人工智能所需的海量数据来自哪里？原来AI背后还有这样的职业
数据标注人员
像CloudFactory、iMerit和Samasource这样的公司曾承诺，他们提供给机器学习和AI用来训练模型的数据集都是由其待遇优厚的员工所标记。但这显然没有那么简单。
研究生时候，方向是自然语言处理，第一学年的主要任务是对自然语料中的文章片段或句子或词语进行标注，纯人工的，标注内容从动名词词性到短句情感分析等等。这是为后期用算法训练模型做准备，再大一点是为了学术生涯的进阶埋头苦干。
身在美国的坎贝尔也有着同样的经历，对训练机器学习和AI模型的数据进行标记，虽然目前而言只是一份可以糊口的工作。他在位于纽约曼哈顿中城的一间办公室伏案工作，工作内容是在笔记本电脑上打开某个软件平台，然后在8个小时的工作时间里点击图片中的车辆，并用软件在图片上圈出来。
通过识别汽车和SUV的图片，坎贝尔和其他人正在为训练算法(比如自动驾驶汽车中的算法)创建大量数据。它通常需要“在相似的位置圈出物体，然后再以不同的方式圈出，重复数次，使物体一直保持在圆圈中。”尽管这份工作很单调，他还是很高兴拥有它。因为他希望成为一名游戏程序员或设计师，而这可以帮助他为想追求的未来做准备。
建造人工智能系统需要大量的人力。其中大部分是在人工智能用已标记数据训练模型之前，主要是人工对数据进行清理、分类和标记。伦理机构AI Now Institute将这项工作称为人工智能领域的“隐藏劳动力”。坎贝尔是这个劳动力市场中相对享有特权的一员。他每周为Daivergent工作28小时，这是一个在线工作平台，旨在帮助自闭症患者获得有用的工作经验，为职业生涯做准备。(Daivergent不愿透露他的确切工资，但表示这是该公司的“正常标准”，也是纽约市的“市场价格”。)
相比之下，大多数做数据注释的人不在曼哈顿的办公室工作，而是在印度、肯尼亚、马来西亚和菲律宾等地的家中工作。他们每天登录在线平台的时间从几分钟到几个小时不等，可能是为了区分一串串葱和芹菜，也可能是为了区分猫眼和飞行员风格的太阳镜。正如玛丽?格雷(Mary Gray)在最近出版的《幽灵工作》(Ghost Work)一书中详细描述的那样，他们中的大多数人都是零工，工资低，工作不稳定，没有职业晋升的机会。
一些数据标注公司的也在致力于改善这一状况。但这些旨在“通过做好人工智能数据服务来做得更好”的公司发现，通往理想的道路并不平坦。
数字游戏
通常，数据注释人员会从Appen这样的数据注释公司登录到Amazon的Mechanical Turk或gig-work平台。在那里，他们执行人工智能公司外包的任务，而这些公司每分钟只向平台支付一美分。在激烈的商业竞争中，这些平台在规模、速度和成本上竞争惨烈。
例如，Appen拥有100万名标注人员，他们进行医疗图像分类、图像中特定物体识别、为聊天机器人翻译文本等任务。今年3月，该公司以3亿美元的价格收购了数据注释提供商Figure 8，当时该公司解释说，这笔收购将有助于满足客户的“规模、速度和质量要求”。
奥斯汀数据注释服务公司Alegion客户成功总监丹尼尔?凯林表示，整个行业竞争非常激烈；每个公司都想在世界其他地方找到更便宜的劳动力。”
“影响力”到底意味着什么？
Alegion和CloudFactory、Digital Divide Data， DDD、iMerit和Samasource等众多平台一样，为AI提供标注数据集。它表示希望让进行人工智能数据标注的人可以体面地工作。他们称自己是“有影响力”的公司，并声称提供的工作条件和职业前景比业内大多数公司都要好。
然而，对于如何才算体面工作而不是压榨劳动力，并没有相关规定，有的只是薄弱的行业标准。而这些公司对它的定义也大相径庭。
例如，iMerit的联合创始人兼首席执行官拉达?巴苏表示，在iMerit工作多年的人已经晋升到团队领导者、项目经理和领域培训师的职位。该公司拥有2300名全职员工，其中大部分在印度；其中一半是女性，她们可以有长达6个月的产假。iMerit成立于2012年，是一家以盈利为目的有双底线的公司，这意味着它既用传统的财政指标，也用包容性和多样性等社会影响指标来衡量自身。
在肯尼亚和乌干达，为数据服务提供商Samasource工作的人也有全职工作的，享受医疗保健、养老金、餐补和90天产假等福利。与此同时，根据DDD公司2018年的一份报告，该公司雇佣低收入青年、农村移民和“城市贫民窟居民”(其中至少50%是女性)每天进行6至8小时的数字任务。该公司支付部分教育费用，并帮助其员工调整到其他地方工作。
