我坐在出租车上，司机是个四十来岁的中年人，手机支架上的导航屏幕亮着，一个甜美的女声适时提醒：“前方三百米右转。”车子平稳地拐进一条窄巷，司机随口说了句：“这导航真邪门，连这条小路人少都知道。”他不知道的是，为了这句“知道”，背后有无数人坐在电脑前，对着卫星图像，用鼠标一圈一圈地画着这条巷子的轮廓、宽度、通行方向。他们管这叫“标注”。

标注这活儿，说穿了就是给数据当老师。机器不像人，你给它看一张猫的照片，它不知道那团毛茸茸的东西叫猫，更不知道耳朵、胡须、尾巴各是什么。你得先亲手把照片里每一只猫用框框圈出来，把耳朵圈一个，尾巴圈一个，然后告诉机器：“这是猫的耳朵，这是猫的尾巴。”一次不够，得成千上万次，十万次，百万次。有个做自动驾驶的朋友跟我讲过，他们团队早期标注过一段三公里的城市道路，光路口、红绿灯、车道线的标注规则就写了四十多页文档，比高考大纲还细。机器就在这些标注的喂养下，从一个什么都不懂的孩子，慢慢长成一个能辨别世界的“大人”。

但标注又不像教小孩那样简单。小孩你告诉他一次“这是猫”，他下次大概能认出来。机器不行，你给它看一万张带框的猫图，它可能还是把一只圆脸的狗认成猫。于是标注就得做得极其细致，细到什么程度？细到得标注猫的每一根胡须的走向，标注阳光从左侧打过来时猫毛的阴影怎么落在鼻梁上。我见过一个标注员，专门负责给医疗影像里的肺结节做标注，她跟我说，一个三毫米的结节，在CT片子上可能就指甲盖大小的阴影，她得放大十六倍，一笔一笔地沿着边缘勾，手一抖，边界偏了零点几毫米，整个模型就可能把良性误判成恶性。她干了三年，眼睛做了两次手术。

这事儿在外人看来枯燥得可怕，一整天对着屏幕，重复着框选、拖拽、保存的动作。但换个角度想，标注其实是人类在教机器看世界，而且是教得最耐心、最仔细的那种教法。你教孩子认字，不会先教他“字”这个概念本身，但标注恰恰是把“看”这个动作本身拆解成了无数个细小的步骤。比如识别一张街景图，你得先标注出哪些是行人，哪些是骑自行车的人，哪些是推婴儿车的人，三者虽然都是人，但在机器眼里，移动速度和轨迹完全不同，关乎刹车距离的计算。这就像在数据迷宫里埋路标，每一个标注都是一块小小的指示牌，机器沿着这些牌子走，才不至于一头撞在墙上。

标注的难点还在于，它得教会机器理解“模糊”和“例外”这件事。现实世界不是教科书，街上有人牵着狗，有人背着巨大的广告牌，有人穿着跟行道树颜色一模一样的衣服。我采访过一个做安防监控标注的团队，他们的任务是在监控画面里标出“异常行为”。问题来了，什么叫异常？一个人在街上正常走路是正常，一个人突然跑起来可能是赶车，也可能是被追。团队里吵了几天，定下来的标准是：在非紧急情况下，持续快速移动超过十五秒且方向不定，算异常。你看，为了一个“跑”字，他们得拆出这么多前提条件。机器不懂“大概”，你给它一个模糊的指令，它回你一个模糊的结果。标注的意义，就是把人类脑子里的那种“你懂的”翻译成机器能懂的“1和0”。

再说说标注里的人情味。很多人以为标注是纯技术活，其实不然。有个做语音识别的标注员跟我提起过，她标注过一段老爷爷的语音，对方说话带着浓重的方言，口齿也不清楚，她反复听了四十多遍，才勉强辨识出老爷爷在说“我想买个电饭煲，要那种能煮粥的”。她把这句标注得格外仔细，连语气词“嗯”“啊”都标得清清楚楚。后来她说，她突然意识到，机器学会听懂这句话，可能就能帮这位老爷爷在网上买到合适的电饭煲。标注这事儿干久了，人会变得特别细腻，因为你得替机器去体会那些藏在细节里的温度。

当然，标注行业也有它自己的困境。干这行的人大多不在大厂的工位上，而是在三四线城市的数据产业园里，每天工作八小时，对着屏幕机械地画框，月收入三四千。流动性极大，干半年就走人的不在少数。可机器学习的胃口越来越大，标注的需求量却只增不减。有人试着用机器去标注机器，但效果总是不尽如人意，因为机器始终理解不了“语义”背后的那种微妙。比如一张照片里，一个人站在一栋楼前，机器可能会把人标出来，把楼标出来，但它不会标注出“这个人看起来心情不好”这层意思。而恰恰是这些没法量化的信息，才是人类真正教给机器的最宝贵的东西。

回到开头那个导航上的女声。她每一次精准的提示背后，都有标注员在暗处画下的路标。数据迷宫再庞大，迷宫里总有人俯身埋下牌子，告诉机器“往这儿走”，也告诉机器“这儿有个坑”。他们做的是最枯燥的活，却也是最关键的那一环——让机器从冰冷的数据里，学会看见人间的路。这不是技术，是手艺；不是算法，是心法。在数据迷宫里，标注就是那个让机器读懂世界的路标，而埋下路标的人，值得被记住。

没有了！