คนงานล่องหนขับเคลื่อนความสำเร็จของ AI แต่พวกเขามีโอกาสในการทำงานน้อย

ในบทความล่าสุดจาก การตรวจสอบเทคโนโลยีของ MITSapih Savage ผู้อำนวยการห้องปฏิบัติการปฏิสัมพันธ์ระหว่างมนุษย์และคอมพิวเตอร์ของมหาวิทยาลัยเวสต์เวอร์จิเนีย กล่าวถึงปัญหาของ “แรงงานที่มองไม่เห็น” ในอุตสาหกรรม AI แอปพลิเคชันการเรียนรู้เชิงลึกขนาดใหญ่ระดับองค์กรจำนวนมากต้องการข้อมูลการฝึกอบรมจำนวนมหาศาลเพื่อให้เชื่อถือได้ และโดยทั่วไปแล้วการติดฉลากข้อมูลจะทำโดยพนักงานที่ได้รับค่าจ้างต่ำจำนวนมากที่กระจายอยู่ทั่วโลก

โมเดลแมชชีนเลิร์นนิงที่ใหญ่ที่สุดและประสบความสำเร็จมากที่สุดมักได้รับการฝึกอบรมเกี่ยวกับข้อมูลที่ติดป้ายกำกับโดยคนทำงานขนาดใหญ่ บ่อยครั้งผ่านแพลตฟอร์มเช่น Mechanical Turk ของ Amazon พนักงานเครื่องกลชาวเติร์กทำงานเล็กๆ น้อยๆ/งานเล็กๆ ที่เกี่ยวข้องกับการติดป้ายกำกับข้อมูล ตัวอย่างเช่น พนักงานอาจติดป้ายกำกับวัตถุในรูปภาพเพื่อให้ระบบคอมพิวเตอร์วิทัศน์สามารถจดจำวัตถุได้ หรือถอดเสียงบทสนทนาเพื่อให้สามารถใช้งานระบบจดจำเสียงสำหรับผู้ช่วยดิจิทัลได้

การประมาณการบางอย่างทำให้จำนวนพนักงานของ Mechanical Turk ในสหรัฐอเมริกามีมากกว่าครึ่งล้านคน และมากกว่าครึ่งในจำนวนนี้มีรายได้สามในสี่หรือมากกว่านั้นผ่านแพลตฟอร์ม จำนวนคนทำงานกิ๊กบนแพลตฟอร์มอย่าง Mechanical Turk เพิ่มขึ้นในช่วงหลายเดือนที่ผ่านมา เนื่องจากการระบาดของโควิด-19 ทำให้หลายคนตกงาน

Savage พูดถึงวิธีการ แม้ว่าการทำงานของฝูงชนจะไม่ใช่สิ่งเลวร้ายโดยเนื้อแท้ แต่ก็สามารถเป็นการหาประโยชน์ได้ คนงานเหล่านี้ส่วนใหญ่มีรายได้ต่ำกว่าค่าแรงขั้นต่ำ ตำแหน่งเหล่านี้มักจะหยุดนิ่งเนื่องจากไม่อนุญาตให้พนักงานเพิ่มทักษะหรือทำงานที่สามารถระบุในเรซูเม่ได้ง่ายๆ บริษัทเทคโนโลยีอื่นๆ เช่น Microsoft หรือ Google อาจมีแพลตฟอร์มของตนเองที่ใช้รับสมัครพนักงาน แต่กระบวนการมักจะเหมือนกัน

Savage เชื่อว่าบริษัทเทคโนโลยีขนาดใหญ่ที่จ้างพนักงานแบบกระจายไม่ได้เจตนาให้พนักงานได้รับค่าจ้างต่ำกว่าความเป็นจริง Savage ให้เหตุผลว่า เป็นไปได้มากกว่าที่บริษัทเทคโนโลยีจะไม่เข้าใจความเกี่ยวข้องและทักษะของงานที่พวกเขาขอให้พนักงานทำจริงๆ คือคาดหวังว่าจะใช้เวลาไม่นานเท่าที่ทำจริง

