Kako AI uči da govori – čudan, za ljude mukotrpan posao kao i svi drugi

Gina je krajem prošle godine otvorila dušu jednom pastoru tokom virtuelnog poziva. 

Zaranjala je u dubine svojih najtežih sećanja - raskida, trauma iz detinjstva, odnosa sa ocem, koji se zauvek promenio nakon učešća u Vijetnamskom ratu. Pastor je sedeo i slušao, postavljao pitanja i strpljivo savetovao Ginu. Predložio joj je da malo više brine o sebi, možda da provede dan u spa-centru. "Zapravo, dao mi nekoliko veoma dobrih saveta", kaže ona. "Bila sam iznenađena." 

 

Ovakvo ogoljavanje duše nije bilo baš ono što je Gina očekivala kada se prijavila na Babel Audio, platformu koja spaja anonimne strance radi snimanja razgovora, a te snimke objedinjuje u podatke za obuku kompanija koje razvijaju veštačku inteligenciju (AI). (Radnici koji su intervjuisani za potrebe ovog članka tražili su da ostanu anonimni jer bi iznošenjem informacija o ovom poslu mogli da prekrše odredbe ugovora sa kompanijom Babel; Gina je pseudonim, a ostali su navedeni samo imenom.) 

Čovek na Gininom ekranu rekao je da je pastor, ali nije bio njen pastor. Gina nije znala skoro ništa o njemu, osim da je, poput nje, jedan od hiljada honorarnih radnika, angažovanih na neobičnom, često neprijatnom i povremeno emotivnom poslu podučavanja AI sistema da govore. 

Čak i pre nedavnog AI buma, tehnološke kompanije oslanjale su se na reke ljudskih radnika kako bi osigurale da njihovi modeli ispravno rade. U početku je to uglavnom značilo da ljudi dobijaju mizernu naknadu kako bi za potrebe obuke AI obeležavali slike mačaka i pešačkih prelaza na platformi Amazon Mechanical Turk (platforma koju je pokrenuo Amazon i koja je povezivala poslodavce sa radnicima širom sveta radi obavljanja masovnih, sitnih poslova koje AI još uvek nije moga da uradi ispravno; prim. prev.) ili da u mikrofon izgovaraju "hej, Siri" različitim tonovima (glasovni komandni izraz za aktiviranje Appleovog virtuelnog asistenta Siri na iPhoneu, iPadu, Macu ili drugim Appleovim uređajima; prim. prev.).  

Međutim, kako su modeli postajali napredniji, tako je rasla i složenost posla njihovog podučavanja. AI honorarna, takozvana gig-ekonomija sada uključuje naučnike i advokate, koji proveravaju tačnost složenih dokumenata generisanih putem AI-ja, kao i "farme ruku" u Indiji, gde ljudi slažu veš pred kamerama kako bi podučavali humanoidne robote.(engl. gig economy - model tržišta rada koji se zasniva na privremenim, kratkoročnim ili povremenim poslovima; prim. prev.). 

Prema nedavnoj analizi kompanije Upwork Inc., platforme za objavljivanje frilenserskih poslova, potražnja za AI anotacijom i označavanjem podataka skočila je za 154 odsto od početka prošle godine. (U okviru AI anotacije podacima se dodaju metapodaci, kontekst ili preciznije granice; data labeling ili označavanje podataka podrazumeva dodavanje identifikacionih oznaka na sirove podatke kako bi model znao šta posmatra, prim. prev.) 

Posao koji se sastoji od razgovara sa ljudima radi obuke mašina još je jedan od neobičnih poslova koje je donelo doba AI-ja, a potražnja je velika. David AI Labs Inc., firma osnovana pre dve godine koja je vlasnik platforme Babel Audio, jedan je od retkih startapova za obuku AI-ja koja se isključivo fokusira na govor.  

Nakon što pošalju kratak audio-snimak, radnici koji prođu prvu selekciju mogu početi da se prijavljuju za projekte čije se tarife kreću od 17 dolara po snimljenom satu. Snimci se procenjuju na osnovu kvaliteta zvuka i niza drugih faktora; radnici sa višim ocenama dobijaju više zadataka i mogu se prijaviti za bolje plaćene poslove. 

Neki projekti zahtevaju spontan razgovor između neznanaca o određenoj temi, kao što je na primer "koja je najbolja supermoć". Drugi zahtevaju da se čitaju unapred pripremljeni scenariji ili slušaju prethodno snimljeni audio-zapisi i anotiraju kako bi se identifikovao svaki trenutak kada neko glasno jeca ili govori kroz smeh, što nije isto što i kikot. Neki drugi projekti uključuju igranje uloga; u Gininom slučaju, pastor je igrao ulogu njenog terapeuta. 

Taj posao takođe može biti nesiguran i izložen je svim problemima koji postoje u široj gig-ekonomiji. Dešava se da se posao neočekivano obustavi, da se jave tehnički kvarovi i nalozi suspenduju iz nepoznatih razloga dok korisnička ne odgovara na upite, zbog čega ljudi ne mogu lako da dođu do svoje zarade. (Osnivači kompanije David AI nisu odgovorili na više zahteva za komentar, niti na detaljnu listu pitanja.) 

