT这样的预训练模型在训练过程中需使用的数据样本较多，数据标注的需求较高。那么如何规避上述问题，筛查出有害内容呢？OpenAI效仿了Facebook等社交媒体公司的做法——构建一个额外的AI模型，向它提供暴力、仇恨等带有攻击性的言论，从而让它学会识别相应内容。这样的模型会被内置到ChatGPT中，帮助后者过滤掉一些有害的文本。在这个过程中，需要大量的人力来给攻击性言论做标注。于是，OpenAI在2021年底与一家外包公司Sama达成了合作。两者签署了三份总价值约20万美元的合同，OpenAI向Sama发送了数万个文本片段，包含大量的有关谋杀、自残、虐待甚至其他更加不堪的内容。Sama公司的每一个数据标注员的日常工作流程就是阅读文本并为其添加相应的标签。

消息来源：财联社

关键词：语言模型社交媒体血汗工厂