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(yù)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(xiàn)了瓶頸，總是要靠“人工”去慢慢提升——比方說，當(dāng)機(jī)器無法識別某個對象時，就需要人工將該對象標(biāo)識出來，這就是給數(shù)據(jù)打標(biāo)簽。人工智能的訓(xùn)練催生了人工打標(biāo)簽眾包業(yè)的崛起，Vittoria Elliott聚焦了這個行業(yè)背后的現(xiàn)實(shí)，原文發(fā)表在Rest Of World上，標(biāo)題是：Training self-driving cars for $1 an hour

劃重點(diǎn)：

訓(xùn)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(shù)最大的貢獻(xiàn)在于意外地幫助創(chuàng)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(dāng)并不好掙錢，逐底競爭會導(dǎo)致他們的收入慢慢減少

四年多來，Ramses每天在委內(nèi)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(biāo)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(wù)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(biāo)志——從而讓自動駕駛汽車也可以學(xué)會注意到這些物體。

跟眾多的委內(nèi)瑞拉人一樣，當(dāng)國家陷入經(jīng)濟(jì)動蕩時，Ramses也開始把目光轉(zhuǎn)向微任務(wù)。這份零工讓他有機(jī)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(shù)，他們已經(jīng)成為訓(xùn)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(yè)最突出的板塊之一中發(fā)揮著至關(guān)重要但鮮為人知的作用。

2010 年代初，大概在委內(nèi)瑞拉經(jīng)濟(jì)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(fā)上的花費(fèi)已經(jīng)超過 10 億美元。布魯金斯學(xué)會 2017 年發(fā)布的一份報告估計，科技公司和汽車制造商在該技術(shù)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(dāng)時被認(rèn)為是人工智能的“前沿”。很多公司向投資者和消費(fèi)者承諾，無人駕駛汽車將在幾年之內(nèi)普及。

自動駕駛汽車依靠攝像機(jī)、雷達(dá)傳感器、激光雷達(dá)傳感器、GPS 天線和其他工具來讀取路標(biāo)，并不斷地繪制周圍環(huán)境的地圖。為了讓自己的表現(xiàn)能像人類駕駛員一樣出色，汽車必須快速處理和響應(yīng)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(yīng)對這些以及數(shù)百萬種其他的可能性，為自動駕駛汽車提供動力的復(fù)雜軟件和算法需要大量高度準(zhǔn)確的數(shù)據(jù)——以及一大群人來提供這些數(shù)據(jù)。

隨著開發(fā)自動駕駛汽車的競爭愈演愈烈，那些公司突然發(fā)現(xiàn)自己需要人工來構(gòu)建訓(xùn)練數(shù)據(jù)集。這些數(shù)據(jù)集通常由自動駕駛汽車在試駕過程中捕捉到的數(shù)十萬張圖像和視頻構(gòu)成。而那些工人的任務(wù)是給里面的對象打標(biāo)簽，從而讓機(jī)器學(xué)習(xí)算法可以慢慢學(xué)會區(qū)分樹木和停車標(biāo)志。為了完成所有這些繁瑣的工作，許多公司都把目光轉(zhuǎn)向全世界的眾包行業(yè)，這個行業(yè)會組織大家做一些零散的任務(wù)，比如對餐廳點(diǎn)評進(jìn)行評估或回答調(diào)查問題，從而在網(wǎng)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(yīng)用科學(xué)大學(xué)的教授，從事微任務(wù)行業(yè)和自動駕駛汽車訓(xùn)練的研究，他說：“我認(rèn)為，汽車行業(yè)資金的涌入實(shí)際上已經(jīng)極大地改變了眾包行業(yè)。” 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(diào)查或工作。問題是得到的結(jié)果不一定非常準(zhǔn)確。施密特解釋說：“很多 [數(shù)據(jù)] 都是垃圾。這在自動駕駛汽車領(lǐng)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(wù)和第三方外包公司改變了自己的運(yùn)營方式。首先，這些公司引入了質(zhì)量控制措施，以確保自動駕駛汽車業(yè)客戶的工作幾乎不會出錯。現(xiàn)在不僅有工人在做實(shí)際的貼標(biāo)簽工作，還有其他工人進(jìn)行訓(xùn)練以及對已完成的任務(wù)進(jìn)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(wù)提出問題都不行。據(jù)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(xì)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(xùn)特定的接單人，然后再由后者去教同行并復(fù)核他們的工作。