Savage ให้เหตุผลว่าสามารถทำการเปลี่ยนแปลงหลายอย่างเพื่อปรับปรุงสภาพการทำงานและเส้นทางอาชีพสำหรับพนักงานที่มองไม่เห็นซึ่งเปิดใช้งานการสร้างแบบจำลอง AI เป็นไปได้ที่จะสร้างระบบที่ช่วยให้ผู้ปฏิบัติงานประเมินว่างานจะใช้เวลานานเท่าใดจึงจะเสร็จสิ้น เพื่อให้พวกเขาตัดสินใจได้ว่าการทำงานนั้นคุ้มค่ากับเวลาของพวกเขาหรือไม่ อันที่จริง Savage กำลังพยายามสร้างแบบจำลอง AI ที่จะช่วยให้พนักงานคาดการณ์ได้ดีขึ้นว่างานใดคุ้มค่ากับเวลามากที่สุด และงานใดจะช่วยให้พวกเขาสร้างทักษะที่ต้องการได้ โมเดล AI ที่นำเสนอจะเรียนรู้ว่าคำแนะนำประเภทใดมีประสิทธิภาพมากที่สุดสำหรับผู้ใช้ปัจจุบัน รับคำติชมและปรับปรุงเมื่อเวลาผ่านไป หากพนักงานต้องการเพิ่มจำนวนเงินที่พวกเขาทำได้ พวกเขาสามารถใช้เครื่องมือ AI เพื่อกำหนดงานที่พวกเขาควรโฟกัส

ในแง่ของการช่วยพนักงานที่มองไม่เห็นในการปรับปรุงทางเลือกในอาชีพ พนักงานอาจได้รับคำแนะนำให้ทำงานที่จะช่วยพวกเขาสร้างทักษะใหม่ๆ บริษัทที่โพสต์งานบนแพลตฟอร์ม microwork เหล่านี้สามารถจัดให้มีการฝึกงานและชั้นเรียนนอกเหนือจากเซสชันการฝึกอบรม ในท้ายที่สุด Savage ให้เหตุผลว่าคนทำงานกิ๊กในพื้นที่เทคโนโลยีจำเป็นต้องได้รับการอนุญาตและเคารพ เหมือนกับพนักงานในส่วนอื่นๆ ของภาคส่วนเทคโนโลยี ดังที่ Savage ถูกยกมา ผ่าน MIT Technology Review:

“มันเกี่ยวกับการเปลี่ยนแปลงการเล่าเรื่องด้วย เมื่อเร็ว ๆ นี้ฉันได้พบกับกลุ่มคนทำงานสองคนที่ฉันได้พูดคุยด้วย และพวกเขาเรียกตัวเองว่าคนทำงานด้านเทคโนโลยีจริง ๆ ซึ่งฉันหมายความว่าพวกเขาเป็นคนทำงานด้านเทคโนโลยีในทางหนึ่งเพราะพวกเขากำลังขับเคลื่อนเทคโนโลยีของเรา เมื่อเราพูดถึงฝูงชน พวกเขามักถูกนำเสนอว่าเป็นงานที่น่ากลัวเหล่านี้ แต่การเปลี่ยนวิธีคิดเกี่ยวกับคนเหล่านี้อาจเป็นประโยชน์ เป็นเพียงงานเทคโนโลยีอีกงานหนึ่งเท่านั้น”

บทสัมภาษณ์ของ Savage เกิดขึ้นเมื่อความสนใจมากขึ้นเกี่ยวกับสิทธิของคนงานกิ๊กในภาคเทคโนโลยี เมื่อเร็ว ๆ นี้ ศาลแรงงานแห่งสหพันธรัฐเยอรมันยอมรับคนทำงานมวลชนว่ามีสถานะทางกฎหมายเป็นพนักงาน ซึ่งอาจมีความเกี่ยวข้องกับการปฏิบัติต่อฝูงชนในเยอรมนีในอนาคต