相比之下，Alegion和CloudFactory都主要提供按小时计费的合同服务，而不是全职工作，这是数据注释公司的标准。CloudFactory表示，79%的“云员工”表示，该公司是他们的主要收入来源，高于2015年的28%。不过Alegion说，很多收入应被视为补充收入，而不是主要收入，这并不是他们的主要职业。
2018年接任Alegion全球影响力总监的特洛伊?斯特林菲尔德为其“影响力”这一标签进行辩护，他表示，影响力意味着创造能够改善人们生活的工作。但按小时计的兼职工作会促进职业发展甚至大幅改善收入吗？
CloudFactory、DDD、iMerit和Samasource(没有Alegion)都是GISC的成员，后者建立了一个“影响源标准”。它规定了就业的最低要求和自愿的最佳做法，以“改善那些原本就业前景有限的人的生活”。该组织成立于2016年，要求其成员在不歧视、同工同酬和其他标准上的表现每两年进行一次评估。
然而，如果没有通过评估，GISC成员并不会受到惩罚或被逐出。这些公司公开报告的数量也各不相同。例如，Samasource发布影响审计报告，报告劳动力人口统计数据、“脱贫”人数等。DDD的年度报告包括显示员工平均月收入和估计终生收入增长的数据。
另一方面，CloudFactory在2015年发布了一份社会影响报告，但此后一直没有发布。该公司告诉MIT Technology Review，它每年都会向洛克菲勒基金会报告影响指标。洛克菲勒基金会是该公司的投资者之一。与此同时，iMerit表示，作为一家盈利性公司，它不会发布此类报告，而Alegion表示，它有“希望实现的广泛目标”，但没有提供具体指标。
进入美国市场
在公司规模扩张中，像Alegion和iMerit这样的公司也试图在美国建立一个数据工作者池，吸引那里的弱势群体和边缘人群。这使这些公司能够接触到政府、金融和医疗保健客户，而这些客户要求的安全措施极为严格，比如只能使用受监管的医疗和金融数据，或者出于其他法律原因只能在美国当地完成这些工作。
但试图将一种基于海外外包的模式引入美国存在一个问题。仍然需要廉价的劳动力。
iMerit在增加美国员工方面也遇到了困难。该公司去年在新奥尔良开业时，承诺提供100个新职位，市长米奇·兰德里欧公开表示祝贺。但一年多过去了，该公司仍只有30名全职员工。要达到100个，或许它还需要更多的客户合同。
该公司的部分卖点是，它不仅提供廉价的零工工作，还提供一些相当专业的工作。例如，今年6月，iMerit新奥尔良开发一个培训项目，为从事图像分析的员工提供培训，每项任务可能需要45至90分钟。“人们关注数据来源，并假设来自贫困背景的人只能做最低层次的标签。这是非常不准确的，”iMerit说。但数据标签行业的“逐底竞争”竞价模式，强化了这一看法，即这项工作很简单，应该很便宜。这使得iMerit声称它的服务需要更高的技能这一点很难让人信服。
对Samasource来说，与主流盈利性公司竞争也很艰难。11年前，莱拉?贾纳将Samasource创办为一家非盈利机构。自称“完全正义的书呆子”的贾纳曾写了一本名为《努力工作:一次只做一份工作，扭转贫困》。在推出奢侈护肤品牌LXMI后，Janah在2018年登上了《Vogue》杂志的时尚版面。
贾纳说，尽管Samasource做出了巨大的努力，但它在与营利性初创企业的竞争中却毫无胜算。贾纳表示:“我们基本上会被所有这些公司搞得一团糟……它们对道德规范或支付公平的工资等毫无兴趣，但却筹集了2000万美元的风投资金，基本上都是匿名劳动力群体建立的标记数据。”
因此，她转向了一种混合模式，在这种模式下，非营利组织拥有一家盈利性公司的大部分股份，而这家公司可以从投资者那里筹集资金。
但这是有妥协的。Samasource决定，为了吸引投资者，它别无选择，只能赋予他们投票权。贾纳说:“如果一家公司的董事会是非营利性的，那么就没有投资者会投资这家公司。”
由于没有标准报告，也没有第三方验证，我们不得不相信这些公司的话，即他们所做的不只是营销噱头。
这些公司几乎没有来自普通大众群体的要求其诚实诚信的压力，因为它们向企业提供服务，而不是直接向消费者提供服务。但作为消费者的我们，理应重视数据的来源。
近期热门推荐：
1、人工智能芯片上的NLP算法，是一把双刃剑？重点在人而非技术
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20190828A0HM9300?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
