دستمزد ۴۰۰ دلاری در ساعت برای آموزش هوش مصنوعی؛ جهش درآمد متخصصان در بازار داده‌کاری
بازار آموزش هوش مصنوعی در حال تجربه تغییری تازه است؛ شغلی که پیش‌تر بیشتر با انجام وظایف ساده و کم‌درآمد شناخته می‌شد، اکنون به حوزه‌ای برای کسب درآمدهای قابل‌توجه از سوی متخصصان حرفه‌ای تبدیل شده است. در برخی پروژه‌ها، دستمزد ساعتی افراد متخصص، از جمله وکلای حقوق مدنی، به ۴۰۰ دلار می‌رسد. هم‌زمان، برخی شرکت‌ها به آینده‌ای فکر می‌کنند که در آن، داده‌های حاصل از فعالیت روزمره کارکنان نیز به منبعی برای آموزش مدل‌های هوش مصنوعی تبدیل شود.
به گزارش شبکه اطلاع رسانی تدبیر و امید به نقل از زومیت، دو زن در خانه‌های خود لپ‌تاپ‌هایشان را باز می‌کنند و برای آغاز شیفت کاری وارد سامانه‌های آنلاین می‌شوند. هر دو مادر هستند، اما نوع فعالیت و میزان درآمدشان تفاوت زیادی دارد. آن‌ها در حوزه داده‌کاری فعالیت می‌کنند؛ کاری که در آن انسان‌ها با تولید، ارزیابی و اصلاح داده‌ها، به آموزش سیستم‌های هوش مصنوعی کمک می‌کنند.
بروک هنسن پس از آنکه در شش‌ماهگی بارداری از شغل خود در بخش خدمات مشتریان کنار گذاشته شد، فعالیت در حوزه داده‌کاری را جدی‌تر دنبال کرد. او اکنون که در خانه از فرزندانش مراقبت می‌کند، از این راه درآمدی مکمل برای خانواده به دست می‌آورد؛ درآمدی که در مجموع به چند صد دلار در هفته می‌رسد.
در سوی دیگر، آنو بریکسی که رادیولوژیست است، می‌تواند مبلغی مشابه را تنها در یک ساعت کار تخصصی به دست آورد.
داده‌کاری که زمانی به‌عنوان نوعی کار دیجیتال کم‌دستمزد شناخته می‌شد، حالا میزبان گروهی از متخصصان با درآمدهای بالاتر شده است. این تحول تا آنجا پیش رفته که لینکدین در سال جاری، عنوان «حاشیه‌نویس داده» را در رتبه چهارم مشاغل دارای سریع‌ترین رشد در آمریکا قرار داده است.
با توسعه مدل‌های هوش مصنوعی، شرکت‌های فعال در زمینه جذب نیروی انسانی به دنبال افرادی با دانش تخصصی در حوزه‌های گوناگون هستند. محور اصلی بسیاری از آگهی‌های استخدامی آن‌ها نیز مشارکت در آموزش نسل بعدی سیستم‌های هوش مصنوعی است.
برخی از نرخ‌های اعلام‌شده برای این فعالیت‌ها عبارت‌اند از:
مهندس نرم‌افزار: تا ۱۲۰ دلار در ساعت
متخصص فیزیک ماده چگال: ۱۷۰ دلار در ساعت
وکیل حقوق مدنی: ۴۰۰ دلار در ساعت
در ادبیات این صنعت، به این گروه از نیروها «متخصصان» گفته می‌شود. آن‌ها در کنار داده‌کاران عمومی فعالیت می‌کنند؛ افرادی که وظایف ساده‌تر و کم‌تخصص‌تری بر عهده دارند و معمولاً دستمزد کمتری دریافت می‌کنند.
