Για μία ολόκληρη εβδομάδα τον προηγούμενο μήνα, αυτή ήταν η καθημερινότητά μου, καθώς πραγματοποιούσα συλλογή δεδομένων από την άνεση του διαμερίσματός μου. Η εργασία μου συνίστατο στην εκπαίδευση ανθρωποειδών ρομπότ σε διάφορες κοινές οικιακές εργασίες, όπως το πλύσιμο πιάτων, το δίπλωμα ρούχων και το σερβίρισμα ποτών, μεταξύ άλλων απλών και επαναλαμβανόμενων δραστηριοτήτων. Είναι πλέον ευρέως αποδεκτό ότι, εάν τα ρομπότ πρόκειται να συνυπάρξουν μαζί μας και να προσφέρουν βοήθεια στο σπίτι, είναι απολύτως απαραίτητο να αναπτύξουν λεπτές κινητικές δεξιότητες. Εκτέλεσα τις οικιακές μου εργασίες με μία αίσθηση υπερηφάνειας, καθώς συνήθως δεν συνεισφέρω σε μαζικά σύνολα δεδομένων όταν τακτοποιώ τα προσωπικά μου αντικείμενα. Επιπλέον, ένιωσα ικανοποίηση που κατάφερα να κερδίσω και κάποια χρήματα από αυτή τη διαδικασία.
Τα βίντεο πρώτου προσώπου, τα οποία καταγράφονται με κάμερα προσαρτημένη στο κεφάλι ή στο στήθος ενός ατόμου, αποτελούν μία ολοένα και αυξανόμενη ανάγκη, καθώς περισσότερες εταιρείες καταβάλλουν προσπάθειες για την κατασκευή ρομπότ και τη βελτίωση των μοντέλων τεχνητής νοημοσύνης τους. Παρόλο που το διαδίκτυο είναι γεμάτο με βίντεο που μπορούν να αντληθούν, συγκεκριμένα και εξαιρετικά εξειδικευμένα κλιπ – όπως χιλιάδες κοντινά πλάνα που απεικονίζουν χέρια να χύνουν νερό σε ένα ποτήρι χωρίς να χυθεί – μπορούν να αποδειχθούν κρίσιμα για την ακριβή ρύθμιση των μηχανών, ώστε να υπερέχουν σε πραγματικές εργασίες. Αυτός ο τρόπος καταγραφής, ο οποίος αναφέρεται ως «εγωκεντρικά δεδομένα», έχει τόσο μεγάλη ζήτηση που ορισμένοι επενδυτές εκτιμούν ότι κορυφαίες εταιρείες θα αγοράσουν εκατοντάδες εκατομμύρια ώρες τέτοιων δεδομένων από τρίτους προμηθευτές μέσα στα επόμενα χρόνια.
Ο Avi Patel, ο 22χρονος ιδρυτής της αγοράς συλλογής δεδομένων Kled, δηλώνει χαρακτηριστικά: «I want every person on the planet to be recording themselves doing the dishes. That’s going to make a robot so that you never have to do the dishes ever again.» Η συλλογή εγωκεντρικών δεδομένων καταγράφει ήδη σημαντική ανάπτυξη σε χώρες όπως η Ινδία, όπου, γενικά, οι αυτοαπασχολούμενοι εργαζόμενοι κερδίζουν κατά μέσο όρο περίπου 125 δολάρια τον μήνα, και αυτές οι εργασίες βίντεο πρώτου προσώπου μπορούν να προσφέρουν παρόμοιες αμοιβές.
Καθώς το ενδιαφέρον για αυτή την αγορά διογκώνεται, όλο και περισσότερες εταιρείες συλλογής δεδομένων επιδιώκουν να επεκταθούν στις Ηνωμένες Πολιτείες. Ένα χαρακτηριστικό παράδειγμα είναι η αυτόνομη εφαρμογή Tasks της DoorDash, η οποία κυκλοφόρησε νωρίτερα φέτος. Δεν θα αργήσει πολύ η στιγμή που πολλοί εργαζόμενοι σε θέσεις μερικής απασχόλησης (gig workers) στις ΗΠΑ ενδέχεται να αρχίσουν να «παραδίδουν πραγματικότητα» προκειμένου να τα βγάλουν πέρα οικονομικά, πέρα από τις συνήθεις παραδόσεις φαγητού σε θερμοκρασία δωματίου.
