A mesterséges intelligencia gyakran úgy jelenik meg előttünk, mintha önállóan tanulna, gondolkodna és fejlődne. A háttérben azonban emberek tömegei címkéznek képeket, értékelnek válaszokat és válogatnak tartalmakat azért, hogy az MI-rendszerek egyáltalán használhatóvá váljanak.
Állítsd be a mivagyunk.hu-t kedvenc forrásként a Google-benAz MI nem magától tanulja meg, mit lát
Egy önvezető autó nem azért ismeri fel az úttest szélét, mert egyszer csak megértette a közlekedést. Korábban valaki végignézett rengeteg felvételt, és megjelölte rajtuk az autókat, a kerékpárokat, a járdákat, a fákat, a közlekedési táblákat és az úton áthaladó embereket.
Ezt a munkát adatcímkézésnek vagy adatannotációnak nevezik. A feladat sokszor egyszerűnek látszik. A dolgozó kap egy fényképet, majd meg kell mondania, hogy tűz, füst, köd vagy tiszta ég látható-e rajta. Máskor egy tárgy pontos körvonalát kell kijelölni, termékeket kell megkeresni egy bolti polcon, vagy mondatok tartalmát kell kategóriákba rendezni.
Az ilyen apró döntésekből áll össze az a tudás, amelyre az MI-modell később támaszkodik.
A mesterséges intelligencia tanítása ezért nagyrészt emberi felismerések gépileg feldolgozható formába alakítása. Valaki először meghatározza, mit jelent egy helyes válasz, egy veszélyes helyzet vagy egy felismerendő tárgy. A rendszer ezekből a példákból tanul mintázatokat.
Chatbotokat is emberek javítanak
A képcímkézés csak az egyik terület. A generatív MI-rendszerek fejlődéséhez olyan dolgozókra is szükség van, akik összehasonlítják a chatbotok válaszait.
Egy tipikus feladatban ugyanarra a felhasználói kérésre két válasz érkezik. Az értékelő elolvassa mindkettőt, majd eldönti, melyik pontosabb, érthetőbb vagy hasznosabb. Gyakran röviden meg is kell indokolnia a választását.
Az MI-modell később ezekből az emberi értékelésekből tanulja meg, milyen válaszokat érdemes előnyben részesítenie.
Amikor tehát egy chatbot udvariasan fogalmaz, megfelelően tagolja a választ, vagy felismeri, hogy egy kérés veszélyes lehet, annak hátterében sokszor korábbi emberi döntések állnak. A rendszer viselkedését részben azok az értékelők alakítják, akik egyenként végignézik a jó, rossz és közepes válaszokat.
A digitális munka új futószalagja
A feladatok többsége nem a technológiai vállalatok látványos központjaiban készül. Az adatmunka jelentős részét külső cégeknek és digitális platformoknak szervezik ki.
A dolgozó otthonról jelentkezik be egy felületre, ahol egymás után jelennek meg a rövid feladatok. Minden elvégzett egység után néhány centet vagy dollárt kap. A munkát algoritmus osztja ki, a teljesítményt automatikusan mérik, a hibásnak minősített válaszok pedig csökkenthetik a bevételt vagy a később elérhető feladatok számát.
Az ipari futószalag logikája így a képernyőre költözött. A munkadarab helyét egy kép, mondat vagy chatbotválasz vette át. A műszakot feladatok százaiból álló digitális sorozat jelenti.
A munkavállalók közben ritkán tudják, melyik MI-rendszer fejlesztéséhez járulnak hozzá. Sok esetben csak a közvetítő platformot vagy a helyi alvállalkozót ismerik. A végső megrendelő kiléte, a projekt célja és az elkészült modell felhasználása rejtve maradhat előttük.
Miért éppen a szegényebb országokban végzik ezt a munkát?
Az adatcímkéző és tartalomértékelő feladatok gyakran olyan térségekbe kerülnek, ahol alacsonyabbak a bérek, magas a munkanélküliség, vagy sok embernek sürgősen szüksége van bármilyen bevételre.
A technológiai cégek és közvetítőik így ugyanazt a feladatot töredékáron végeztethetik el. Egy nyugat-európai vagy amerikai vállalat számára apró költségnek számító összeg egy másik országban még elfogadható napi keresetnek tűnhet.
Az elfogadható azonban nem feltétlenül jelent tisztességeset.
Sok adatdolgozó hosszú órákon keresztül végzi az ismétlődő feladatokat, miközben a bevétele alig fedezi a mindennapi kiadásokat. A kiszámíthatatlan projektek miatt a következő heti kereset sem garantált. Egy feladatcsomag hirtelen elfogyhat, a platform megváltoztathatja a feltételeket, vagy az automatikus ellenőrzés indoklás nélkül kizárhatja a dolgozót.
A technológiai fejlődés ebben a rendszerben egy régi gazdasági mintát követ. A nagy értékű termék és a profit központja a gazdagabb országokban marad, a monoton és rosszul fizetett munka pedig oda kerül, ahol kevesebb az alkupozíció.
A láthatatlanság a rendszer része
A mesterséges intelligenciáról szóló vállalati kommunikáció rendszerint a modellek képességeire, a mérnöki teljesítményre és az automatizálásra koncentrál. Az adatokat előkészítő emberek ritkán jelennek meg ebben a történetben.
Ez a hiány alakítja azt a benyomást, hogy az MI szinte emberi közreműködés nélkül fejlődik. A chatbot válaszol, a képfelismerő azonosítja a tárgyat, az autó észleli a gyalogost. A felhasználó csak a kész szolgáltatást látja.
A háttérben dolgozók elrejtése gazdaságilag is hasznos. Könnyebb egy autonóm rendszer ígéretét értékesíteni, ha keveset beszélünk arról, hány ember ellenőrzi, javítja és tanítja folyamatosan.
Az MI automatizáltsága ezért részben nézőpont kérdése. A felhasználó oldaláról a folyamat gyors és önálló. A teljes ellátási láncot vizsgálva azonban emberek, közvetítő cégek, adatközpontok és fizikai infrastruktúrák összetett rendszere rajzolódik ki.
Mit jelent mindez felhasználóként?
Egy átlagos magyar felhasználó nem tudja ellenőrizni, hogy egy adott MI-szolgáltatás tanításához pontosan milyen munkakörülmények között készültek az adatok. A szolgáltatók erről általában kevés részletet közölnek.
Mégis számít, hogy milyen elvárásokat fogalmazunk meg.
A vállalatok kérdezhetnek a beszállítói láncról, az adatcímkézők munkakörülményeiről és a mentális egészségügyi támogatásról. A közbeszerzésekben és vállalati beszerzésekben a felelős adatmunka ugyanúgy szemponttá válhat, mint az adatvédelem vagy a kiberbiztonság.
A szabályozók számára szintén fontos terület nyílik. Az MI-ellátási lánc átláthatósága, a munkajogi felelősség és a platformokon dolgozók védelme egyre kevésbé kezelhető külön a technológia szabályozásától.
Felhasználóként pedig érdemes elengedni azt a képet, hogy egy MI-rendszer valamiféle testetlen digitális elme. Minden kényelmes válasz mögött adatok, infrastruktúrák és emberi döntések állnak.
A mesterséges intelligencia egyik legfontosabb alapanyaga továbbra is az emberi munka. A rendszer csak megtanulta olyan hatékonyan elrejteni, hogy ritkán jut eszünkbe keresni.
