Ogromna, nevidljiva armija ljudske radne snage stoji iza rada veštačke inteligencije

U javnosti se veštačka inteligencija često doživljava kao automatizovana tehnologija koja eliminiše potrebu za ljudskom radnom snagom. Međutim, iza svake velike AI platforme stoji ogroman broj ljudi, takozvanih „annotatora“ koji označavaju slike, zvukove i tekstove kako bi modeli mogli da „razumeju“ svet. Iako se ovaj rad često smatra nezanimljivim i nevidljivim, on je bio ključan za razvoj današnje veštačke inteligencije.

Od ručnog označavanja do inteligencije: evolucija posla

Ovaj posao je nekada obavljan preko gig-platformi kao što je Amazon Mechanical Turk, ali je vremenom prerastao u čitavu industriju sa kompanijama poput Sama, iMerit i Scale AI koje zapošljavaju radnike, uglavnom u siromašnijim delovima sveta, poput Indije ili Afrike. Zarade se kreću od 4 do 20 dolara po satu, u zavisnosti od lokacije, a rad je često podložan strogom nadzoru i vremenskim ograničenjima.

Međutim, sa pojavom sofisticiranijih modela, kao što su oni bazirani na velikim jezičkim modelima (LLM) poput ChatGPT-a, osnovne forme označavanja podataka sve su manje potrebne. Novi modeli se sve više oslanjaju na već postojeće anotirane podatke, automatski generisane oznake i unapred obrađene skupove podataka. Iako se još uvek traži ljudska pomoć u specijalizovanim slučajevima (tzv. “edge cases”), potražnja za jednostavnim radom opada.

Nova uloga ljudi: ekspertsko nadgledanje i kreiranje podataka

Uprkos svemu, ljudi ostaju neophodni za fino prilagođavanje i etičko nadgledanje AI sistema. Radnici sada pomažu u procesu vrednosvanja odgovora koje AI generiše, ocenjivanju kvaliteta, davanju povratnih informacija i čak prepravljanju sadržaja, kao što je slučaj na platformi Outlier firme Scale AI. Takođe, javlja se potreba za izuzetno obrazovanim annotatorima sa znanjem programiranja, nauke, stranih jezika i medicinskih oblasti.

Neki ljudi sada pišu nove tekstove i programski kod kako bi se modeli trenirali na kvalitetnijim sadržajima, a raste i tržište tzv. sintetičkih podataka, koje prave drugi algoritmi, ali koje ljudi moraju da verifikuju.

Da li je ljudska pomoć još uvek potrebna?

Iako je sve više istraživanja usmereno ka potpunoj autonomiji AI modela kroz „unsupervised“ i „reinforcement“ učenje, to još uvek funkcioniše samo u zatvorenim domenima, kao što su šah ili Go. U kompleksnijim zadacima, kao što je razumevanje jezika ili etički odgovor na osetljiva pitanja, ljudi su i dalje ključni.

Na primer, pokušaj firme DeepSeek da koristi isključivo AI generisane povratne informacije umesto ljudskih rezultirao je konfuznim odgovorima. Dakle, za sada, čovek ostaje u petlji – ne samo kao nadzornik, već i kao kreator i moralni kompas.

Umesto da postanu suvišni, radnici u industriji veštačke inteligencije će morati da se prilagode i razviju nove veštine. Potrebni su visoko obrazovani stručnjaci koji mogu da rade na specijalizovanim zadacima, ocenjivanju, pisanju sadržaja i kontroli kvaliteta. U eri veštačke inteligencije, ljudski doprinos nije iščezao- on se samo pomerio na viši nivo, piše Economist.