هوش مصنوعی باید مشکل نیروهای نامرئی خود را سر و سامان دهند!

بسیاری از مدل‌های یادگیری ماشین توسط افراد فریلنسر و دورکار در دنیای آنلاین آن هم با درآمد کم آموزش داده می‌شوند. Saiph Savage در این رابطه می‌گوید که این مدل‌ها از بین نمی‌روند اما ما می‌توانیم نحوه کار آن‌ها را تغییر دهیم.

بسیاری از موفق‌ترین و پرکاربردترین مدل‌های یادگیری ماشین با کمک نیروهای فریلنسر با دست‌مزد کم آموزش می‌بینند. میلیون‌ها نفر در سراسر دنیا در پلتفرم‌هایی مانند Amazon Mechanical Turk مشغول به دورکاری هستند که این پلتفرم‌ها به شرکت‌ها و محققان اجازه می‌دهد تا کارهای کوچک را به صورت آنلاین برون سپاری کنند. طبق یک برآورد، بیش از یک میلیون نفر در آمریکا هر ماه با انجام کار روی این بسترها پول بدست می‌آورند. حدود 250 هزار نفر از این تعداد حداقل سه چهارم درآمد خود را از طریق همین پلتفرم‌ها به دست می‌آورند. اما با وجود اینکه برخی از آن‌ها در ثروتمندترین آزمایشگاه‌های هوش مصنوعی در دنیا کار می‌کنند باز هم زیر حداقل دست‌مزد را دریافت می‌کنند و هیچ فرصتی برای توسعه مهارت‌های خود نمی‌یابند.

Saiph Savage رئیس آزمایشگاه تعاملات انسان و کامپیوتر در دانشگاه ویرجینیای غربی است، جایی که او بر روی فناوری با رویکردی مدنی کار می‌کند و بر مسائلی مانند مبارزه با اطلاعات نادرست و کمک به کارگران و بهبود شرایط کاری آن‌ها تمرکز دارد. این هفته او در یکی از بزرگ‌ترین کنفرانس‌های بین‌المللی هوش مصنوعی NeurIPS با عنوان ” آینده کار برای کارگران نامرئی” سخنرانی کرد. آن‌چه در ادامه آمده است محتوای مصاحبه او با MIT technology review است.

  • شما در مورد کارگران نامرئی در هوش مصنوعی صحبت می کنید. این افراد چه مشاغلی را انجام می‌دهند؟

این افراد بسیاری از وظایف شامل برچسب‌زنی داده‌ها را، به خصوص داده‌های تصویری، انجام می‌دهند که به مدل‌های یادگیری ماشین کمک می‌کنند تا دنیا را بهتر درک کنند. آن‌ها ممکن است کارهای دیگری مثل ضبط صدا و… را نیز انجام دهند. به عنوان مثال، هنگامی که با الکسا آمازون صحبت می‌کنید، ممکن است در پس پرده کارکنانی وجود داشته باشند که از گفته‌های شما رونویسی می‌کنند تا الگوریتم تشخیص صدا بتوانند یادگیری بهتری در گفتار داشته باشند. من فقط جلسه‌ای را با این افراد در مناطق روستایی ویرجینیای غربی داشتم. آن‌ها توسط آمازون استخدام می‌شوند تا بسیاری از مکالمات را برای کمک به درک اینکه مردم در آن منطقه چگونه صحبت می‌کنند، بخوانند. همچنین از چنین افرادی برای دسته بندی محتوای وبسایت‌ها و تگ گذاری آن‌ها استفاده می‌شود. به همین دلیل است که زمانی که در موتورهای جستجوی گوگل یا بینگ به دنبال یک عکس هستید، محتواهای نامربوط را در نتایج جستجوها مشاهده نمی‌کنید.

افراد برای انجام این کارها در پلتفرم‌های مشابه Amazon Mechanical Turk به کار گرفته می‌شوند. برای مثال شرکت‌های تکنولوژی بزرگ ممکن است از تیم‌های داخل سازمان برای این کار استفاده کنند. تفاوت اصلی پلتفرم‌های آنلاین مانند Amazon Mechanical Turk آن است که هر کسی می‌تواند از آن‌ها استفاده کند. محققان و شرکت‌های نوپا می‌توانند به پلتفرم متصل شوند و به کمک این کارمندان نامرئی سیستم‌های خود را گسترش بدهند.

 

  • این کارگران نامرئی چه مشکلاتی ایجاد می‌کنند؟

من در واقع چنین چیزی را بد نمی‌دانم. واقعاً ایده خوبی است و علاوه بر آن افزودن نیروی کار خارجی انجام کارها را برای شرکت ها بسیار آسان کرده است.

اما یک سری مشکلات و مسائلی در انجام این کار وجود دارد. اول اینکه افرادی که در این پلتفرم‌ها به کار گرفته می‌شوند دستمزد بسیار کمی دارند. ما مطالعه‌ای انجام دادیم که طی آن فعالیت صدها نیروی فریلنسر فعال در پلتفرم Amazon Mechanical Turk را برای چندین سال مورد نظارت قرار داده‌ایم و دریافتیم که آن‌ها در هر ساعت به طور میانگین حدود 2 دلار درآمد دارند. این بسیار کمتر از حداقل دستمزد در ایالات متحده است. افرادی هستند که زندگی خود را وقف این پلتفرم‌ها می کنند و تنها منبع اصلی درآمدیشان از این پلتفرم‌ها است.

