人工智能悄然依赖时薪 2 美元的工人
18世纪末，一位被称为“机械土耳其人”的自动国际象棋大师游历了欧洲和美国。该机器由发明家 Wolfgang von Kempelen 于 1770 年设计，似乎能够击败任何人类玩家。
后来证明，土耳其人实际上是一个机械幻象。这是一个穿着东方服装的木偶，它隐藏在土耳其毡帽下，穿着人类国际象棋大师的长袍。美国诗人埃德加·爱伦·坡对土耳其人的骗局深信不疑，因此写了一篇文章来引起人们对这一骗局的关注。
爱伦·坡声称，在国际象棋中，不可能有一种预先确定的机制击败人类的思维，因为“国际象棋中的任何一步棋都不一定会遵循另一步棋。根据棋局中某个阶段的棋子的特定倾向，我们无法预测他们在不同阶段的倾向”。时期。”
今天，人工智能允许计算机做出这样的预测，因此可以公平地假设这种天真的幻想已经过去了。毕竟，现在的计算机可以在国际象棋中击败任何人类。
但人工智能行业也存在类似的错觉。在 Amazon Mechanical Turk（亚马逊自 2005 年以来拥有并运营的在线平台）上，人类活动应该呈现出机械活动的外观。亚马逊土耳其机器人的前提很简单。该网站托管承包商，通常是大型科技公司，将短数据任务外包给一群工人。
这些工作人员完成了机器学习算法尚无法完成的任务。由于这项工作应该看起来像是人工智能正在做的，亚马逊前首席执行官杰夫·贝索斯将该平台称为“人工人工智能”。承包商往往只与平台进行交互，该平台托管任务并为工人提供资源。承包商与工人几乎没有直接接触，因此整个过程就像完全由计算机完成一样。
机器学习是人工智能训练最常见的分支，它依赖于大数据集来训练模型，然后用于进行预测。集成到此过程中的是分析数据以提取模式并做出进一步预测的算法，然后使用这些预测生成进一步的算法。
这些技术接触的数据越丰富，它们的训练就越全面，能力就越复杂，从而提高它们在图像分类、文本分类和语音识别等各种任务中的性能。在许多领域，此类发展赋予了机器通常可以与人类相媲美或超越的能力。人工智能诊断专家在识别某些类型的癌症方面至少已经和医生一样熟练。
但为了找到模式并做出预测，算法需要对输入数据进行标记或分类。例如，自动驾驶汽车的算法必须先接触城市地区详细的带注释的图像，然后才能安全地在市中心周围驾驶车辆。人工智能尚无法自行注释这些图像，因此人类必须对它们进行标记。对于支持自动驾驶车辆训练的任务，这可能涉及使用“行人”、“红绿灯”和“汽车”标签来标记路口图像。
由于任务简短，这种工作通常被称为“微工作”，正变得越来越受欢迎。越来越多的网站（例如 Clickworker、Appen 和 Playment）现在拥有大量工作人员，他们承担这些短数据任务，而且通常报酬很少。一项研究发现，Mechanical Turk 工人的平均工资不到 2 美元/小时，只有 4% 的工人每小时收入超过 7.25 美元（美国最低工资）。任务非常短，运行时间从大约 30 秒到 30 分钟不等，而且通常只需几美分。
这些任务可能非常重复，并且通常不透明，以至于无法与更大的项目相关联。2020 年学术界的一项研究发现，承包商通常很少提供有关其任务和服务目的的详细信息。这意味着工人们几乎不知道他们到底在做什么。当员工可能支持面部识别软件等具有严重道德影响的技术时，这一点尤其令人担忧。
这项工作也非常不安全。工人通常被归类为“独立承包商”，因此他们不享有与他们签订合同的公司全职员工所享有的权利和福利。这意味着工人通常会在一天内为多个承包商工作，这反过来又意味着工人必须不断寻找新任务。一天中的很大一部分时间必须用来找工作，而不是真正做有报酬的工作。
目前，这项工作的大部分是在印度、肯尼亚和委内瑞拉等南半球国家完成的。但一些研究表明，此类数字作品在英国等国家也呈上升趋势。
转载请注明： 人工智能悄然依赖时薪 2 美元的工人 | 跨境湾
