ผู้ทำงานที่มองไม่เห็นเป็นตัวขับเคลื่อนความสำเร็จของ AI แต่มีโอกาสในการพัฒนาอาชีพที่จำกัด

ในบทความล่าสุดจาก MIT’s Technology Review ผู้อำนวยการห้องปฏิบัติการการโต้ตอบระหว่างมนุษย์และคอมพิวเตอร์ของมหาวิทยาลัยเวสต์เวอร์จิเนีย Sapih Savage พูดถึงปัญหาของ “ผู้ทำงานที่มองไม่เห็น” ในอุตสาหกรรม AI หลายแอปพลิเคชันการเรียนรู้ของเครื่องจักรขนาดใหญ่ระดับองค์กรต้องการข้อมูลการฝึกอบรมจำนวนมากเพื่อให้เชื่อถือได้ และการระบุฉลากข้อมูลมักจะทำโดยคนงานที่มีรายได้น้อยที่กระจายอยู่ทั่วโลก

โมเดลการเรียนรู้ของเครื่องจักรที่ใหญ่ที่สุดและประสบความสำเร็จที่สุดมักจะถูกฝึกอบรมด้วยข้อมูลที่มีฉลากโดยคนงานแบบกิก ซึ่งมักจะผ่านแพลตฟอร์มเช่น Amazon’s (AMZN ) Mechanical Turk คนงาน Mechanical Turk จะทำงานแบบไมโครเวิร์ก/ไมโครทาสก์ที่เกี่ยวข้องกับการระบุฉลากข้อมูล ตัวอย่างเช่น คนงานอาจระบุฉลากวัตถุในภาพเพื่อให้ระบบการมองเห็นของคอมพิวเตอร์สามารถรับรู้วัตถุได้ หรือเขียนข้อความเสียงเพื่อให้ระบบการรับรู้เสียงสามารถใช้สำหรับแอสซิสตントดิจิทัล

การประมาณการบางอย่างระบุว่าคนงาน Mechanical Turk ในสหรัฐอเมริกามีมากกว่าครึ่งล้านคน และมากกว่าครึ่งหนึ่งของพวกเขามีรายได้สามในสี่หรือมากกว่านั้นผ่านแพลตฟอร์ม คนงานแบบกิกในแพลตฟอร์มเช่น Mechanical Turk เพิ่มขึ้นในเดือนหลังเนื่องจากการระบาดของโควิด-19 ทำให้หลายคนตกงาน

Savage พูดถึงว่า แม้ว่างานฝูงชนไม่ใช่สิ่งที่ไม่ดีโดยธรรมชาติ แต่ก็อาจเป็นเรื่องที่ใช้คนงานในทางที่ผิด คนงานส่วนใหญ่มีรายได้น้อยกว่าขั้นต่ำ การทำงานเหล่านี้มักจะไม่มีการเปลี่ยนแปลงและไม่ทำให้คนงานสามารถพัฒนาทักษะหรือทำงานที่สามารถเขียนในเรซูเม่ได้ บริษัทเทคโนโลยีอื่นๆ เช่น Microsoft (MSFT ) หรือ Google (GOOGL ) อาจมีแพลตฟอร์มของตนเองที่พวกเขาจ้างคนงาน แต่กระบวนการมักจะเหมือนกัน

Savage เชื่อว่าไม่ใช่ความตั้งใจที่บริษัทเทคโนโลยีขนาดใหญ่ที่จ้างคนงานแบบกระจายจะจ่ายค่าจ้างที่ต่ำให้กับคนงาน Savage แย้งว่ามันอาจเป็นเพราะบริษัทเทคโนโลยีไม่เข้าใจว่างานที่พวกเขาขอให้คนงานทำมีความซับซ้อนและต้องใช้ทักษะมากเพียงใด และคาดหวังว่างานจะไม่ใช้เวลานานเท่าที่ควร

Savage แย้งว่าสามารถทำการเปลี่ยนแปลงหลายอย่างเพื่อปรับปรุงสภาพการทำงานและเส้นทางอาชีพสำหรับผู้ทำงานที่มองไม่เห็นที่ช่วยให้เกิดการสร้างแบบจำลอง AI มันเป็นไปได้ที่จะสร้างระบบที่ช่วยให้คนงานประเมินว่างานจะใช้เวลานานเท่าใดในการทำเสร็จ และตัดสินใจว่างานนั้นจะคุ้มค่ากับเวลาของพวกเขา Savage กำลังพยายามสร้างแบบจำลอง AI ที่จะช่วยให้คนงานสามารถคาดการณ์ได้ดีขึ้นว่างานใดที่มีค่าสำหรับเวลาของพวกเขาและงานใดที่จะช่วยให้พวกเขาได้ทักษะที่ต้องการ แบบจำลอง AI ที่เสนอจะเรียนรู้ว่าคำแนะนำใดที่มีประสิทธิภาพมากที่สุดสำหรับผู้ใช้ปัจจุบัน โดยการรับฟังคำติชมและปรับปรุงอย่างต่อเนื่อง หากคนงานต้องการเพิ่มจำนวนเงินที่พวกเขากำไรได้ พวกเขาสามารถใช้เครื่องมือ AI เพื่อกำหนดว่างานใดที่พวกเขาควรเน้น

ในเรื่องของการช่วยให้ผู้ทำงานที่มองไม่เห็นปรับปรุงตัวเลือกอาชีพ คนงานสามารถได้รับการชี้แนะให้ทำงานที่จะช่วยให้พวกเขาได้ทักษะใหม่ๆ บริษัทที่โพสต์งานในแพลตฟอร์มไมโครเวิร์กเหล่านี้สามารถให้การฝึกอบรมและชั้นเรียนเพิ่มเติมได้ ในที่สุด Savage แย้งว่าคนงานแบบกิกในพื้นที่เทคโนโลยีต้องการที่จะให้ความสำคัญและให้ความเคารพเหมือนกับคนงานในพื้นที่อื่นๆ ของพื้นที่เทคโนโลยี ตามที่ Savage ถูกอ้างถึง ผ่าน MIT Technology Review:

“มันเกี่ยวกับการเปลี่ยนแปลงเรื่องราวด้วย ฉันเพิ่งพบกับคนงานฝูงชนสองคนซึ่งฉันเคยพูดคุยกับพวกเขา และพวกเขาตั้งชื่อตัวเองว่าคนงานเทคโนโลยี ซึ่ง—ฉันหมายถึงว่าพวกเขาเป็นคนงานเทคโนโลยีใน某种วิธีเพราะพวกเขาเป็นพลังงานของเทคโนโลยีของเรา เมื่อเราพูดถึงคนงานฝูงชน พวกเขามักจะถูกนำเสนอในลักษณะที่มีงานที่น่ากลัว แต่มันสามารถช่วยได้ในการเปลี่ยนแปลงวิธีที่เราคิดเกี่ยวกับใครเหล่านี้ มันคือเพียงงานเทคโนโลยีอีกงานหนึ่ง”

การสัมภาษณ์ของ Savage มีขึ้นเมื่อมีการให้ความสนใจมากขึ้นเกี่ยวกับสิทธิของคนงานแบบกิกในภาคเทคโนโลยี เพิ่งไม่นานมานี้ ศาลแรงงานสหพันธรัฐเยอรมนีตัดสินว่าคนงานฝูงชนมีสถานะทางกฎหมายเป็นพนักงาน ซึ่งอาจมีผลกระทบต่อการรักษาคนงานฝูงชนในเยอรมนีในอนาคต