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。”
本章未完，请点击下一页继续阅读！