第(2/3)页

    方芸没有露出不耐烦的表情，反而把投影翻到下一页。

    “简单说，我们的核心任务统称为‘数据标注与清洗工作’。它具体细分为拉框、图片分类、文本校对等几大类。这些工作不需要繁重的体力劳动，靠的是细心和耐心，高度契合大家的身体情况，只要能操作电脑就能做。”

    “拿‘文本校对’来说，网络上有很多文字和公开资料，里面会有错别字、重复内容、格式混乱，也可能夹杂个人电话、身份证号、住址等不该保留的隐私信息。你们的工作，就是按照规定把这些内容剔除、整理干净。”

    “再比如‘图片分类’和‘拉框’。”方芸按了一下翻页笔，幕布上出现了一张普通的街景照片，但画面里的红绿灯、斑马线、行人和路标，都被不同颜色的线框圈了起来。

    “系统会发给你们海量的照片，你们首先要对其进行准确的图片分类，然后用鼠标，把图片里的关键特征一个个‘拉框’圈出来，打上标签，告诉系统这是什么。另外，图片里如果有车牌、人脸等不能泄露的信息，也需要按流程打上马赛克处理。”

    “电脑自己认不出来吗？我看新闻说现在都有什么人工智能了。”后排有个戴着厚底眼镜的年轻人忍不住插嘴。

    “电脑是很厉害，但现在的‘人工智能’好比刚上学的小孩。”方芸解释得很耐心，

    “你不先人工教它几万遍、几十万遍什么是斑马线、什么是红灯，它以后怎么认识路？如果在网上乱爬资料，里面全是错别字和脏话，它学出来的也就是个流氓。”

    方芸环视了一圈活动室里的人：“我们喂给它什么，它就学什么。你们要做的，就是把垃圾挑出来，把重点画出来，给人工智能整理出一本本‘干净的教材’。”

    活动室里的众人或许并不知道，他们即将参与的，是回响科技乃至整个国家级AI战略最隐秘、也最坚实的底层基建。

    在2015年这个时间节点，外界对人工智能的认知大多还停留在语音助手等概念阶段。

    但顾屿的“九天AI实验室”却已经开始为未来十年的技术爆发疯狂囤积粮草。

    无论是大语言模型进行万亿级参数的训练，还是L4级别自动驾驶所需要的高精地图测绘，其核心本质都是“数据喂养”。

    算法可以迭代，算力可以花钱购买，但真正能拉开代差、形成绝对技术护城河的，是高质量的优质数据。

    互联网上冗杂不堪的语料、未来通过生态设备传回的带有涉密与隐私风险的全球实景图像，如果不经过极其庞大且严苛的人工过滤、脱敏与结构化打标，根本无法成为训练“天问”大模型和供军方使用的安全燃料。

    这就是“微光计划”诞生的底层逻辑。

    李峰没完全听懂什么叫人工智能大模型，但他听明白了最后那个比喻。

    他一直以为高科技是写字楼里那些名牌大学生才懂的东西，没想到有一天，这种教电脑认字认路的基础活儿，会落到他们这些连门都出不去的人手里。

    他忽然觉得，这份工作比穿珠子有意思多了。

    “就是坐在电脑前面，盯屏幕找茬？”李峰问。

    “对，但不是随便盯。每个人都要先培训，通过基础测试才能上岗。系统会把任务拆成小块，也会有复核人员。做得快不一定分高，准确、合规才重要。”

    后排有人问：“是不是按件算钱？做不动就没收入？”

    方芸看向提问的人：“分两种。经过培训、通过考核，签劳动或合作协议的岗位，会有基础保障。根据岗位类型不同，另有任务绩效。居家岗位和园区岗位标准不完全一样，具体合同会写清楚。”

    “基础保障是多少？”

    这个问题一出来，活动室里一下静了。

    方芸没有绕：“培训期有补贴。正式上岗后，基础收入不低于当地最低工资标准。能够稳定完成任务的人，综合收入会更高。我们不承诺所有人都拿高薪，但承诺规则透明，任务记录、复核结果和结算明细都能查。”

    李峰盯着屏幕，手指在轮椅扶手上轻轻敲了两下。

    他最怕的就是“多劳多得”四个字。

    听着好听，实际往往是把人累到半夜，月底拿到几百块，还得被人说效率不够。有了基础保障，这活儿就成了真正的饭碗。

    方芸察觉到大家的顾虑，继续说：

    “还有一点必须提前讲明白。这份工作需要耐心，也需要绝对遵守保密规定。进入系统后，严禁截图，不能私自保存资料，不能把任务内容拿去讨论。违反规则，直接停止合作，严重的甚至要承担法律责任。”

    坐在第一排的大姐问：“那我们干的是不是很重要的东西？会不会哪天有人找上门，说我们泄密？”

    现场有几个人跟着紧张起来。

    方芸摆摆手：“大家只接触经过分级处理后的基础数据。能看到什么、不能看到什么，系统有严格的网络物理隔离限制。你们要做的，就是按流程完成工作，别乱点、别外传。就当自己是流水线上的质检员，和医院收费窗口不能泄露病人信息，道理差不多。”

    这说法朴实，大家都听懂了。
    第(2/3)页