“算力、算法、数据”是推进人工智能应用的三大核心要素，人工智能的最终落地需要大量的数据进行训练，而数据标注便是形成高质量数据的最重要环节。目前，国内大模型的发展如火如荼，而数据标注作为大模型发展背后的推手却鲜有人关注。但随着细分领域垂类大模型的需求越来越多，专业领域大模型的数据需求向精细化、场景化发展，数据标注工作的专业化要求越来越高，亟需构建一套科学合理的数据标注工作体系。
那么，什么是数据标注？数据标注的类型、方法有哪些？数据标注目前面临哪些问题？本文将从这三个问题出发，浅谈数据标注实施路径。
01
什么是数据标注？
根据《人工智能训练师国家职业技能标准（2021年版）》、《生成式人工智能服务管理暂行办法》等政策法规，并结合业界通用定义，数据标注可理解为通过人工或自动化的方式，将原始数据转化为算法可理解的、结构化的数据集，通常是指对文本、图像、音频、视频等进行归类、整理、编辑、纠错、标记和批注等加工操作，构建模型要求且可读的数据编码。具体分类如下：
1.基于标注对象的数据标注类型划分
（1）图片标注
具体包括：
- 图像分类：识别一张图片中是否包含某种物体。
- 物体检测：识别出图片中每个物体的位置及类别。
- 图像分割：根据图片中的物体划分出不同区域。
（图像分割，取自EasyData平台）
（2）音频标注
具体包括：
- 声音分类：对声音进行分类。
- 语音内容：对语音的情感倾向等进行标注。
- 语音分割：对语音内容进行分段等。
（语音分割-取自ModelArts平台）
（3）文本标注
具体包括：
- 文本分类：对文本的内容按照标签进行分类处理。
- 命名实体：针对文本中的实体片段进行标注，如“时间”、“地点”等。
- 文本三元组：针对文本中的实体片段和实体之间的关系进行标注。
- 文本序列标注：针对文本质量进行排序。
- 多轮对话生成：多轮对话内容的生成、修改和批注。
