人工智能由成千上萬的真實人提供動力

從委內瑞拉的化妝師到保守地區(qū)的婦女，世界各地的人們都在做數(shù)字化的針線活，例如在街上的照片周圍的汽車上畫框，給圖像加標簽以及錄制計算機無法完全識別的語音片段。

這些數(shù)據(jù)直接輸入到“機器學習”算法中，該算法可幫助自動駕駛汽車繞過交通，讓Alexa知道您想要開燈。沒有大量的這種人類標記數(shù)據(jù)，許多此類技術將無法工作。

這些重復的任務各得幾分錢。但是，從總體上講，這項工作可以在世界許多地方(甚至在)提供可觀的薪水。這種蓬勃發(fā)展但基本上看不見的家庭手工業(yè)代表了可以永遠改變人類的技術的基礎：人工智能將帶動我們到處走，執(zhí)行語言命令完美無缺，有一天可能會自己思考。

搜索引擎Google和Bing長期培育了這種人工輸入行業(yè)，他們十多年來一直使用人們來評估結果的準確性。自2005年以來，亞馬遜的Mechanical Turk服務將自由職業(yè)者與臨時在線工作相匹配，還向全球研究人員提供了眾包數(shù)據(jù)輸入。

最近，投資者已經(jīng)向Mighty AI和CrowdFlower等初創(chuàng)公司投入了數(shù)千萬美元，這些初創(chuàng)公司正在開發(fā)軟件，即使在智能手機上，也可以更輕松地標記照片和其他數(shù)據(jù)。

CrowdFlower提供的這張未注明日期的圖像組合顯示了CrowdFlower的“環(huán)內人”技術渲染之前和之后的情況，該技術提供了先進的工具，使人們可以標記和構造普通照片的每個部分并將其轉換為結構化的“訓練數(shù)據(jù)” AI系統(tǒng)可以理解和解釋。(通過AP的CrowdFlower)

風險資本家S.“ Soma” Somasegar說，他在滿足機器學習算法需求方面看到了“數(shù)十億美元的機會”。他的公司Madrona Venture Group投資了Mighty AI。他說，人類將“長期，長期，長期地處于循環(huán)之中”。

準確的標簽可能會在區(qū)分天空和卡車側面的自動駕駛汽車之間有所區(qū)別。這是特斯拉的Model S在2016年首次已知的涉及自動駕駛系統(tǒng)的致命事故中失敗的標志。

Mighty AI首席執(zhí)行官Daryn Nakhuda說：“我們不是在構建游戲系統(tǒng)，而是在構建拯救生命的系統(tǒng)。”

委內瑞拉馬拉開波市31歲的自由化妝師Marjorie Aguilar每天花費4至6個??小時在交通對象周圍繪制盒子，以幫助訓練Mighty AI的自動駕駛系統(tǒng)。

她的時薪約為50美分，但在一個通貨膨脹失控，危機重重的中，僅幾個小時的工作就可以支付玻利瓦爾一個月的房租。

她說：“這聽起來不算很多錢，但對我來說，這是相當不錯的。” “你可以想象對我來說用美元付款有多么重要。”

這張未注明日期的照片由馬喬里·阿吉拉爾(Marjorie Aguilar)提供，顯示了阿吉拉爾在委內瑞拉的馬拉開波。馬拉開波市的自由化妝師Aguilar每天花費四到六個小時在交通對象周圍繪制盒子，以幫助訓練Mighty AI的自動駕駛系統(tǒng)。(由馬喬里·阿吉拉爾(Marjorie Aguilar)通過AP提供)

阿里亞·赫里斯納(Aria Khrisna)是尼西亞Tegal的三歲兒子，今年36歲，他在諸如eBay和亞馬遜等網(wǎng)站的服裝圖片上添加文字標簽，每月付給他約100美元，大約是他收入的一半。

