來源：36氪
在媒體的渲染下，人工智能似乎無所不能，將要取代很多人干的事情，比如開車。但幾年前科技公司預言的無人車即將遍布大街小巷的場景并沒有到來。人工智能的“智能”似乎出現了瓶頸，總是要靠“人工”去慢慢提升——比方說，當機器無法識別某個對象時，就需要人工將該對象標識出來，這就是給數據打標簽。人工智能的訓練催生了人工打標簽眾包業的崛起，Vittoria Elliott聚焦了這個行業背后的現實，原文發表在Rest Of World上，標題是：Training self-driving cars for $1 an hour
劃重點：
訓練人工智能需要大量廉價勞動力，這些勞動力大都來自亞非拉
迄今為止無人車技術最大的貢獻在于意外地幫助創造了一個龐大的勞動力資源池
對于眾包工人來說這個行當并不好掙錢，逐底競爭會導致他們的收入慢慢減少
四年多來，Ramses每天在委內瑞拉巴基西梅托的家中醒來后，都要打開電腦，開始給圖片打標簽，此舉可以幫助無人車有朝一日無處不在。他的操作要通過一個叫做Remotasks的微任務平臺，去識別街道兩旁隨處可見的普通物體——樹木、燈柱、行人、停車標志——從而讓自動駕駛汽車也可以學會注意到這些物體。
跟眾多的委內瑞拉人一樣，當國家陷入經濟動蕩時，Ramses也開始把目光轉向微任務。這份零工讓他有機會賺到美元，而不是本國貨幣，因為本國貨幣容易受到極高的通貨膨脹的影響。出于隱私的原因，Ramses要求只能用本人的名，他說：“我一周7天都在工作，從不休息，但每周工作7 天，每天工作12 小時，能讓我賺不少錢。”
在全球各地像Ramses這樣的人（其中很多都是在南半球）不在少數，他們已經成為訓練自動駕駛汽車的新勞動力的一部分。這些工人遍布從肯尼亞到菲律賓的各個地方，在科技行業最突出的板塊之一中發揮著至關重要但鮮為人知的作用。
2010 年代初，大概在委內瑞拉經濟開始崩潰的同時，各家公司開始往自動駕駛汽車投入巨資。到 2015 年時，谷歌的母公司在自動駕駛汽車項目的研發上的花費已經超過 10 億美元。布魯金斯學會 2017 年發布的一份報告估計，科技公司和汽車制造商在該技術上的投資已超過 800 億美元，所有這些努力都是為了讓自己能站上當時被認為是人工智能的“前沿”。很多公司向投資者和消費者承諾，無人駕駛汽車將在幾年之內普及。
自動駕駛汽車依靠攝像機、雷達傳感器、激光雷達傳感器、GPS 天線和其他工具來讀取路標，并不斷地繪制周圍環境的地圖。為了讓自己的表現能像人類駕駛員一樣出色，汽車必須快速處理和響應不斷變化的信息流。一條迷路的小狗、突然下起的陣雨，或一個壞掉的交通燈都可以讓無人駕駛出問題。為了應對這些以及數百萬種其他的可能性，為自動駕駛汽車提供動力的復雜軟件和算法需要大量高度準確的數據——以及一大群人來提供這些數據。
隨著開發自動駕駛汽車的競爭愈演愈烈，那些公司突然發現自己需要人工來構建訓練數據集。這些數據集通常由自動駕駛汽車在試駕過程中捕捉到的數十萬張圖像和視頻構成。而那些工人的任務是給里面的對象打標簽，從而讓機器學習算法可以慢慢學會區分樹木和停車標志。為了完成所有這些繁瑣的工作，許多公司都把目光轉向全世界的眾包行業，這個行業會組織大家做一些零散的任務，比如對餐廳點評進行評估或回答調查問題，從而在網上賺錢。
弗洛里安·亞歷山大·施密特（Florian Alexander Schmidt）是德國德累斯頓應用科學大學的教授，從事微任務行業和自動駕駛汽車訓練的研究，他說：“我認為，汽車行業資金的涌入實際上已經極大地改變了眾包行業。” 以在過去，外包公司主要靠提供大量工人，從而批量、快速、低成本地完成大量調查或工作。問題是得到的結果不一定非常準確。施密特解釋說：“很多 [數據] 都是垃圾。這在自動駕駛汽車領域是不可接受的。”
施密特說，在過去幾年的時間里，很多微任務和第三方外包公司改變了自己的運營方式。首先，這些公司引入了質量控制措施，以確保自動駕駛汽車業客戶的工作幾乎不會出錯。現在不僅有工人在做實際的貼標簽工作，還有其他工人進行訓練以及對已完成的任務進行檢查和糾正。
這些公司還拉開客戶跟工人之間的距離，他們往往沒法向公司提供反饋，甚至就分配給他們的任務提出問題都不行。據我們交流過的九名工人說，客戶通常會就要完成的每種工作給出詳細的指令，但跟他們幾乎沒有直接的互動。在某些情況下，公司會派出代表親自培訓特定的接單人，然后再由后者去教同行并復核他們的工作。