Ευτυχώς, διέθετα ήδη μία βάση στήριξης smartphone για το κεφάλι, την οποία είχα αποκτήσει από προηγούμενες δοκιμές της εφαρμογής Tasks της DoorDash. Η εντύπωσή μου, ακόμη και τότε, ήταν ότι τα εξατομικευμένα δεδομένα βίντεο αποτελούσαν το δυστοπικό μέλλον της εργασίας μερικής απασχόλησης. Ωστόσο, επιθυμούσα να κατανοήσω καλύτερα αυτή την αναπτυσσόμενη βιομηχανία. Δεδομένου ότι η εφαρμογή Tasks δεν είναι διαθέσιμη στην Καλιφόρνια, όπου διαμένω, αποφάσισα να εγγραφώ σε τρεις άλλες πλατφόρμες: την Kled, τη Luel και τη Waffle Video.
Τα χρήματα που κατάφερα να κερδίσω ήταν πενιχρά. Ουσιαστικά, εκπαίδευσα τα ρομπότ σχεδόν δωρεάν και τα έσοδα δεν ήταν αρκετά για να καλύψουν ένα σημαντικό μέρος του ενοικίου των 2.500 δολαρίων τον μήνα στο Σαν Φρανσίσκο, το οποίο μοιράζομαι με τον σύντροφό μου. Ωστόσο, οι συγκεκριμένες εργασίες είχαν ένα απροσδόκητο πλεονέκτημα: το διαμέρισμά μου δεν ήταν ποτέ τόσο καθαρό.
Τα δεδομένα εκπαίδευσης ρομπότ αποτελούν μόνο ένα μικρό μέρος του συνόλου των πληροφοριών που συλλέγει η Kled από τους πάνω από 300.000 χρήστες της. Κυρίως, η startup πληρώνει τους ανθρώπους για να ανεβάζουν ολόκληρο το φωτογραφικό τους αρχείο (camera roll) ως δεδομένα εκπαίδευσης τεχνητής νοημοσύνης. Ο Patel έχει παρατηρήσει ότι οι πρώτοι χρήστες υιοθέτησαν αυτή την εργασία μερικής απασχόλησης στη Μαλαισία, και υπάρχει μία ενότητα «ειδικών εργασιών» που έχει ως στόχο την προώθηση των υποβολών βίντεο. Οι χρήστες επιλέγουν, από μία λίστα, ποια οικιακή εργασία επιθυμούν να κινηματογραφήσουν και στη συνέχεια καταγράφουν το περιεχόμενο απευθείας μέσω της εφαρμογής. Δεν αναφέρεται ωριαία αμοιβή για αυτές τις εργασίες. Κάθε μία χαρακτηρίζεται ως χαμηλής, μεσαίας ή υψηλής αμοιβής, χωρίς να προσδιορίζεται ένα συγκεκριμένο εύρος. (Η εταιρεία αναφέρει ότι σε περίπου ένα μήνα, μία ενημέρωση θα περιλαμβάνει τις αμοιβές για πολλές, αλλά όχι όλες, τις εργασίες.)
Επέλεξα την εργασία «βγάλτε τα σκουπίδια» ως την πρώτη μου αποστολή εκπαίδευσης ρομπότ στην πλατφόρμα Kled. Αυτή η εργασία χαρακτηρίζεται ως «μεσαίας αμοιβής». Η έναρξη της διαδικασίας ήταν εύκολη, καθώς η εφαρμογή καθοδηγεί τους χρήστες σχετικά με το τι πρέπει να καταγράψουν:
Description: Capture how you take out your household trash to help train real-world robotics workflows.
Task Requirements: Record a continuous in-app video showing: removing the bag, tying it, placing a new liner, and throwing the trash out. Keep the camera steady and avoid filming faces.