فاصله درآمدی میان داده‌کاران عمومی و متخصصان
افزایش فاصله میان این دو گروه، نگرانی‌هایی را در بازار کار به وجود آورده است. داده‌کاران عمومی می‌گویند وظایفشان پیچیده‌تر شده، شرایط کاری دشوارتر است و یافتن پروژه‌های جدید روزبه‌روز سخت‌تر می‌شود. در مقابل، ورود متخصصان حرفه‌ای به این بازار پرسش‌های تازه‌ای درباره آینده مشاغل تخصصی مطرح کرده است؛ از جمله اینکه آیا مدل‌های هوش مصنوعی در حال جذب دانش و مهارت پزشکان، ریاضی‌دانان، حسابداران و دانشمندان هستند؟
دانیل لی، استاد مؤسسه فناوری ماساچوست (MIT) که تأثیر هوش مصنوعی بر بازار کار را بررسی می‌کند، معتقد است کارفرمایان همواره نیروی انسانی را برای بهره‌برداری از توانایی‌هایش به خدمت گرفته‌اند و با قطع پرداخت دستمزد، دسترسی آن‌ها به این نیروی کار نیز پایان می‌یابد.
به گفته او، این رابطه زمانی دستخوش تغییر اساسی می‌شود که کارفرما بتواند نسخه‌ای از توانایی‌های نیروی انسانی را در قالب یک مدل هوش مصنوعی در اختیار داشته باشد؛ مدلی که پس از آموزش، می‌تواند بخشی از وظایف پیشین آن فرد را انجام دهد.
از پیاده‌سازی فایل‌های صوتی تا ارزیابی پاسخ چت‌بات‌ها
هنسن حدود ۱۰ سال پیش فعالیت خود را در این حوزه آغاز کرد. در آن زمان، بخش عمده کارهایش شامل تبدیل فایل‌های صوتی به متن یا ترسیم کادر دور افراد و خودروها در تصاویر بود. او این وظایف را از طریق پلتفرم مکانیکال ترک آمازون انجام می‌داد؛ بستری که جف بیزوس در گذشته از آن با عنوان «هوش مصنوعی مصنوعی» یاد کرده بود.
این فعالیت‌ها معمولاً به تخصص ویژه‌ای نیاز نداشتند و دستمزد هر کار به چند سنت محدود می‌شد.
هنسن که از سازمان‌دهندگان گروه ترکوپتیکان برای بهبود شرایط کاری داده‌کاران است، می‌گوید پایین بودن دستمزدها همواره برای او استرس‌زا بود. با این حال، انعطاف‌پذیری کار به او اجازه می‌داد هر زمان که مسئولیت مراقبت از فرزندانش کمتر بود، فعالیت کند و در مواقع ضروری کار را متوقف سازد.
با گسترش مدل‌های زبانی بزرگ در دهه ۲۰۲۰، ماهیت وظایف او نیز تغییر کرد. کارهایی که پیش‌تر ساده بودند، جای خود را به فعالیت‌هایی پیچیده‌تر دادند؛ از جمله بررسی صحت اسناد و مقایسه پاسخ‌های چت‌بات‌ها. انجام برخی از این وظایف ممکن است یک ساعت زمان ببرد و به تمرکز مداوم نیاز داشته باشد.
امروزه بسیاری از پلتفرم‌ها به دنبال افرادی هستند که در زمینه‌هایی مانند ریاضی و زیست‌شناسی تخصص داشته باشند. هنسن نیز گاهی در پروژه‌هایی پذیرفته می‌شود که با مدرک تحصیلی او در رشته حفاظت از محیط زیست ارتباط دارند. با این حال، بخش زیادی از روزهای کاری‌اش صرف جست‌وجو میان پلتفرم‌های مختلف برای یافتن پروژه‌های مناسب می‌شود.
تغییر مسیر شرکت‌ها به سمت داده‌های اختصاصی
پلتفرم مکانیکال ترک که زمانی یکی از مهم‌ترین بسترهای فعالیت داده‌کاران آمریکایی بود، پس از ۲۱ سال فعالیت در ماه گذشته تعطیل شد. با این حال، هم‌زمان با توقف فعالیت این پلتفرم، شرکت‌های تازه‌تری در بازار رشد کرده‌اند.
