資料標註（data annotation）

監督式學習需要有答案才能學習，而這些答案很少是憑空白來的——通常得有人把它們附上去。資料標註（或稱打標籤），就是給原始資料標上正確答案的這份工作：在照片裡給每個行人畫框、把一條推文標為正面或負面、把一段錄音轉成文字、在掃描影像上標出腫瘤。它是模型所模仿的、由人類提供的真相。

標註從輕快到艱辛不一而足。簡單的任務是每條目點一下（垃圾與否）；困難的可能要一位放射科醫生逐像素勾勒出器官。由於這些標籤成了模型對「正確」的定義，它們的品質就是一切。標註員之間會有分歧、會疲倦、會誤讀規範，所以正經的專案會測量標註者間一致性（獨立的標註者說法相同嗎？）、撰寫細緻的說明，並讓多人標註同一批條目，以發現並化解衝突。

為何重要：標籤往往是一個機器學習專案裡最昂貴、最緩慢、也最不動聲色地舉足輕重的部分。如果標籤嘈雜或有偏，模型就會忠實地學到那份雜訊或偏見——沒有哪種演算法能修好「它被告知為對、實則為錯」的答案。正因如此，如今才有大量精力投向降低標註成本（主動學習：讓模型只針對它覺得最困惑的那些例子來索要標籤），以及審查標籤品質——這正是資料中心AI的核心。