Usynlige arbeidere driver mye av AI-suksessen, men de har få karriereperspektiver

I en nylig artikkel fra MIT’s Technology Review, snakket direktøren for West Virginia University’s human-computer interaction lab, Sapih Savage, om problemet med “usynlige arbeidere” i AI-industrien. Mange av de store, enterprise-skala dyptelæringsapplikasjonene krever en enorm mengde treningdata for å være pålitelige, og datamerkingen utføres vanligvis av mange lavtlønnede arbeidere fordelt over hele verden.

De største og mest suksessfulle maskinlæringsmodellene er ofte trent på data merket av gig-arbeidere, ofte gjennom plattformer som Amazons Mechanical Turk. Mechanical Turk-arbeidere tar på seg mikrojobber/mikrooppgaver som innebærer merking av data. For eksempel kan arbeidere merke objekter i bilder så enn datavisjonssystem kan gjenkjenne objekter, eller transkribere dialog så enn talegjenkjenningssystem kan brukes til en digital assistent.

Noen estimater setter antallet Mechanical Turk-arbeidere i USA til over en halv million mennesker, og over halvparten av dem tjener tre firedeler eller mer av sin inntekt gjennom plattformen. Antallet gig-arbeidere på plattformer som Mechanical Turk har økt i de siste månedene på grunn av Covid-19-pandemien som har satt mange arbeidsløse.

Savage snakket om hvordan, selv om crowd-arbeid ikke er en innebygget dårlig ting, kan det potensielt være utnyttende. Flertallet av disse arbeiderne tjener under minimumslønn. Disse stillingene tenderer også til å være stagnerende siden de ikke tillater arbeidere å utvikle nye ferdigheter eller gjøre arbeid som de lett kan liste på en CV. Andre teknologiselskaper som Microsoft (MSFT ) eller Google (GOOGL ) kan ha sine egne plattformer som de rekrutterer arbeidere på, men prosessen er ofte den samme.

Savage tror det ikke er meningen at store teknologiselskaper som ansatter distribuerte arbeidere skal underbetale arbeidere. Savage argumenterer for at det er mer sannsynlig at teknologiselskaper ikke forstår hvor involvert og kvalifisert arbeidet de ber arbeiderne om å gjøre faktisk er, og forventer at det ikke tar like lang tid som det faktisk gjør.

Savage argumenterer for at en rekke endringer kan gjøres for å forbedre arbeidsforhold og karrierevei for de usynlige arbeiderne som muliggjør skapingen av AI-modeller. Det er mulig å skape systemer som hjelper oppgavearbeidere å vurdere hvor lang tid en oppgave vil ta å fullføre, og la dem bestemme om å påta seg oppgaven vil være verdt deres tid. I virkeligheten prøver Savage å skape en AI-modell som vil hjelpe arbeidere å bedre predikere hvilke oppgaver som er mest verdt deres tid og hvilke oppgaver som vil hjelpe dem å bygge de ønskede ferdighetene. Den foreslåtte AI-modellen vil lære hva type råd som er mest effektivt for dens nåværende bruker, ta imot tilbakemeldinger og forbedre seg over tid. Hvis en arbeider ønsker å øke mengden penger de tjener, kan de bruke AI-verktøyet til å bestemme hvilke oppgaver de bør fokusere på.

I forhold til å hjelpe usynlige arbeidere å forbedre karrierevalg, kan arbeidere bli veiledet mot oppgaver som vil hjelpe dem å bygge nye ferdigheter. Selskaper som poster oppgaver på disse mikroarbeidsplattformene kan også tilby praktikantstillinger og klasser i tillegg til opplæringsøkter. Til slutt argumenterer Savage for at gig-arbeidere i teknologisektoren må bli gitt agentur og respektert, akkurat som arbeidere i andre deler av teknologisektoren. Som Savage ble sitert via MIT Technology Review:

“Det handler om å endre narrativen også. Jeg møtte nylig to crowd-arbeidere som jeg har snakket med, og de kaller seg selv teknologiarbeidere, hvilket – jeg mener, de er teknologiarbeidere på en måte fordi de driver vår teknologi. Når vi snakker om crowd-arbeidere, presenteres de vanligvis som havende dårlige jobber. Men det kan være nyttig å endre måten vi tenker på hvem disse menneskene er. Det er bare en annen teknologijobb.”

Savages intervju kommer som mer oppmerksomhet blir gitt til rettighetene til gig-arbeidere i teknologisektoren. Nettopp nylig anerkjente den tyske føderale arbeidsretten en crowd-arbeider som havende den juridiske statusen som en ansatt, kanskje med implikasjoner for fremtidig behandling av crowd-arbeidere i Tyskland.