我没反驳。因为入职头两个月,我确实每天都在干这个——框猫、框狗、框瑕疵品、框火焰、框黄盒子。鼠标点到手腕发酸,屏幕上全是密密麻麻的标注框。那时候我也觉得,这活跟流水线差别不大。
直到第三个月,模型在一次测试里把画面里一个黄色纸箱认成了火焰。系统弹了警报,算法组的同事跑过来看了一眼,说:“这数据谁标的?黄盒子跟火区分不出来?”
那一刻我才意识到,标注只是起点,调教才是正题。
后来我的工作内容变了。不再只是点鼠标框东西,而是把“人一眼能看出来的事”翻译成模型能执行的规则。
举个真实的例子。做火情识别模型,标注规范写的是“标注火焰区域”。但什么叫火焰?明火是,火星是不是?烟是不是?夕阳照在玻璃上的反光是不是?一个黄色纸箱在特定光线下,模型凭什么知道它不是?
我的日常变成了:找一堆“边界案例”,一个个判断,然后写成规则。“黄色物体如果形状规则、边缘清晰、无动态闪烁,标注为非火焰。”写完之后,拿去给标注团队培训,盯着他们标,再抽查一致率。一致率上不去,规则就得改。
这活不需要写代码,但需要坐得住、看得细、想得清楚。算法同事管模型架构,我管“模型该学会什么”。他搭骨架,我喂血肉。
科普中国有一句话说得挺准:AI训练师是模型的“启蒙老师”和“纠错师”。教它认图识字只是第一步,真正难的是教它在什么情况下该犹豫、什么情况下该报警、什么情况下闭嘴。
后来团队扩了,来了新人。算法组那边调参的同事,模型架构玩得溜,但你问他“这个场景用户到底想要什么”,他得愣一下。
我不一样。我每天跟标注团队磨规则,跟产品经理对需求,跟测试组复盘模型哪里翻车了。我知道模型在哪个场景下最容易犯傻,也知道用户最不能容忍哪类错误。 火情识别里,漏报比误报严重得多,所以规则要偏保守;但如果是智能客服的情绪判断,把“有点烦”误判成“愤怒”,反而会激化矛盾。
上海市人工智能行业协会的观察印证了这一点:企业缺的是“技术+垂直行业”背景的复合型人才,市场上供不应求。技术那半块,算法同事有;行业那半块,我手里攥着。
央广网报道过一个案例,一位从教学管理转过来的学员,学完之后发现原先手工排课、资源协调的活,用模型辅助能高效得多。她没有变成程序员,但她变成了最会用AI解决自己那摊事的人。这大概就是“调教”的真正意思:不是你去造模型,是你让模型为你所用。
刚开始我有个错觉:我比算法同事更懂业务,那我是不是比他们厉害?
不是。只是分工不同。
算法同事负责让模型“能跑起来”,我负责让模型“跑对方向”。他不懂火场里什么算隐患,我不懂attention机制怎么算权重。谁离了谁,模型都落不了地。
人民日报转载的那篇报道里,上海一家企业负责人说得实在:缺的是复合型人才,招聘周期拉长、成本上升是普遍现象。复合的意思是,你得有自己的一摊本事,再加上能把AI用在那摊本事上的能力。只懂业务不懂AI,你是传统岗位;只懂AI不懂业务,你是工具人。两样都沾一点,你才是那个“调教”的人。
如果你也在琢磨自己那摊本事能不能跟AI搭上边,不确定该从哪个方向切入、所在城市有没有相关的培训或补贴政策,可以加黄老师微信问问:19247687077(微信同号)。 他帮不了你写规则,但能帮你把路径捋清楚,省得你从标注员做起、做了半年才发现自己该走的是另一条路。

每天教AI认图识字这件事,听起来不高级。但真正让我留下来的,是某天测试报告出来,模型在之前翻车的那批黄色纸箱上,一个都没误报。
算法同事看了一眼说:“规则改对了。”
就这一句话,比任何title都实在。公司里最懂“调教”大模型的人,不是写代码最厉害的那个,是那个能让模型少犯蠢的人。