来源: 数字生命卡兹克（ID：Rockhazix）

作者：卡兹克

你有没有想过，当你在网上进行简单的验证码操作时，其实你已经无意间成为了一名“标注民工”？昨天晚上，我在登录QQ邮箱和LOL官网的时候。发现腾讯的验证码变了。不再是之前的验证码了，而是变成了一段Prompt加六张AI生成的图。右下角赫然写着：图片由混元AI生成。腾讯，终于把用验证码做标注的手，伸向了他那12亿的用户。拿验证码当标注系统，让用户免费标注，其实在远古时代，就已经不是什么新鲜事了，但是用生成式AI来跟验证码做结合，这确实还是我，所看的头一回。先说说验证码这个东西。这玩意从最开始发明起，其实只有一个目的，就是为了区分机器和人。简称“CAPTCHA”，全称就贼长了，“Completely Automated Public Turing Test to Tell Computers and Humans Apart”翻译过来是，“全自动区分计算机和人类的图灵测试”。你看看，图灵测试。刚开始，有个斯坦福公益验证码系统，reCAPTCHA。它最成名的项目，就是用验证码来数字化海量的书籍和旧报纸。那时候的Ocr真的不咋地，而且很多年前的书和报纸那糊的真的差强人意。当时，reCAPTCHA系统会向用户在验证码上，展示两组扭曲的单词，其中前面的一组是计算机已经识别的，另一个是计算机难以识别的。如果用户正确输入前半部分，那么 reCAPTCHA就会假设用户输入的后半部分也是正确的，然后把录入结果返回至reCAPTCHA的项目主机。结果返回主机后，主机还会把这个结果再派发给多个用户进行交叉验证，以确保没有不小心或故意输错单词的情况。他们用这个系统，在十几年里，数字化了几千万的书籍和报纸。本来一切都挺美好的，然后，Google下场了，他们把reCAPTCHA给收了。没过多久，就让用户开始识别，google街景中，那些难以识别的门牌号了。。。这其实，就是明晃晃的让你当标注民工，无偿来给google标注训模型了。google那时候几亿用户，每天验证码会被调用上千万次。这大概就好像，让几百万个人每人为给你干5秒钟活儿，然后一分钱都不给一样，你说这是不是已经，把白嫖玩到极致了。直到后面，离谱的东西越来越多，你要标注的东西，也越来越多。比如这些奇奇怪怪非人视角让你选一个bus的照片。当然最离谱最好玩的，得数15年的12306，当时开脚本抢票的太多，12306的流量压力实在太大，被逼的开启了神迹级的验证码，据说人类首次正确率仅为8%，得错3次以上的人占比有65%。这种逆天验证码的题目是这样的。刘慈欣我不敢打包票，但是范伟我是全认出来了。。时间走走停停，一眨眼，来到了2024年。为了自己家的混元大模型，腾讯也把手，伸向了验证码。让我们开始，来做AI绘图大模型的标注了。这部分的标注，其实不是啥图片美学质量的标注，而是对于图片理解和映射的标注。通俗地讲，就是语义理解。现在做的，还是最基础最简单的分类，我们标起来，还是挺轻松的。毕竟里面都知道，左上角是鸭子，中间是老虎，左下角是蜜蜂，右下角是赛车。而那两张白杨树林，其实，你选任意一个，或者选两个，都能过。比如我这个图：一簇在悬挂花盆在生长的多肉。其实你会看到有两张都跟多肉有关，而根据定语，一簇，更符合左上角第一张图，右上角那个其实不是一簇是一堆，但是我选了他，依然能过。而你想把两个都选，你也都能过。所以这个标注之心啊，一点都不藏着掖着。但是确实这个做法很有用，比如还是这句Prompt，真正核心难点是一簇。用这种方式，对整体的语义理解，确实有非常大的帮助。而且现在明显还是初期，给的prompt和图，都非常的简单，标注的难度也不高，甚至一些大厂的标注模型直接机标可能都应付的过来。但是如果下一次，是“一只在清朝宫殿里生长的杜鹃花”呢？一只、清朝宫殿、杜鹃花。难度直接拉满。甚至另外几个选项给你的也不是差异这么大的动物汽车啥的，给你的都是菊花、杜鹃花、喇叭花、玫瑰花，来吧你就选吧，加油啊标注民工。要知道，标注真的很贵的，之前跟国内一家做AI绘图大模型的公司聊过，才知道他们标注分为机标和人标，而人标的成本，大概是数据量的十分之一。也就是你拿出去3000万的数据，人工标一次，就得300万RMB干出去。而腾讯12亿用户，每天验证码起码也是千万的量级，这标注费用，你可以算算这省了多少钱吧。所以说，大厂在如今还在大数据的时代，优势是真的大。。。不过这种标注，目前来看还是只能解决语义理解的标注，但是能把这个解决也已经很牛逼了，虽然美学一般，但是语义理解能达到极强，这就是妥妥的国内版Dalle3。而Dalle3的短板大家肯定也清楚，实在太丑了。而要标美学表现，难度其实就大很多，真的得找懂设计、懂美学的人来标注。Midjourney当年其实就是吃了这波红利。第一波获得用户，而且获得的还是一大波的有美学背景的专业用户，然后每次你生图的时候给你生成4张图拼一块的一张整图，你还必须选一张你觉得最好的进行提取或优化。这就是一种强行的数据标注。所以Midjourney在如今的美学表现上一骑绝尘，是因为他们在美学的标注上，做的太好了，而别的家想在这块赶上，基本不可能，因为最高质量的那波用户，基本已经全在Midjourney那了。而腾讯未来想做这件事，其实在我看来，还真是有可能的。因为你其实看Midjourney的路径，核心点就一个：海量的专业用户。腾讯缺专业用户吗，怎么可能会缺，12亿用户捏在手上，用户画像做的那么齐全，我想把有设计师背景的用户挑出来，难吗？一点都不难。我想给挑出来的这些设计师背景的用户推送美学标注的验证码，难吗？也不难。所以啊，现在在我看来，腾讯的验证码标注，才刚刚向前迈了半步，后面的模型空间，还很大。唯一问题就是，腾讯内部有点封闭，用户画像数据PCG做QQ的那边肯定有，但是混元跟PCG不是一个事业群，也不知道能不能拿得到。。。能拿到的话，那就是王炸。但是不管怎样。你我都已经，身在其中了。10年前，就已经是了。End