数据标注就像是为机器学习“划重点”和“笔记讲解”。比如我们想让AI创作图画，首先需要让它先学习和识别每幅画画的是什么、颜色是什么、有什么实体在里面，然后AI才能通过这些详细的注解学会模仿并创作出相似的画作。AI的文字生成也是一样，AI需要了解文本数据的情感色彩和使用场景，才能够学会按照不同的情感要求去生成新的句子或文章。没有这些“重点”和“笔记”，机器学习的效率、质量和准确性会受到影响。尽管近年来无监督学习和半监督学习技术也在不断发展，但数据标注依然是精准实现生成式AI的重要因素。

人工智能是要构建一个世界知识体系，而人类的世界知识体系是能理解万事万物的。我们通常的原始数据大部分是非结构化的数据。“比如文字、语音、视频，这些都是非结构化数据。而标注是用人构建的知识体系去给它们打标签，那首先就要理解这个语义，标注如果不对，就可能指鹿为马。”