مرکور (Mercor)، شرکتی که سه سال از تأسیس آن می‌گذرد و در زمینه جذب نیروهای متخصص برای آموزش هوش مصنوعی فعالیت می‌کند، درباره جذب سرمایه جدید با ارزش‌گذاری ۲۰ میلیارد دلاری وارد مذاکره شده است.
رشد تقاضا برای داده‌های تخصصی، بخشی از تحول گسترده‌تر صنعت هوش مصنوعی را نشان می‌دهد. داده‌های عمومی گردآوری‌شده از اینترنت، نقش مهمی در توسعه مدل‌های کنونی داشته‌اند؛ اما شرکت‌ها برای متمایز کردن محصولات آینده خود از رقبا، اکنون به دنبال داده‌های اختصاصی، سفارشی و خصوصی هستند.
ویل دی‌پیو، مهندس سابق اوپن‌ای‌آی، در یادداشتی که اخیراً منتشر کرده، استدلال کرده است که داده برای صنعت هوش مصنوعی به اندازه توان محاسباتی اهمیت دارد.
شرکت‌های واسطه در این بازار تنها به خرید مهارت‌های تخصصی افرادی مانند رادیولوژیست‌ها اکتفا نمی‌کنند. آن‌ها برای دسترسی به داده‌هایی از جنس گفت‌وگوهای خصوصی دوستان در تلفن همراه یا ویدئوهای اول‌شخص از افراد عادی هنگام انجام کارهای خانه نیز هزینه می‌پردازند.
در همین حال، شرکت‌هایی مانند اسپیس‌ایکس‌ای‌آی (SpaceXAI) به استخدام «مربیان هوش مصنوعی» در داخل سازمان روی آورده‌اند؛ افرادی که تخصص‌های آن‌ها حوزه‌های متنوعی، از مسائل مالی و زبان فنلاندی گرفته تا کمدی، را در بر می‌گیرد.
رادیولوژیست‌ها چگونه به آموزش مدل‌های هوش مصنوعی کمک می‌کنند؟
شرکت‌های استخدام‌کننده برای یافتن نیروهای مورد نیاز خود، از شبکه‌هایی مانند لینکدین استفاده می‌کنند. حدود چهار سال پیش، یکی از همین شرکت‌ها با آنو بریکسی تماس گرفت و از او خواست برای یک شرکت هوش مصنوعی، تصاویر قفسه سینه، ریه و قلب را تفسیر کند.
بریکسی پیش از آن نیز در مرکز پزشکی محل فعالیت خود با این فناوری روبه‌رو شده بود. به گفته او، مدلی که برای تشخیص ندول‌های ریوی طراحی شده بود، هشدارهای اشتباه زیادی تولید می‌کرد. با این وجود، او معتقد بود هوش مصنوعی می‌تواند به رادیولوژیست‌ها کمک کند تا پاسخ‌گوی افزایش تقاضا برای خدمات تصویربرداری پزشکی باشند.
به همین دلیل، بریکسی گاهی پس از یک هفته کاری فشرده، بخشی از آخر هفته خود را به برچسب‌گذاری داده‌ها اختصاص می‌دهد؛ برای مثال، نواحی دارای رسوبات کلسیم را در تصاویر قلب مشخص می‌کند.
او در طول سال حداکثر در دو پروژه شرکت می‌کند و انگیزه اصلی‌اش بیش از آنکه کسب درآمد باشد، امید به بهبود عملکرد فناوری‌های پزشکی است. بریکسی در توضیح دلیل مشارکت خود می‌گوید: «این کار را برای بهبود مراقبت از بیماران انجام می‌دهم.»
آیا بازار داده‌کاری واقعاً در حال دگرگونی گسترده است؟
با وجود افزایش توجه شرکت‌ها به متخصصان، پژوهشگرانی که روند تغییرات بازار داده‌کاری را دنبال می‌کنند، درباره گستردگی این تحول تردید دارند.