Na platformi Babel pažljivo se prati da li se ljudska komunikacija odvija onako kako je planirano. Tokom svakog razgovora u realnom vremenu proverava se da li neko uzurpira razgovor ili govori premalo, što može navesti tišeg sagovornika da krene sa paničnim upadicama (još jedna nepoželjna stvar). Govornici se procenjuju na osnovu izražajnosti, poznavanja jezika, dubine razgovora i trajanja pauza. 

Psovanje je zabranjeno, kao i deljenje podataka koji mogu otkriti identitet. Ako neko čita scenario, to ne treba tako da zvuči. Takođe, kao u filmu "Borilački klub" (Fight Club), ne bi smeli ni pod kojim uslovima da pričaju o Babelu, što može biti izazov kada je posao tema razgovora. Kršenje bilo kog od ovih pravila može dovesti do niže ocene kvaliteta rada, zbog čega se onda radnici ređe angažuju ili mogu biti potpuno uklonjeni sa platforme. 

Pozadinska buka je još jedan čest problem. Ryan, veteran ratnog vazduhoplovstva koji je pristupio Babelu prošlog aprila kada mu je presahnuo prihod od dostave, počeo je da snima svoje pozive između 23.00 i 4.00 kako ga ne bi ometao lavež njegovih pasa. U gluvo doba noći često bi se zatekao kako sa neznancima razgovara o svom razvodu. "Kad god sam morao da se udubim u neku emotivnu situaciju ili ozbiljnu međuljudsku krizu, to je uvek bio izvor kome sam se vraćao", kaže on. "Tako mi je najlakše da se potresem." 

Za Ashley, komičarku i jutjuberku koja je kratko radila za Babel, stres koji je doživljavala dok je pokušavala da ispuni standarde platforme pokazao se prevelikim. Nakon što je izgubila posao, privukla ju je mogućnost da zarađuje 60 dolara po satu.  

Međutim, čak i uz korišćenje profesionalnog mikrofona, stalno su joj zamerali zbog pucketanja suglasnika "p" (neželjeni zvuk naleta vazduha u mikrofon pri izgovoru praskavih suglasnika poput "p", prim. prev.), a kritikovali su je i zbog toga što ne može da održava dinamiku razgovora. Ubrzo joj je Babel ograničio broj poziva na tri dnevno. Sa 15 minuta po pozivu, kaže ona, "niste mogli da sakupite ni pun sat rada". 

Pošto je pročitala druge žalbe na aktivnom forumu na Redditu posvećenom Babelu, na kraju je odlučila da ta platforma nije vredna njenog truda. "Ako nešto zvuči isuviše dobro da bi bilo istinito, verovatno to i jeste slučaj", kaže ona. 

Pored tehničkih izazova, trenere za glasovnu obuku AI-ja često muče i egzistencijalna pitanja o sopstvenoj privatnosti i o tome da li se previše daju - svoje glasove i životne priče - kako bi obučavali tehnologiju koja preti da ugrozi izvore prihoda tolikom broju drugih ljudi. 

Prema primerku ugovora za saradnike Babela u koji je Bloomberg Businessweek imao uvid, odredbe daju kompaniji široka ovlašćenja da snimke radnika koristi za glasovne asistente, sintetički govor i "druge proizvode i usluge u vezi sa zvukom". Ova odredba dovela je mnoge radnike Babela u dilemu pošto se istovremeno plaše zbog rizika kojima se izlažu i gubitka dragocenog prihoda. S obzirom na trend slabog zapošljavanja i masovnih otpuštanja, mnogi od njih biraju liniju manjeg otpora, prepuštajući se onome što deluje kao neizbežan hod ka sveprisutnom AI-ju. 

"Nisam u položaju da se bavim time koji je izvor prihoda najbolji za mene u moralnom smislu", kaže Taylor, koji se pridružio platformi početkom ove godine i oslanja se na otprilike 200 dolara nedeljno koliko zarađuje na Babelu. 

Gina, koja na Babelu radi oko godinu dana, imala je još veću finansijsku  korist. U proseku zarađuje 600 dolara nedeljno putem platforme, a jednom je zaradila više od 10.000 dolara nakon što je snimala 75 sati u jednoj sedmici. "Glas mi je bio uništen", kaže ona. 

U poređenju s drugim honorarnim poslovima koje je radila, zarada je bila dobra i bila je zahvalna Babelu kada je nakratko ostala bez drugog posla. Međutim, i ona se brine zbog dugoročnih posledica. "Mislim da sam prodala dušu", kaže Gina. To je nije sprečilo da se još više angažuje na platformi. Pored glasovnih poziva, počela je da prihvata i video-projekte koji beleže i njenu mimiku, odnosno izraze lica. "U ovom trenutku, razmišljam u stilu: ’Već imaju moj glas’", kaže ona. "Mogla bih bar da zaradim nešto novca od toga dok još mogu."