يقود العمال غير المرئيين الكثير من نجاح الذكاء الاصطناعي ، لكن لديهم فرص عمل قليلة

في مقال حديث من مراجعة تكنولوجيا معهد ماساتشوستس للتكنولوجياتحدث مدير مختبر التفاعل بين الإنسان والحاسوب في جامعة وست فرجينيا ، سابيه سافاج ، عن مشكلة "العمال غير المرئيين" في صناعة الذكاء الاصطناعي. تتطلب العديد من تطبيقات التعلم العميق الكبيرة على نطاق المؤسسة قدرًا هائلاً من بيانات التدريب لتكون موثوقًا بها ، وعادةً ما يتم تصنيف البيانات بواسطة العديد من العمال ذوي الأجور المنخفضة الموزعين في جميع أنحاء العالم.

غالبًا ما يتم تدريب أكبر نماذج التعلم الآلي وأكثرها نجاحًا على البيانات التي يصنفها عمال الوظائف المؤقتة، وغالبًا ما يتم ذلك من خلال منصات مثل Amazon Mechanical Turk. يتولى العمال الميكانيكيون الأتراك أعمالًا صغيرة/مهام صغيرة تتضمن تصنيف البيانات. على سبيل المثال، قد يقوم العمال بتسمية الأشياء في الصور حتى يتمكن نظام رؤية الكمبيوتر من التعرف على الأشياء، أو نسخ الحوار بحيث يمكن استخدام نظام التعرف على الصوت كمساعد رقمي.

تشير بعض التقديرات إلى أن عدد عمال ميكانيكا الترك في الولايات المتحدة يزيد عن نصف مليون شخص ، ويكسب أكثر من نصفهم ثلاثة أرباع أو أكثر من دخلهم من خلال المنصة. نما عدد عمال الوظائف المؤقتة على منصات مثل Mechanical Turk في الأشهر الأخيرة بسبب جائحة Covid-19 الذي أدى إلى عطل الكثيرين.

تحدث سافاج عن كيف أن العمل الجماعي ليس شيئًا سيئًا بطبيعته ، إلا أنه من المحتمل أن يكون استغلاليًا. غالبية هؤلاء العمال يكسبون أقل من الحد الأدنى للأجور. تميل هذه الوظائف أيضًا إلى الركود لأنها لا تسمح للعمال بزيادة المهارات أو القيام بعمل يمكنهم بسهولة إدراجه في السيرة الذاتية. قد يكون لشركات التكنولوجيا الأخرى مثل Microsoft أو Google منصاتها الخاصة التي توظف العمال عليها ، لكن العملية غالبًا ما تكون هي نفسها.

يعتقد سافاج أنه ليس من المتعمد أن تدفع شركات التكنولوجيا الكبيرة التي توظف عمال موزعين أجوراً زهيدة للعمال. يجادل Savage بأنه من المرجح أن شركات التكنولوجيا لا تفهم مدى مشاركة ومهارة العمل الذي تطلب من عمالها القيام به في الواقع ، وتتوقع ألا يستغرق الأمر وقتًا طويلاً كما يحدث بالفعل.

يجادل سافاج بأنه يمكن إجراء عدد من التغييرات لتحسين ظروف العمل والمسار الوظيفي للعمال غير المرئيين الذين يتيحون إنشاء نماذج الذكاء الاصطناعي. من الممكن إنشاء أنظمة تساعد العاملين في المهام على تقييم المدة التي ستستغرقها المهمة لإكمالها ، مما يسمح لهم بتحديد ما إذا كان تولي المهمة يستحق وقتهم. في الواقع ، يحاول Savage إنشاء نموذج ذكاء اصطناعي يساعد العمال على التنبؤ بشكل أفضل بالمهام التي تستحق وقتهم والمهام التي ستساعدهم على بناء المهارات المطلوبة. سيتعلم نموذج الذكاء الاصطناعي المقترح نوع النصيحة الأكثر فاعلية لمستخدمه الحالي ، مع تلقي التعليقات ، والتحسين بمرور الوقت. إذا أراد عامل زيادة مبلغ المال الذي يكسبه ، فيمكنه استخدام أداة الذكاء الاصطناعي لتحديد المهام التي يجب التركيز عليها.

فيما يتعلق بمساعدة العمال غير المرئيين على تحسين الخيارات المهنية ، يمكن توجيه العمال نحو المهام التي من شأنها مساعدتهم على بناء مهارات جديدة. يمكن للشركات التي تنشر المهام على منصات الأعمال الصغيرة هذه أن توفر أيضًا تدريبات ودروسًا بالإضافة إلى الجلسات التدريبية. في النهاية ، يجادل Savage بأن العاملين في مجال التكنولوجيا يحتاجون إلى وكالة واحترامهم ، تمامًا مثل العمال في أي جزء آخر من قطاع التكنولوجيا. كما نقل عن سافاج عبر MIT Technology Review:

"يتعلق الأمر بتغيير السرد أيضًا. التقيت مؤخرًا مع اثنين من العاملين في الحشد الذين تحدثت إليهم ، وهما في الواقع يطلقان على نفسيهما اسم عمال التكنولوجيا ، والذي - أعني ، أنهم عاملون في مجال التكنولوجيا بطريقة معينة لأنهم يدعمون تقنيتنا. عندما نتحدث عن عمال الحشود ، يتم تقديمهم عادةً على أنهم يمتلكون هذه الوظائف الرهيبة. ولكن قد يكون من المفيد تغيير الطريقة التي نفكر بها بشأن من هم هؤلاء الأشخاص. إنها مجرد وظيفة تقنية أخرى ".

تأتي مقابلة Savage مع إيلاء المزيد من الاهتمام إلى حق عمال الوظائف المؤقتة في قطاع التكنولوجيا. مؤخرا اعترفت محكمة العمل الفيدرالية الألمانية بأن عامل التجمهر يتمتع بالوضع القانوني للموظف ، وربما يكون له آثار على المعاملة المستقبلية لعمال الحشد في ألمانيا.