آنتونیو کازیلی، استاد مؤسسه پلی‌تکنیک پاریس، بر این باور است که شمار متخصصان پردرآمدی که در پروژه‌های آموزش هوش مصنوعی مشارکت می‌کنند، در مقایسه با داده‌کاران عمومی همچنان محدود است.
او می‌گوید شرکت‌هایی که به سرمایه‌گذاران وعده ساخت ماشین‌های فراهوشمند می‌دهند، ترجیح می‌دهند از توانایی افراد بسیار متخصص استفاده کنند؛ با این حال، همچنان به نیروی کار عمومی و کم‌دستمزد متکی هستند. کازیلی این متخصصان را «صرفاً گیلاس روی کیک» توصیف می‌کند.
به گفته او، بخش عمده فعالیت‌های داده‌کاری همچنان به دست افرادی انجام می‌شود که دستمزد پایینی دارند و با شرایط کاری ناپایدار، از جمله غیرفعال شدن ناگهانی حساب‌های کاربری‌شان، روبه‌رو هستند.
مرکور اعلام کرده است که میانگین دستمزد در این پلتفرم به ۱۱۰ دلار در ساعت رسیده، اما اطلاعاتی درباره سهم پروژه‌هایی که با این نرخ پرداخت می‌شوند، ارائه نکرده است.
پلتفرم بریتانیایی پرولیفیک (Prolific) نیز از اعلام تعداد پروژه‌های انجام‌شده توسط متخصصان خودداری کرده است. طبق اطلاعات این شرکت، متخصصان حدود ۳۰ درصد از کل مشارکت‌کنندگان این پلتفرم را تشکیل می‌دهند.
هوش مصنوعی؛ شکل تازه‌ای از برون‌سپاری نیروی انسانی
فن یانگ، پژوهشگر دانشکده حقوق ملبورن که با داده‌کاران در استرالیا، کانادا، چین و ژاپن مصاحبه کرده است، معتقد است گسترش این بازار شکل تازه‌ای از برون‌سپاری را ایجاد می‌کند.
به گفته او، شرکت‌ها به‌جای استخدام مستقیم نیروی انسانی، می‌توانند ابزارهای هوش مصنوعی خریداری کنند؛ ابزارهایی که برای تنظیم و بهینه‌سازی همچنان به داده‌های تولیدشده توسط انسان نیاز دارند. این داده‌ها نیز ممکن است از طریق افرادی تأمین شوند که با قراردادهای موقت و شرایط شغلی ناپایدار کار می‌کنند.
یانگ تأکید می‌کند که هوش مصنوعی لزوماً انسان‌ها را به‌طور کامل از بازار کار حذف نمی‌کند، بلکه ممکن است جایگاه آن‌ها و نحوه مشارکتشان در این بازار را تغییر دهد.
با این حال، دانیل لی از مؤسسه فناوری ماساچوست معتقد است تشبیه این روند به برون‌سپاری، عمق تغییرات احتمالی را به‌خوبی نشان نمی‌دهد. به باور او، گروه کوچکی از داده‌کاران ممکن است در آینده جایگزین یک حرفه کامل شوند یا ارزش اقتصادی آن را به‌شدت کاهش دهند.
لی در این زمینه می‌گوید: «وقتی شما داده تأمین می‌کنید، انتخاب‌های دیگران به‌شدت از انتخاب‌های شما تأثیر می‌پذیرد.»
چنین احتمالی برای برخی متخصصان، از هم‌اکنون نگرانی‌هایی ایجاد کرده است. پولی چیا، رادیولوژیست دیگری که در کنار شغل اصلی خود در پروژه‌های داده‌کاری مشارکت می‌کند، می‌گوید مردم درباره این روند نگران هستند. به گفته او، این نگرانی به‌ویژه در میان دانشجویان پزشکی و دستیارانی دیده می‌شود که هنوز چندین سال آموزش و تحصیل پیش رو دارند.
