M02.07｜資料標註：教 AI 什麼是對、什麼是錯
AI 不是自學成才 — 每一個正確答案的背後，都有人類老師在標記
本講學習重點
監督式學習需要正確答案(label)讓模型學習
人工標註、半自動(模型預標+人工修正)、群眾外包
多人重複標註取共識、標註指南、抽樣審查
醫療影像每張$1-5美元、自駕車影像每幀$6-10美元
🎙️ Podcast（中文）
一句話搞懂
資料標註就是人類告訴 AI「這張照片裡的是貓」「這封郵件是垃圾信」— 沒有這些正確答案當老師，監督式學習的 AI 什麼也學不會。
白話解說
想像你在教一個完全不懂中文的外國人認字。你拿出一張寫著「大」的卡片說「這是 dà」，拿出「小」說「這是 xiǎo」。教了幾百個字之後，他開始能自己認出新的字了。
AI 的監督式學習也是同樣的過程。你要先準備一大堆「附帶正確答案的資料」— 這些正確答案就叫做標註（Label / Annotation）。圖片分類需要標記「這是貓/狗/鳥」、情緒分析需要標記「這則留言是正面/負面/中性」、物件偵測需要在圖片上畫框標出「這裡有一個行人」。
標註的方法有三種層級：
純人工標註：最傳統也最可靠。找一群人坐在電腦前，一張一張看圖片、一句一句讀文本，然後標記正確答案。優點是品質最高（如果標註者受過訓練的話），缺點是非常慢、非常貴。
半自動標註：先用一個粗糙的模型自動預標註（pre-labeling），然後讓人類來修正錯誤的部分。比如模型先自動框出圖片裡的物件，人類只需要調整框的位置和修正標籤。這可以提升 3-5 倍的標註效率。
群眾外包（Crowdsourcing）：透過平台（如 Amazon Mechanical Turk）把標註任務分發給全球的兼職人員。優點是速度快、成本低；缺點是品質參差不齊，需要設計嚴格的品質控管機制。
標註最大的挑戰不是速度，而是一致性。同一張模糊的照片，甲標為「貓」、乙標為「狗」、丙看不出來標為「其他」。如何確保不同標註者的判斷一致？業界的做法是：(1) 撰寫詳細的標註指南（Labeling Guide），用大量範例說明邊界案例該怎麼標；(2) 多人重複標註，每筆資料至少讓 3 個人標，取多數決；(3) 定期抽樣審查，專家隨機抽查標註品質。
應用場景
場景：一家台灣醫療 AI 新創的影像標註流程
這家公司要做肺部 X 光的 AI 輔助判讀。標註流程的挑戰：
| 環節 | 做法 | 原因 |
|---|---|---|
| 標註者 | 只能用放射科醫師，不能用一般人 | 醫療影像需要專業知識判讀 |
| 標註指南 | 50 頁指南含 200 張範例影像 | 病灶邊界模糊，需要大量範例定義標準 |
| 品質控管 | 每張影像由 3 位醫師獨立標註 | 醫師之間的判讀差異（inter-rater variability）可達 10-15% |
| 共識機制 | 2/3 一致就採納，全部不一致就送主治醫師仲裁 | 減少主觀判斷的影響 |
| 成本 | 每張 X 光標註成本約 NT$150-300 | 醫師時間=高成本 |
| 規模 | 需要至少 50,000 張標註過的影像 | 模型才能學到足夠多的病灶模式 |
總標註成本：50,000 張 x NT$200 = NT$1,000 萬。這還不含醫師培訓、品質審查和重標的成本。這就是為什麼醫療 AI 的開發成本如此高昂。
常見誤區
-
「標註只要找便宜的工讀生就好」 — 取決於任務的專業度。分辨貓狗的標註確實不需要專家；但判斷 X 光裡有沒有腫瘤，你需要放射科醫師。台灣很多 AI 新創為了省成本用非專業人員標註醫療或法律資料，結果模型學到的是錯誤的標準。
-
「標註一次就永遠夠用」 — 標準會變。兩年前你的「客訴分類」只有 5 個類別，現在因為新產品線增加了 3 個類別，舊的標註就不完整了。資料的世界在變，標註也需要持續更新。
-
「大型語言模型（LLM）可以取代人工標註」 — LLM 確實可以協助標註（作為 pre-labeling 工具），但在高風險場景（醫療、金融、法律），LLM 的標註仍需要人類專家審核。GPT-4 自動標註的情緒分析準確率可能有 85%，但剩下 15% 的錯誤在金融合規場景可能造成嚴重後果。
小練習
-
標註指南設計：假設你要建一個 AI 模型來分類客戶留言為「正面」、「負面」、「中性」，請設計一份簡易的標註指南，至少包含：(a) 三個類別的定義、(b) 每個類別的兩個範例、(c) 兩個容易混淆的邊界案例及判斷標準。
-
標註成本估算：假設你要標註 10,000 張產品照片（分類為「合格」或「瑕疵」），每張標註需要 15 秒，時薪 NT$200。計算：(a) 需要多少人時？(b) 如果要求每張 3 人重複標註，總成本是多少？(c) 如果先用模型預標註可省 60% 的時間，成本變多少？