Πέρασα τον ιμάντα του smartphone στο κεφάλι μου και κινηματογράφησα καθώς έδενα τη σακούλα των σκουπιδιών της κουζίνας και τη μετέφερα στον κάδο του στενού πίσω από το διαμέρισμά μου. Ένιωθα λίγο αγχωμένος για την πιθανότητα να συναντήσω κάποιον από τους γείτονές μας και να χρειαστεί να εξηγήσω τι ακριβώς έκανα. Η καταγραφή τερματίστηκε αυτόματα περίπου στο δίλεπτο, πριν προλάβω να τοποθετήσω μία νέα σακούλα στον κάδο, καθώς η εφαρμογή ανέφερε ότι είχα φτάσει το όριο.
Ο Patel δηλώνει ότι η σημαντικότερη εστίαση για την Kled τον τελευταίο χρόνο ήταν η ανίχνευση απάτης. Συχνά, οι χρήστες επιχειρούν να ανεβάσουν βίντεο που έχουν κατεβάσει από το διαδίκτυο, καθώς και κενά μαύρα πλαίσια. Υπάρχει επίσης το ζήτημα της ιδιωτικότητας: «You have to make sure all data is anonymized and remove personally identifiable information, because labs won’t buy from you if you don’t,» λέει. «Same thing for any bad uploads. You just have to filter that all out.» Η Kled αποχώρησε πρόσφατα από τη Νιγηρία, όπως αναφέρει ο Patel, επειδή περίπου το 95 τοις εκατό των υποβολών των χρηστών ήταν είτε άχρηστα αντίγραφα είτε δόλιες.
Ολοκλήρωσα εννέα εργασίες στην Kled, καταγράφοντας κατά διαστήματα κατά τη διάρκεια των εργασιών του Σαββατοκύριακου, πριν συνειδητοποιήσω ότι η εφαρμογή απαιτεί από τους χρήστες να ανεβάσουν 100 κομμάτια πολυμέσων πριν είναι επιλέξιμοι για οποιαδήποτε πληρωμή. Κάπως εκνευρισμένος, αποφάσισα να ανεβάσω πάνω από 90 φωτογραφίες από τις διακοπές μου πέρυσι για να φτάσω το όριο πληρωμής. Δεδομένου ότι η Kled χρειάζεται αρκετές ημέρες για να επεξεργαστεί τα δεδομένα, συνέχισα με άλλες πλατφόρμες που συλλέγουν δεδομένα εκπαίδευσης ρομπότ, ενώ περίμενα να λάβω τα χρήματά μου.
Κατά τη διάρκεια των δοκιμών μου, η πλατφόρμα Luel μου φάνηκε λίγο πιο αδέξια στον σχεδιασμό της σε σύγκριση με την Kled. Η πλατφόρμα δεν κατανέμει τις εργασίες σε επιμέρους κατηγορίες. Αντίθετα, διαθέτει απλώς μία καταχώριση με τίτλο «Record Any Hands-On Activity From a First-Person Perspective» (Καταγράψτε Οποιαδήποτε Πρακτική Δραστηριότητα από Προοπτική Πρώτου Προσώπου), η οποία προσφέρει 6,60 δολάρια για μία ώρα βίντεο. (Για σύγκριση, ο ομοσπονδιακός κατώτατος μισθός στις ΗΠΑ είναι 7,25 δολάρια την ώρα.) Οι απαιτήσεις της Luel είναι εξαιρετικά συγκεκριμένες: μόνο με κάμερα προσαρτημένη στο κεφάλι, ευρυγώνια κάμερα στραμμένη οριζόντια, ελάχιστη ανάλυση 1080p και ορατά χέρια στο 95 τοις εκατό του χρόνου.
Ξαναέδεσα το τηλέφωνό μου στο κεφάλι και άρχισα να εργάζομαι στην κουζίνα, τρίβοντας πιάτα και γεμίζοντας το πλυντήριο πιάτων. Υπέβαλα ένα βίντεο πέντε λεπτών στον ιστότοπο της Luel. Μία ημέρα αργότερα, απορρίφθηκε. «Your hands were not visible in enough frames,» ανέφερε η επεξήγηση της Luel.
Αρχικά, δεν πληρώθηκα καθόλου. Η Luel μου έστειλε ένα email λίγες ημέρες αργότερα, ανατρέποντας την αρχική της απόφαση. Το μήνυμα εξηγούσε ότι, παρόλο που η «hand visibility came in at 83% across the sampled frames», είχα ικανοποιήσει τις υπόλοιπες απαιτήσεις της καταχώρισης και η Luel, στην πραγματικότητα, θα προχωρούσε στην πληρωμή. Έτσι, έγινα 55 σεντς πλουσιότερος.