對于25歲的Shamima Khatoon來說，她在Metiabruz的數(shù)據(jù)標簽公司iMerit的全女性前哨站為汽車，車道標線和交通信號燈做注釋的工作，是她不得不在家外工作的唯一機會保守的穆斯林社區(qū)。

她說：“這是一個提高技能和養(yǎng)家的好平臺。”

豐田，日產(chǎn)和福特等主要汽車制造商，優(yōu)步(Uber)等打車公司以及Alphabet Inc.的Waymo等其他科技巨頭都在通過第三方供應商支付大量的標簽商。

更高準確性的好處可能是立竿見影的。

信息技術總監(jiān)Scot Whigham表示，在洲際酒店集團，其數(shù)字助理Amelia可以接聽的每個電話都可以節(jié)省5到10美元。

當Amelia失敗時，該程序在偵聽呼叫的同時將呼叫重新路由到大約60個服務臺工作人員之一。它從他們的反應中吸取教訓，并在下一個電話中試用該技術，從而使員工可以騰出時間做其他事情。

Whigham說：“我們已經(jīng)改變了這些工作。”

當計算機無法打出客戶致電凱悅酒店連鎖酒店的電話時，音頻片段就會發(fā)送到位于馬薩諸塞州富蘭克林的一座老式磚房中的AI呼叫中心Interactions。

在那里，當客戶等待電話時，一個戴著耳機的“意圖分析家”中的一員會抄錄從聽不見的數(shù)字到褻瀆行為的所有內容，并迅速指導計算機如何響應。

該信息將反饋到系統(tǒng)中。Interactions首席技術官Robert Nagle說：“下一次，我們有更大的機會獲得成功。”

研究人員試圖找到針對人類標記數(shù)據(jù)的解決方法，但結果通常不足。

在一個使用Google Street View停放的汽車圖像來估算社區(qū)人口構成的項目中，當時斯坦福大學的研究員Timnit Gebru嘗試通過刮擦Craigslist出售其所有者標記的汽車的照片來訓練自己的AI。

但是產(chǎn)品照片看起來與街景視圖中的汽車圖像完全不同，程序無法識別它們。她說，最后，她花了35,000美元聘請了汽車經(jīng)銷商專家來標記她的數(shù)據(jù)。

標簽技術公司CrowdFlower的首席執(zhí)行官Robin Bordoli說，對人類標簽的需求是“巨大的”和“動態(tài)的”。“您不能百分百相信算法。”

目前，弄清楚如何在沒有人類提供的所謂“地面真理”數(shù)據(jù)的情況下使計算機學習仍然是一個開放的研究問題。

加州大學伯克利分校的機器學習專家Trevor Darrell表示，他預計將需要5到10年的時間才能使計算機算法無需人工標記就能學會執(zhí)行。

僅他的小組每年就花費數(shù)十萬美元來支付人們對圖像進行注釋的費用。他說：“現(xiàn)在，如果您要銷售產(chǎn)品并且想要完美，那么不花錢在這種注釋上就太過疏忽了。”

像Alphabet的Waymo和游戲制造商Unity Technologies這樣的多家公司正在開發(fā)模擬世界，以在可預定義每個對象的受控場景中訓練其算法。

在大多數(shù)情況下，即使是試圖將人類趕出循環(huán)的公司也仍然依賴他們。

例如，CloudSight為網(wǎng)站和應用程序開發(fā)人員提供了一個方便的工具，用于上傳照片并返回一些描述它的單詞。零售商Kohl's使用該服務在其應用程序上實現(xiàn)“即點即買”視覺搜索功能。

但這不只是一個花哨的計算機程序，它會吐出響應。如果該算法沒有好的答案，那么它在，東南亞或非洲等地的800名員工之一會實時輸入答案。

“我們希望成為無需任何人參與即可標記任何圖像的標簽，” CloudSight業(yè)務開發(fā)負責人Ian Parnes說。“要花多長時間是所有人的猜測。”