AI-mallit ja alustat

Näkymättömät työntekijät ovat suurelta osin vastuussa tekoälymenestyksestä, mutta heillä on vain vähän uran edetymisen mahdollisuuksia

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

MIT:n Technology Review -julkaisussa julkaistussa artikkelissa Länsi-Virginian yliopiston ihmistieteellisen vuorovaikutuksen laboratorion johtaja, Sapih Savage, puhui “näkymättömien työntekijöiden” ongelmasta tekoälyteollisuudessa. Monet suurten, yrityskohtaisten syvien oppimismallien vaativat valtavan määrän koulutusdataa, jotta ne olisivat luotettavia, ja datan merkintä tehdään yleensä monilla alipalkatuilla työntekijöillä ympäri maailmaa.

Suurimmat ja menestyksekkäimmät koneoppimismallit koulutetaan usein datalla, jota on merkitty gig-työntekijöiden toimesta, usein Amazonin Mechanical Turk -alustalla. Mechanical Turk -työntekijät tekevät mikrotehtäviä, jotka liittyvät datan merkintään. Esimerkiksi työntekijät voivat merkitä objekteja kuvissa, jotta tietokoneen näköjärjestelmä voi tunnistaa objekteja, tai transkriboida dialogia, jotta äänentunnistusjärjestelmää voidaan käyttää digitaalisessa avustajassa.

Joissakin arvioissa Mechanical Turk -työntekijöiden määrä Yhdysvalloissa on yli puoli miljoonaa henkilöä, ja yli puolet heistä ansaitsee kolme neljäsosaa tai enemmän tuloistaan alustan kautta. Gig-työntekijöiden määrä alustoilla kuten Mechanical Turk on kasvanut viime aikoina Covid-19-pandemian aiheuttamien työttömyysongelmien vuoksi.

Savage puhui siitä, että vaikka joukkotyö itsessään ei ole pahasta, se voi olla hyväksikäyttöä. Useimmat näistä työntekijöistä ansaitsevat vähemmän kuin minimipalkkaa. Nämä asemat ovat myös usein tylsiä, koska ne eivät salli työntekijöiden kehittää uusia taitoja tai tehdä töitä, joita he voivat helposti mainita ansioluettelossaan. Muut teknologiayritykset kuten Microsoft (MSFT ) tai Google (GOOGL ) saattavat omilla alustoillaan palkata työntekijöitä, mutta prosessi on usein sama.

Savage uskoo, että suuret teknologiayritykset, jotka työllistävät hajasijoitettuja työntekijöitä, eivät tietoisesti alipalkkaa työntekijöitä. Savage väittää, että teknologiayritykset eivät ymmärrä, kuinka monimutkaisia ja taitavia tehtäviä he pyytävät työntekijöiltään, ja odottavat, että ne eivät kestä niin kauan kuin ne todella kestävät.

Savage väittää, että useita muutoksia voidaan tehdä parantamaan työolosuhteita ja urakehitystä näkymättömille työntekijöille, jotka mahdollistavat tekoälymallien luomisen. On mahdollista luoda järjestelmiä, jotka auttavat tehtävän tekijöitä arvioimaan, kuinka kauan tehtävän suorittaminen kestää, jotta he voivat päättää, onko tehtävän ottaminen heidän aikansa arvoista. Savage yrittää luoda tekoälymallin, joka auttaa työntekijöitä paremmin ennustamaan, mitkä tehtävät ovat heidän aikansa arvoisia ja mitkä tehtävät auttavat heitä kehittämään haluamiaan taitoja. Ehdotettu tekoälymalli oppii, mikä neuvo on tehokkain sen nykyiselle käyttäjälle, ottaa palautetta ja parantaa ajan myötä. Jos työntekijä haluaa lisätä ansaittuaan rahaa, hän voi käyttää tekoälytyökalua määrittämään, mihin tehtäviin hän tulisi keskittyä.

Työntekijöiden urakehitysmahdollisuuksien parantamiseksi työntekijöitä voidaan ohjata tehtäviin, jotka auttavat heitä kehittämään uusia taitoja. Yritykset, jotka julkaisevat tehtäviä näillä mikrotehtävien alustoilla, voivat myös tarjota harjoittelupaikkoja ja kursseja koulutusistuntojen lisäksi. Lopulta Savage väittää, että gig-työntekijöiden on annettava toimivalta ja kunnioitettava, aivan kuten muiden teknologiasektorin työntekijöiden. Kun Savagea haastateltiin MIT Technology Reviewin kautta:

“Se on myös muutoksen aiheuttamista. Tapasin äskettäin kaksi joukkotyöntekijää, joille olen puhunut, ja he kutsuvat itseään teknologiatyöntekijöiksi, mikä – tarkoitan, he ovat teknologiatyöntekijöitä tietyllä tavalla, koska he voimauttavat teknologiamme. Kun puhumme joukkotyöntekijöistä, heidät esitetään usein sellaisina, jotka tekevät kamalat työt. Mutta se voi olla hyödyllistä muuttaa tapaamme ajatella, keitä nämä ihmiset ovat. Se on vain toinen teknologiatyö.”

Savagen haastattelu tulee aikana, jolloin teknologiasektorin gig-työntekijöiden oikeuksia tutkitaan tarkemmin. Juuri äskettäin Saksan liittotyötuomioistuin tunnusti joukkotyöntekijän oikeudelliseksi aseman työntekijänä, mikä saattaa vaikuttaa tulevaan joukkotyöntekijöiden kohteluun Saksassa.

Blogger ja ohjelmoija, jolla on erityisalat Machine Learning ja Deep Learning -aiheissa. Daniel toivoo pystyvänsä auttamaan muita käyttämään tekoälyn voimaa sosiaaliseen hyvään.