在疫情之前，菲律賓的行政和金融專業(yè)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(nóng)歷新年假期的時候她也趁機(jī)回家了。但不久之后，隨著疫情的發(fā)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(fā)現(xiàn)了Remotasks，現(xiàn)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(xiàn)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(biāo)注一切。這件事情的規(guī)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(wù)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(dāng)自己最終能返回深圳時，Zuniga說她希望能繼續(xù)從事微任務(wù)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(xiàn)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(nèi)瑞拉的工資標(biāo)準(zhǔn)下降了。他說：“剛開始的時候，我每周可以賺 200 美元。但隨后費(fèi)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(chuàng)公司 Scale AI 所有。這家公司最近的估值已經(jīng)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(fā)言人表示，“工資標(biāo)準(zhǔn)可能會隨著時間的推移而變化，因為這要取決于地點(diǎn)、時間和指定項目的復(fù)雜性等因素。”

多倫多大學(xué)研究人工智能與拉丁美洲外包行業(yè)的研究員Julian Posada表示，他的研究發(fā)現(xiàn)，零工的總體收入正在減少。他說：“當(dāng)這些（眾包）平臺剛開始進(jìn)入市場時，他們要招募人員。但現(xiàn)在打零工的數(shù)量已經(jīng)到達(dá)了臨界點(diǎn)，于是平臺開始降低工資標(biāo)準(zhǔn)。”

微任務(wù)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(nèi)羅畢設(shè)有辦事處的業(yè)務(wù)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(dá)圖像——高分辨率圖片——做標(biāo)注。

但跟 Zuniga 與 Ramses不一樣的是，Olwande是跟數(shù)百名其他員工一起在現(xiàn)場工作的。她的時薪約為 1 美元，而且跟那些在微任務(wù)網(wǎng)站上工作的人一樣，需要保持高度的準(zhǔn)確性。她說：“當(dāng)我的準(zhǔn)確率掉到 88% 時，我曾經(jīng)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(biāo)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(biāo)簽，這樣汽車就不會將水滴誤認(rèn)為是障礙物。

雖然外包行業(yè)可能仍在蓬勃發(fā)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(yīng)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(jī)器依然感到困惑。完善這項技術(shù)可能需要數(shù)十億美元的研發(fā)投入。與此同時，不斷變化的挑戰(zhàn)在工人要執(zhí)行的任務(wù)中也得到了體現(xiàn)。

之前在CloudFactory內(nèi)羅畢分部干過，現(xiàn)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(jīng)改變。他說：“你會發(fā)現(xiàn)他們正在引入其他的新標(biāo)簽。比方說，如果下毛毛雨的話，現(xiàn)在所有的攝像頭都已經(jīng)很強(qiáng)大了，可以捕捉到大氣里面最微小的水滴。”在標(biāo)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(biāo)簽，這樣汽車就不會將水滴誤認(rèn)為是障礙物。

施密特表示，到目前為止，最重要的創(chuàng)新不是自動駕駛汽車本身，而是這個行業(yè)意外地幫助創(chuàng)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(yī)療技術(shù)、智能家居設(shè)備甚至垃圾分類訓(xùn)練人工智能。

施密特說，現(xiàn)在，第三方承包商和微任務(wù)平臺正在想辦法將任務(wù)分解成更小的塊，或者讓人們在手機(jī)上就能完成。這會有助于為更多的工人提供就業(yè)機(jī)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(lián)網(wǎng)。對于這個全球性的勞動力供應(yīng)鏈來說，這確實(shí)是一個龐大的勞動力資源。”