Много от най-успешните модели за машинно обучение се развиват с

Много от най-успешните модели за машинно образование се развиват благодарение на нископлатени служащи
(снимка: CC0 Public Domain)

Моделите на машинно самообразование изискват зареждане с данни – доста данни. Хиляди хора по света работят за тази цел – те обработват данни, с които да бъдат захранени логаритмите на изкуствения разсъдък. Но тези хора постоянно са зле платени. Тяхната работа не им дава никаква вероятност за развиване, не открива никаква опция за професионално израстване. Повечето от тези хора са хванати в клопката на безперспективна работа, която даже заобикалят да загатват. ИИ промишлеността би трябвало да направи нещо, с цел да промени пейзажа, споделя Саиф Севидж – шеф на лабораторията за взаимоотношение човек-компютър в Университета в Западна Вирджиния.

Много от най-успешните и необятно употребявани модели за машинно образование се образоват благодарение на хиляди нископлатени служащи. Милиони хора по света изкарват прехраната си от платформи като Amazon Mechanical Turk, които разрешават на компании и откриватели да разпореждат дребни задания на онлайн „ служащи ”.

Данни за тези чиновници няма, само че съгласно една груба оценка, единствено в Съединени американски щати с това се занимават над един милион души. Около четвърт от тях изкарват по-голямата част от приходите си точно по този метод. Но въпреки да работят за някои от най-богатите лаборатории за ИИ в света, те получават заплата под минималната и нямат никакви изгледи да развият своите умения, да се усъвършенстват, да имат кариера.

Много от дилемите на такива служащи включват етикетиране на данни – изключително данни за изображения – които се включват в следени модели за машинно самообразование, тъй че машините да могат да схващат света по-добре. Други задания включват транскрибиране на звукозаписи.

Например, когато човек приказва с Alexa на Amazon, това се дължи на обстоятелството, че голям брой служащи транскрибират тирада от хиляди хора. Така логаритъмът за различаване на глас се научава да схваща по-добре човешката тирада. Има служащи, които по подобен метод транскрибират уеб страници, помагайки за различаване на неправилно наличие – да вземем за пример педофилия. Ето за какво когато търсим изображения в Гугъл или Bing, сходно наличие не се появява пред очите ни.

Тези служащи правят „ черната ” работа на изкуствения разсъдък – рутинна, повторяема, нископлатена, без никаква вероятност, споделя Севидж, представен в обява по тематиката на.

„ Не считам, че груповата работа на голям брой хора от целия свят (т.нар. crowdwork) е нещо неприятно – това е в действителност добра концепция. Тя доста улеснява компаниите да прибавят външна работна мощ ”, споделя Севидж.
още по тематиката
„ Но има редица проблеми. Единият е, че служащите в тези платформи изкарват доста малко пари. Направихме изследване, в което проследихме стотици служащи на Amazon Mechanical Turk в продължение на няколко години и установихме, че те печелят към 2 $ на час. Това е доста по-малко от минималната заплата в Съединени американски щати. Има хора, които посвещават живота си на тези платформи; това е главният им източник на приходи ”, добавя Севидж.

Това на собствен ред поражда други проблеми. Въпросните платформи не оферират никакви благоприятни условия за развиване, за бъдещи благоприятни условия за работа. Работниците може да се занимават с обработка на данни по през целия ден, само че те не получават вероятност да развият своите умения.

„ Установихме, че доста хора не включват работата си в тези платформи в своите автобиографии ”, показва Севидж. „ Ако кажат, че са работили върху Amazon Mechanical Turk, множеството работодатели даже няма да схванат какво е това ”.

Всичко това приказва и за мотивацията на въпросните служащи. Ако те не желаят да включат сходна работа в биографиите си, белким може да се мисли, че харесват активността си или че са мощно стимулирани? В този ред на мисли идва осъзнаването, че тъкмо тези хора стоят в основата на основаването на логаритми, от които скоро ще зависи животът ни.

„ Изследователите зареждат своите проучвания с труда на тези служащи ”, споделя Севидж. „ Мисля, че е доста значимо да се осъзнае, че една самоуправляема кола или каквото и да е „ интелигентно ” устройство се прави, всъщност, от хора, на които се заплаща по-малко от минимална заплата. Докато мислим за бъдещето на изкуствения разсъдък, ние би трябвало да помислим за бъдещето на работата ”.

Според нея, фирмите, откривателите и лабораториите не са подценили труда на хората от целия свят преднамерено. По-скоро е налице недоосмисляне и недооценяване на цената на дилемите. „ В общия случай те просто не са помислили за другата страна на медала ”, споделя Севидж.

Това, което може да се направи сега, е общността на самонаетите служащи – хилядите хора, които транскрибират записи и етикират фотоси – да се научи да прави оценка офертите на организациите, търсещи сходен труд. Хората би трябвало да си вършат сметка какъв брой време и изпитание лишава дадена задача и да не се съгласяват на евтини, едва платени предложения.