و این مساله مشکلات دیگری را به همراه خود می‌آورد. این پلتفرم‌ها فرصت‌های شغلی آینده را نیز حذف می‌کنند، زرا افرادی که به صورت تمام‌وقت در این پلتفرم‌ها مشغول به دورکاری هستند راه و زمانی برای توسعه مهارت‌های خود ندارند بخصوص آن‌هایی که شناخته‌تر شده‌اند. ما دریافتیم که بسیاری از افراد سابقه فعالیت خود در چنین پلتفرم‌هایی را در رزومه خود نمی‌آورند زیرا اگر در یک مصاحبه بگویند که در پلتفرم Amazon Mechanical Turk مشغول به کار بوده‌اند، بسیاری از کارفرمایان نمی‌دانند در مورد چه چیزی صحبت می‌کنند. اغلب کارفرمایان آگاه نیستند که در حقیقت این افراد هستند که در پشت پرده سیستم‌های هوش مصنوعی قرار گرفته‌اند.

 

  • شما به انجام یک مطالعه اشاره کردید. شما چطور می‌توانید بفهمید که این افراد فریلنسر چه کاری انجام می‌دهند و در چه شرایطی هستند؟

من سه کار در این رابطه انجام می‌دهم. در ابتدا با این افراد مصاحبه می‌کنم، سپس تحقیقات انجام می‌دهم و در نهایت ابزارهایی می‌سازم که به من دیدگاه کمی تری نسبت به آنچه در این پلتفرم‌ها در حال اتفاق افتادن است، می‌دهد. من توانسته‌ام میزان زمانی که این افراد بر روی انجام کارها صرف می‌کنند را محاسبه کنم. همچنین میزان هزینه‌هایی که برای انجام کارهایی که هیچ مبلغی در قبال انجامشان دریافت نمی‌کنند را نیز محاسبه کنم، مانند جستجو برای یافتن کار و یا برقراری ارتباط با کارفرما و… .

  • شما دعوت شده‌اید تا در NeurIPS صحبت کنید. چرا این مسئله چیزی است که فکر می‌کنید جامعه هوش مصنوعی باید از آن آگاه باشد؟

پشت پرده قدرت شرکت‌های بزرگ همین نیروهای نامرئی هستند. من فکر می‌کنم مهم است که بدانیم اتومبیل‌های خودران یا هر سیستم هوشمند دیگری به خاطر افرادی وجود دارد که حداقل دست‌مزد را دریافت می‌کنند. زمانی که ما به آینده هوش مصنوعی فکر می‌کنیم، باید در مورد آینده آن هم فکر کنیم. باید یادآوری کرد که این نیروها نیز انسان هستند.

 

  • در این باره باید چه کنیم ؟

خیلی کارها . من به این افراد کمک می‌کنم تا از این که یک کار چقدر طول می‌کشد تا انجام شود ایده‌ای در ذهنشان شکل بگیرد. به این ترتیب آن‌ها می‌توانند ارزیابی کنند که آیا کاری که به آن‌ها پیشنهاد می‌شود ارزش انجام را دارد یا نه. بنابراین من در حال توسعه یک افزونه هوش مصنوعی برای این پلتفرم‌ها هستم که به این افراد کمک می‌کند تا اطلاعات را با یکدیگر اشتراک بگذارند و در مورد اینکه کدام کارها ارزش وقت صرف کردن را دارند و کدام یک کمک می‌کند تا مهارت بخصوصی را کسب کنند صحبت کنند. به این ترتیب هوش مصنوعی نیز یاد می‌گیرد که کدام نوع مشاوره موثرترین نوع است. این سیستم هوش مصنوعی نظرهایی که افراد با یکدیگر به اشتراک می‌گذارند را مشاهده می‌کنند و بررسی می‌کند که کدام نظر منجر به کسب نتیجه بهتری شده است و به این ترتیب تصمیم می‌گیرد که آن را بیشتر نمایش دهد.

 

لینک کوتاه شده : https://amerandish.com/9dsJf

به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

_ مطالب مرتبط _

هوش‌مصنوعی منبع باز فیسبوک
اخبار هوش مصنوعی

هوش‌مصنوعی منبع باز فیسبوک : Opacus

هوش‌مصنوعی منبع باز فیسبوک ، Opacus، کتابخانه‌های جدید با سرعت بسیار بالا برای آموزش مدل‌های PyTorch با حریم خصوصی متفاوت (DP) مقدمه با رشد علاقه

مدل‌های تشخیص‌گفتار الکسا-آمازون
پردازش گفتار

مدل‌های تشخیص گفتار الکسا، محصول شرکت آمازون

مدل‌های تشخیص‌گفتار الکسا-آمازون با استفاده از الگوهای  end-to-end به گفته رییس بخش تشخیص گفتار آمازون، شهزاد مووالا (Shehzad Mevawalla)، در کنفرانس InterSpeech که سال جاری

درخواست شما با موفقیت ارسال شد.

ضمن تشکر بابت ارسال پیام، در سریع‌ترین زمان ممکن کارشناسان شرکت عامراندیش درخواست شما را بررسی خواهند نمود.