Κάθε σύνολο δεδομένων που δημιουργούν οι χρήστες είναι ειδικά κατασκευασμένο για τις εταιρείες που αγοράζουν τα δεδομένα, επομένως οι «αποστολές» της Waffle είναι διαθέσιμες μόνο για περιορισμένο χρονικό διάστημα. Η εφαρμογή προσφέρει επίσης στους εργαζόμενους μερικής απασχόλησης επαναλαμβανόμενα έσοδα – ουσιαστικά μία συνδικαλιστική σχέση – εάν τα βίντεό τους επαναχρησιμοποιηθούν από επιπλέον εταιρείες. «I think there’s an amazing opportunity to create a symbiotic relationship between the people that are giving their life, their perspective, their creativity, their data, essentially, to these models,» δηλώνει ο Joshua Mesnik, ο 34χρονος συνιδρυτής και COO της Waffle. «For that to be a reciprocal relationship, instead of just a one-way street.» Ο Mesnik συνίδρυσε την startup με τον CEO Joey Newfield, ο οποίος είναι 33 ετών, το 2024.
Η Waffle είναι επίσης η πιο λεπτομερής στις οδηγίες της σχετικά με το τι επιθυμεί και τι δεν επιθυμεί η εφαρμογή. Πριν την μεταφόρτωση, οι χρήστες μπορούν να δουν κάθε λόγο για τον οποίο οι υποβολές τους ενδέχεται να απορριφθούν, από την θολή ποιότητα καταγραφής έως την συμπερίληψη υλικού με πνευματικά δικαιώματα. Παράλληλα με ένα παράδειγμα βίντεο, οι εργασίες περιλαμβάνουν λεπτομερείς οδηγίες για το πώς να καταγράψετε κάθε οικιακή εργασία, όπως αυτές οι λεπτομέρειες από την ενότητα «pouring liquids» (χύνοντας υγρά):
- Pouring action must be visible.
- Liquid must be clearly shown.
- Both containers should be visible.
- Receiving container must be clear glass or clear plastic to be able to see changing liquid level.
Αφού οι νεοφυείς επιχειρήσεις συλλέξουν αυτά τα βίντεο πρώτου προσώπου από ανθρώπους όπως εγώ, το επόμενο εμπόδιο είναι η μετατροπή των τεράστιων ποσοτήτων δεδομένων σε μορφές που μπορούν να πωληθούν. Η Waffle επεξεργάζεται κάθε βίντεο χρήστη μέσω αυτού που ονομάζεται MAPLE – Media Asset Processing and Labeling Engine (Μηχανή Επεξεργασίας και Επισήμανσης Περιουσιακών Στοιχείων Πολυμέσων). «Everything is checked for copyright. Everything is labeled, annotated, and structured to be ingestion ready for AI training,» λέει ο Mesnik. Οι εταιρείες δεν ενδιαφέρονται τόσο για ακατέργαστες, μη επισημασμένες πληροφορίες. Αντιθέτως, επιθυμούν καθαρά συσκευασμένα βίντεο με εξαιρετικά περιγραφικά μεταδεδομένα προσαρτημένα σε κάθε αρχείο.
Πραγματικά βρήκα τον ρυθμό μου στην καταγραφή δεδομένων βίντεο χρησιμοποιώντας την εφαρμογή Waffle. Η αμοιβή ήταν αρκετά υψηλή ώστε να είναι πραγματικά δελεαστική, και εγώ περιφερόμουν χαρούμενος στο σπίτι σαν παραγωγός τηλεοπτικής εκπομπής ριάλιτι, ελπίζοντας να κινηματογραφήσω όσο το δυνατόν περισσότερο περιεχόμενο. Έδενα τα παπούτσια μου ξανά και ξανά; Έγινε! Έτριβα τα πιάτα μέχρι να αστράψουν; Έγινε! Έριχνα Diet Coke μπρος-πίσω μεταξύ ποτηριών μέχρι να χάσει τον ανθρακικό της χαρακτήρα; Έγινε!
