有一位网友总结道：任何华丽成果的背后，都是一条非常枯燥的创作之路，比如一副健美、健壮的好皮囊背后，一定是每天撸铁，上千次地锻炼而成，还有精致时尚的 iPhone手机，背后则是富士康工人历经上百个组装步骤完成的。现如今，人工智能AI技术正在大热，华丽丽的最高端技术，几乎能酝酿出新一轮的科技革命，但普通人很难想象到，在AI系统建制完成前，也需要大量重复、枯燥的密集劳动，最典型的工作就是给数据贴标签。众所周知，人工智能涉及的领域非常广泛，有着琳琅满目的分支，其中，Machine learning是一个比较热门的项目，同样也是需要花费大量基础劳动维护的项目。

Machine learning顾名思义就是机器向人类学习，更准确的说法，则是“人类要教会机器”，是靠着上万次的重复劳动教会它们的。

总得来说，人工智能有两个重要的支柱，一个是海量的数据、大大的数据；另一个则是高精度算法，显然，算法需要一小撮的天才来编辑和优化，而海量的大数据，除了机器本身的收集能力之外，还需要大量的人工操作，给相关的数据贴上固定的标签。

海量数据，为什么依靠人工来贴标签？

在电子信息时代以前，因缺乏合适的记忆载体，大自然的数据和人类的行为，绝大多数是没有被记录和保存的。现在，随着移动互联网的发展，信号无处不在，手机又是随身携带的，以至于，我们的任何行为都会被记录下来，形成或有价值或无价值的数据，如微信会记录下用户每天的步数，还给他们弄个排名，以刺激其加强锻炼；网络购物则会知晓消费者的喜好，从而在合适的时间推送出合适的商品；滴滴打车常年追踪着乘客经常去哪里，一来二去就能计算出一些“打车最佳路线”等等，但显然，单凭借这些自然地、无意识的数据，还远远达不到人工智能的远景目标，依旧需要大量的人工来“制造”数据。

毫无疑问，未来人工智能应用最广泛的领域，就是那些基于“经验”的领域，比如中医领域，无论它多么神秘或者高深莫测，本质上就是“不太复杂”的大数据：神农氏尝百草，就是收集数据的过程，而古代治疗疑难杂症，就是要不断地尝试，直到找到可以治愈疾病的良药，在可预见的未来，有很大一部分的医疗诊断，都会交给人工智能，机器扫描病人之后，只需要从数据库中找到对应症状即可，但在人工智能足够聪明之前，人类需要先将“数据传授给机器”，如印度的一位女工，拿到一段结肠的医疗视频之后，会利用自己的专业知识寻找到其中的“息肉”，即大肠中可能导致癌症的小肿块，看起来有点像黏糊糊的痘痘。当她们找到息肉时，就用电脑鼠标和键盘标记，在这个“凸起”周围，画一个机器能识别的圆圈，之后，当人工智能扫描到这个圆圈时，就能做出判断：恩，这就是息肉。