在疫情之前，菲律賓的行政和金融專業人士Marissa Zuniga作為一名海外菲律賓工人 （OFW） 曾在深圳生活了近 20 年，然后把掙到的錢寄回給自己在奎松市的家人。跟許多在中國打工的菲律賓人一樣，2020 年初中國農歷新年假期的時候她也趁機回家了。但不久之后，隨著疫情的發展，兩國都開始限制旅行。Zuniga被困在了菲律賓，失去了原先的工作。
她很快就通過Facebook上面的廣告發現了Remotasks，現在她每天的工作就是檢查平臺上其他接單人的工作，確保其近可能的接近完美。Zuniga 說：“我現在的項目是確保給汽車在路上能看到的所有東西都著上色。你得標注一切。這件事情的規模非常龐大。”
跟平臺的很多其他工人一樣，Zuniga 每完成一項任務就會獲得報酬。可能需要三四天時間才能完成的一項艱巨工作能讓她賺到 20 到 30 美元。當自己最終能返回深圳時，Zuniga說她希望能繼續從事微任務工作來增加收入。她說：“如果按每小時算的話，這份工作掙不了多少錢。但我很享受現在所做的工作。”
而Ramses這邊在幾個月前最終決定停掉Remotasks平臺的工作，因為委內瑞拉的工資標準下降了。他說：“剛開始的時候，我每周可以賺 200 美元。但隨后費率下降了。有時候我一周只能掙20 美元或 30 美元。” 他最終決定離開這個國家，到別處尋找工作。
Remotasks由總部位于舊金山的初創公司 Scale AI 所有。這家公司最近的估值已經超過 70 億美元，從投資者處籌集到的融資超過了 6 億美元。在一份聲明中，該公司的一位發言人表示，“工資標準可能會隨著時間的推移而變化，因為這要取決于地點、時間和指定項目的復雜性等因素。”
多倫多大學研究人工智能與拉丁美洲外包行業的研究員Julian Posada表示，他的研究發現，零工的總體收入正在減少。他說：“當這些（眾包）平臺剛開始進入市場時，他們要招募人員。但現在打零工的數量已經到達了臨界點，于是平臺開始降低工資標準。”
微任務眾包公司并不是唯一從自動駕駛汽車熱潮中獲利的。2019 年，在生完孩子后， Joy Olwande 希望重返肯尼亞的勞動力市場。她看到了CloudFactory（在內羅畢設有辦事處的業務流程外包公司）正在為多個人工智能項目招聘員工。六個月來，Olwande每天都要工作兩個班次，每次四小時，中間有休息時間。在其中一個班次上，她要為自動駕駛汽車的激光雷達圖像——高分辨率圖片——做標注。
但跟 Zuniga 與 Ramses不一樣的是，Olwande是跟數百名其他員工一起在現場工作的。她的時薪約為 1 美元，而且跟那些在微任務網站上工作的人一樣，需要保持高度的準確性。她說：“當我的準確率掉到 88% 時，我曾經收到過一次警告。”雖然Olwande很喜歡這份工作以及自己的同事，但半年后她還是離開了，去找了一份通勤時間更短、薪水更高的工作。
在標簽的類別里面，有一個類別叫做“大氣”，工人要為每一滴水都打上標簽，這樣汽車就不會將水滴誤認為是障礙物。
雖然外包行業可能仍在蓬勃發展，但自動駕駛汽車公司所承諾的未來——街上將被自動駕駛汽車塞滿——尚未到來。今年 5 月，《紐約時報》曾報道稱，汽車仍然無法應對駕駛時可能遭遇的眾多場景。道路外傾或霧氣之類的東西對人類來說也許司空見慣，但機器依然感到困惑。完善這項技術可能需要數十億美元的研發投入。與此同時，不斷變化的挑戰在工人要執行的任務中也得到了體現。
之前在CloudFactory內羅畢分部干過，現為Remotasks員工的Timm Ndirangu Gachanja說，他注意到上面要求他和他的同事要識別的東西已經改變。他說：“你會發現他們正在引入其他的新標簽。比方說，如果下毛毛雨的話，現在所有的攝像頭都已經很強大了，可以捕捉到大氣里面最微小的水滴。”在標簽的類別里面，有一個類別叫做“大氣”，工人要為每一滴水都打上標簽，這樣汽車就不會將水滴誤認為是障礙物。
施密特表示，到目前為止，最重要的創新不是自動駕駛汽車本身，而是這個行業意外地幫助創造了一個龐大的勞動力資源池。受采訪的部分工人表示，他們還為醫療技術、智能家居設備甚至垃圾分類訓練人工智能。
施密特說，現在，第三方承包商和微任務平臺正在想辦法將任務分解成更小的塊，或者讓人們在手機上就能完成。這會有助于為更多的工人提供就業機會。施密特說：“想想看，未來幾年較貧窮的國家會有多少人能用上不錯的互聯網。對于這個全球性的勞動力供應鏈來說，這確實是一個龐大的勞動力資源。”