Το smartphone μου ήταν ουσιαστικά κολλημένο στο μέτωπό μου όλο το βράδυ καθώς ολοκλήρωνα εργασίες τεχνητής νοημοσύνης στην Waffle. Κάθε υποβολή είχε διάρκεια περίπου 20 δευτερόλεπτα, όπως υπαγορευόταν από την «αποστολή». Ολοκλήρωσα 125 εγκεκριμένες μεταφορτώσεις μέσα σε λίγες ημέρες εργασίας, κερδίζοντας 20 δολάρια για τις προσπάθειές μου.
Ο Patel μοιράζεται με υπερηφάνεια ότι ένας από τους κορυφαίους κερδισμένους στην Kled είναι ένας οδηγός φορτηγού που κερδίζει 8.000 δολάρια τον μήνα, υποβάλλοντας φωτογραφίες από λακκούβες. Ωστόσο, η εμπειρία αυτού του χρήστη είναι σαφώς μία εξαίρεση. Η πλειονότητα όσων υποβάλλουν δεδομένα για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης δεν κερδίζουν τέτοια ποσά, παρόλο που η δίψα για δεδομένα εκπαίδευσης βίντεο φαίνεται σχεδόν απεριόριστη. Η εργασία μερικής απασχόλησης με εγωκεντρικά βίντεο παραμένει, εν τέλει, εργασία μερικής απασχόλησης, η οποία συνοδεύεται από λιγότερες προστασίες για τους εργαζόμενους και λιγότερη συνολική σταθερότητα.
Η εξειδίκευση ενδέχεται να είναι ο μόνος τρόπος για να κερδίσει κανείς ένα σημαντικό ποσό χρημάτων κάνοντας αυτή τη δουλειά στις ΗΠΑ. Οποιοσδήποτε μπορεί να καταγράψει βίντεο με κοπή αγγουριών, αλλά μόνο ένας έμπειρος σεφ σούσι μπορεί πραγματικά να δείξει τον καλύτερο τρόπο για να κόψει σασίμι σολομού. «I’m sure there’s a world where chefs are completely replaced from the planet,» λέει ο Patel. «But they’re never really replaced, because they’re at home filming videos, making unique recipes used to train these robots. They’re getting paid.»
Ήρθε επιτέλους η ώρα να πληρωθώ κι εγώ. Όταν η Kled ολοκλήρωσε την επεξεργασία των εννέα εγωκεντρικών βίντεο και των 97 φωτογραφιών διακοπών μου, δεν περίμενα πολλά, αλλά παρόλα αυτά έμεινα έκπληκτος: 1 δολάριο.
Αφού ξεπέρασα τους αρχικούς μου πόνους απογοήτευσης, ένιωσα μία μικρή δόση υπερηφάνειας. Ίσως βοηθούσα στην οικοδόμηση ενός καλύτερου μέλλοντος – ενός μέλλοντος όπου τα εγγόνια μου θα αγνοούσαν ευτυχισμένα τις συνήθειες καθαριότητας που έπρεπε να καλλιεργήσω. Η υπερηφάνεια μου, ωστόσο, διαλύθηκε γρήγορα, όσο περισσότερο σκεφτόμουν πώς ενδεχομένως εκπαίδευα τα ίδια τα ανθρωποειδή ρομπότ που θα μπορούσαν να αντικαταστήσουν τους ανθρώπους σε εργασίες πέρα από τις κουραστικές οικιακές δουλειές.
Τα συνολικά μου κέρδη για την εβδομάδα ανήλθαν σε 21,55 δολάρια. Για μένα, αυτή η εμπειρία ήταν μία περιστασιακή παράπλευρη απασχόληση, ένας τρόπος να πληρώσω για μερικές επιπλέον Diet Coke. Ωστόσο, για τους εργαζόμενους σε όλο τον κόσμο, και ολοένα και περισσότερο στις ΗΠΑ, αυτού του είδους η εργασία μερικής απασχόλησης στην τεχνητή νοημοσύνη μπορεί να γίνει αποδεκτή υπό οικονομική πίεση και να αποτελέσει μέσο επιβίωσης – εκπαιδεύστε το ρομπότ πώς να μαγειρεύει απόψε, ώστε να μπορείτε να βάλετε φαγητό στο τραπέζι αύριο.
Πηγή: wired.com.
