Найбільша служба доставки DoorDash розширює свою бізнес-модель за межі їжі та продуктів. Компанія запустила додаток “Tasks”, який платить своїм водіям – перейменованим на “Taskers” – за виконання простих повсякденних дій з метою навчання моделей штучного інтелекту (ІІ). Цей крок, що послідував за аналогічною ініціативою Uber, порушує питання про майбутнє роботи з найму, конфіденційність даних та потенційне витіснення працівників тим самим ІІ, який вони допомагають створювати.
Суть Роботи
Програма Tasks розподіляє невеликі, часто рутинні завдання, які надають візуальні та розмовні дані для навчання ІІ. До них відносяться зйомка повсякденних дій (наприклад, миття посуду або заправки ліжка), запис себе мовцем іншою мовою і навіть сканування полиць магазинів. DoorDash стверджує, що ці дані допомагають ІІ-системам “розуміти фізичний світ”, що є критичним кроком у розробці більш складних можливостей машинного навчання.
Оплата варіюється в залежності від можливих зусиль і складності завдання: 16 доларів за сканування полиць, 20 доларів за постановочну “спонтанну” розмову іспанською і більше за завдання, пов’язані з готуванням. Невизначеність у ставках оплати додає ще один шар нестабільності для працівників за наймом, які стикаються з непередбачуваними потоками доходів.
Чому Це Важливо: Жага Даних ІІ
Сучасні алгоритми ІІ покладаються на величезні набори даних для навчання та покращення. Компанії тепер безпосередньо використовують економіку підробітку для отримання цих даних дешево та ефективно. Завдання, які призначає DoorDash, – це саме той тип реальних відео- та аудіоматеріалів, які моделям ІІ необхідні для уточнення свого розуміння людських дій, навколишнього середовища та навіть культурних нюансів.
Ця тенденція підкреслює зростання попиту на дані “справжньої реальності” – точні, розмічені дані, від яких залежить машинне навчання. У міру розширення ІІ в робототехніку, автоматизацію роздрібної торгівлі та інші галузі потреба в таких даних для навчання лише збільшуватиметься.
Проблеми Конфіденційності та Питання Автоматизації
DoorDash стверджує, що підтримує “надійні заходи щодо конфіденційності”, але не надає конкретних деталей. Той факт, що Taskers повинні уникати “політичного контенту” та “ідентифікованої інформації”, говорить про те, що компанія усвідомлює потенційні етичні та юридичні ризики.
Більше фундаментальне питання залишається відкритим: що станеться, коли ці моделі ІІ будуть повністю навчені? Чи будуть вони використовуватися для автоматизації робочих місць, які зараз займають люди, включаючи тих самих працівників, які надають дані для навчання? Мовчання галузі з цього питання тривожне, оскільки воно передбачає навмисне усунення від експлуатації працівників із найму та майбутнього автоматизації їх ролей.
Обмежена Доступність, Широкі Наслідки
Додаток Tasks в даний час розгорнуто в окремих регіонах США, DoorDash співпрацює з підприємствами роздрібної торгівлі, страхування, готельного бізнесу та технологічного сектору для навчання. Хоча розгортання зараз обмежене, модель має очевидний потенціал для масштабування. Компанія фактично перетворює свою мережу водіїв на конвеєр збору даних, монетизуючи людську активність на користь розробки ІІ.
Цей експеримент стосується не лише DoorDash; це ознака ширшого зсуву. Економіка підробітку, вже відома своїми хиткими умовами праці, тепер використовується як зброя для задоволення ненаситної потреби ІІ-систем.