چرا شرکت‌ها برای متخصصان دستمزد بیشتری می‌پردازند؟
پیدا کردن نیروی متخصص در برخی مشاغل آسان‌تر از سایر حوزه‌هاست. برای مثال، انجام کار دوم در میان پزشکان بالینی رواج دارد؛ اما بانکداران سرمایه‌گذاری اغلب به دلیل محدودیت‌های قراردادهای استخدامی و ساعات کاری طولانی، زمان آزاد کمتری دارند.
این مسئله در واکنش کاربران انجمن وال‌استریت اوسیس (Wall Street Oasis) به پیام‌های استخدام‌کنندگان نیز بازتاب داشته است؛ جایی که برخی کاربران به محدودیت زمانی خود برای پذیرش چنین پروژه‌هایی اشاره کرده‌اند.
آنا پرایس، معاون شرکت پرولیفیک، توضیح می‌دهد که پلتفرم‌ها برای جلب مشارکت متخصصانی که وقت آزاد محدودی دارند، معمولاً دستمزدهای بالاتری پیشنهاد می‌کنند.
او در این باره می‌گوید: «با توجه به نیاز به متخصص‌ها، این‌ها معمولاً کسانی‌اند که من آن‌ها را کم‌وقت اما پرپول دسته‌بندی می‌کنم. پاداش باید وسوسه‌کننده باشد.»
آیا کارکنان شرکت‌ها به منبع داده برای آموزش هوش مصنوعی تبدیل می‌شوند؟
برخی شرکت‌های فعال در بازار داده معتقدند در آینده، وابستگی به استخدام مستقیم متخصصان کاهش می‌یابد و بخش قابل‌توجهی از داده‌های مورد نیاز هوش مصنوعی از محیط کار و فعالیت‌های روزمره کارکنان تأمین خواهد شد. در چنین شرایطی، تقریباً هر فردی که با رایانه کار می‌کند، ممکن است ناخواسته در فرایند تولید داده برای آموزش هوش مصنوعی نقش داشته باشد.
علی انصاری، بنیان‌گذار و مدیرعامل استارتاپ مایکرووان (Micro1) که ارزش‌گذاری آن به ۴ میلیارد دلار رسیده است، معتقد است شرکت‌ها باید کارکنان خود را نه‌فقط تولیدکنندگان کالا و خدمات، بلکه تولیدکنندگان داده‌هایی با ارزش اقتصادی مستقل نیز در نظر بگیرند.
او می‌گوید: «هر ساعت کار می‌تواند هم‌زمان سازمان را اداره کند، مدل‌های هوش مصنوعی را آموزش دهد و برای سازمان درآمد اضافی بسازد.»
برخی شرکت‌ها هم‌اکنون در حال تبدیل فعالیت‌های روزمره کارکنان خود به داده‌های آموزشی هستند. متا در بهار امسال فرایند نصب نرم‌افزاری را آغاز کرد که کلیک‌ها، ضربه‌های صفحه‌کلید و حرکت‌های ماوس کارکنان را ثبت می‌کند.
در یادداشت داخلی مرتبط با این اقدام آمده بود: «همه کارکنان متا می‌توانند صرفاً با انجام کارهای روزمره‌شان به بهتر شدن مدل‌های ما کمک کنند.»
هنسن که طی یک دهه گذشته تغییرات این حوزه را از نزدیک تجربه کرده است، هنوز مطمئن نیست که هوش مصنوعی در نهایت بتواند بدون مشارکت افرادی مانند او به فعالیت خود ادامه دهد.
بخش زیادی از پروژه‌های اخیر او به گفت‌وگوهای ۲۰ دقیقه‌ای در جلسات آنلاین زوم اختصاص داشته است؛ مکالماتی با افرادی که پیش از آن هیچ شناختی از آن‌ها نداشته است. او احتمال می‌دهد این گفت‌وگوها برای آموزش مدل‌هایی استفاده شوند که هدفشان طبیعی‌تر کردن مکالمات هوش مصنوعی و کاهش لحن ربات‌گونه آن‌هاست.
