Gigant dostawczy DoorDash rozszerza swój model biznesowy poza żywność i artykuły spożywcze. Firma uruchomiła aplikację o nazwie „Tasks”, która płaci swoim kierowcom – przemianowanym na „Taskers” – za wykonywanie prostych codziennych zadań w celu uczenia modeli sztucznej inteligencji (AI). Posunięcie to, będące następstwem podobnej inicjatywy Ubera, rodzi pytania o przyszłość pracy najemnej, prywatność danych i potencjalne wypieranie pracowników przez samą sztuczną inteligencję, którą pomagają tworzyć.
Istota dzieła
Aplikacja Zadania dystrybuuje małe, często rutynowe zadania, które dostarczają danych wizualnych i konwersacyjnych na potrzeby szkolenia AI. Należą do nich filmowanie codziennych czynności (takich jak mycie naczyń czy ścielenie łóżka), nagrywanie siebie mówiącego w innym języku, a nawet przeglądanie półek sklepowych. DoorDash twierdzi, że dane te pomagają systemom sztucznej inteligencji „rozumieć świat fizyczny”, co stanowi krytyczny krok w opracowywaniu bardziej wyrafinowanych możliwości uczenia maszynowego.
Płaca różni się w zależności od oczekiwanego wysiłku i złożoności zadania: 16 dolarów za skanowanie półek, 20 dolarów za inscenizowaną „spontaniczną” rozmowę w języku hiszpańskim i więcej za zadania związane z gotowaniem. Niepewność co do stawek wynagrodzeń stanowi kolejną warstwę niestabilności dla pracowników tymczasowych, którzy już borykają się z nieprzewidywalnymi strumieniami dochodów.
Dlaczego to ma znaczenie: głód danych AI
Nowoczesne algorytmy AI opierają się na ogromnych zbiorach danych, aby się uczyć i ulepszać. Firmy bezpośrednio wykorzystują ekonomię gig, aby tanio i skutecznie pozyskiwać te dane. Zadania przydzielane przez DoorDash to dokładnie ten rodzaj materiału wideo i audio ze świata rzeczywistego, którego modele AI potrzebują, aby udoskonalić swoje zrozumienie ludzkich działań, środowiska, a nawet niuansów kulturowych.
Tendencja ta podkreśla rosnące zapotrzebowanie na „podstawowe” dane — dokładne, oznakowane dane, od których zależy uczenie maszynowe. W miarę jak sztuczna inteligencja rozszerza się na robotykę, automatyzację handlu detalicznego i inne branże, zapotrzebowanie na takie dane szkoleniowe będzie tylko rosło.
Problemy z prywatnością i automatyzacją
DoorDash twierdzi, że utrzymuje „solidne środki ochrony prywatności”, ale nie podaje konkretnych szczegółów. Fakt, że Taskers muszą unikać „treści politycznych” i „informacji umożliwiających identyfikację”, sugeruje, że firma jest świadoma potencjalnego ryzyka etycznego i prawnego.
Pozostaje bardziej fundamentalne pytanie: co się stanie, gdy te modele sztucznej inteligencji zostaną w pełni przeszkolone? Czy zostaną wykorzystane do automatyzacji zawodów, które obecnie wykonują ludzie, w tym ci sami pracownicy, którzy dostarczają dane szkoleniowe? Milczenie branży w tej kwestii jest niepokojące, ponieważ sugeruje celowe odejście od wyzysku pracowników kontraktowych i przyszłość automatyzacji ich ról.
Ograniczona dostępność, powszechne konsekwencje
Aplikacja Tasks jest obecnie wdrożona w wybranych regionach Stanów Zjednoczonych, a DoorDash współpracuje z firmami z sektorów handlu detalicznego, ubezpieczeń, hotelarstwa i technologii w zakresie szkoleń. Chociaż wdrożenie jest obecnie ograniczone, model ma wyraźny potencjał skalowania. Firma zasadniczo przekształca swoją sieć sterowników w kanał gromadzenia danych, monetyzując działalność człowieka na rzecz rozwoju sztucznej inteligencji.
Ten eksperyment nie dotyczy tylko DoorDash; jest to oznaka szerszej zmiany. Gospodarka gig, znana już z niepewnych warunków pracy, jest obecnie zbrojona, aby zaspokoić niezaspokojone zapotrzebowanie na systemy sztucznej inteligencji.
