Kina dominira u veštačkoj inteligenciji oslanjajući se na mladu radnu snagu

Prvobitno objavljeno na Motherboard.

MINKVAN, KINA — Kancelarija Žua Junkaja nalazi se na obodu reke Dongša, mirne tekuće vode koja razdvaja stari od novog dela Minkvana, grada od 318.000 stanovnika u provinciji Henan u centralnoj Kini. Ovde je Žu (19) ovog leta osnovao svoju malu radionicu obeleživača podataka zajedno sa 26-godišnjim rođakom.

Kancelarija Jun Peng Tehnologije iznajmljena je tradicionalna dvorišna kuća, kakve se često sreću u ruralnijim predelima Kine. Ove kuće su velike i visoke dva ili tri sprata, za razliku od sveprisutnih visokih stambenih zgrada kakve možete da vidite po čitavoj Kini. Iza kuće, čovek grabulja opalo lišće na parčetu zemlje za koje Žu kaže da se i dalje koristi za useve.

Unutra, jedina zagrejana prostorija je kancelarija, u kojoj desetak mladih ljudi sedi ispred širokih bleštavih ekrana. Ekrani i fluorescentno svetlo ne osvetljuju previše prostoriju ovog novembarskog dana u kom je stepen zagađenja zaklonio sunce gustim slojem smoga.

Ti mladi ljudi su “obeleživači podataka”, koji sede ispred kompjutera osam sati dnevno i klikću na desetine fotografija, obeležavaju zadnji i prednji plan, i konkretne subjekte, sve prema specifikacijama klijenta koji radi na veštačkoj inteligenciji. Neki možda obeležavaju medicinske skenove; drugi, fotografije pejzaža i drveća; treći, slike puteva za vozila bez vozača. Ti podaci se ubacuju u algoritme veštačke inteligencije kako bi naučili da “prepoznaju”. Industrija veštačke inteligencije oslanja se na ovu jeftinu, ljudsku radnu snagu pošto algoritme i “mašinsko učenje” u mnogim slučajevima obučavaju pravi ljudi.

Veštačka inteligencija zahteva velike količine podataka kako bi usvojila i razlikovala obrasce, bilo da se radi o slikama, audio snimcima ili tekstu, jer oni medije tumače drugačije od ljudi. Da biste naučili algoritme da pravilno prepoznaju da je jabuka jabuka, potrebni su im na hiljade miliona slika jabuka. Takođe, lako ih je prevariti. U jednom eksperimentu, istraživači bezbednosti otkrili su da ako se izvitoperi slika školskog autobusa, iako je izmena bila nevidljiva za ljudsko oko, veštačka inteligencija više nije mogla da prepozna da se radi o školskom autobusu.

U Kini se veliki novac ulaže u veštačku inteligenciju, a malo mesta to bolje ilustruje od Henana. U provinciji koja je do pre samo koju godinu bila slavna po biljki fokskon (od koje se prave proizvodi za Epl) i fabrikama elektronike, gradovi su sada puni kancelarija sa radnicima koji obavljaju mukotrpni posao ubacivanja podataka od kojih kompjuteri postaju pametni.

Prošle godine, venčer kapitalisti uložili su pet milijardi američkih dolara u AI startapove u Kini, koji su po prvi put zaradili više novca u tom sektoru od Sjedinjenih Država, prema istraživanju konsultantske firme AIB. Kineska vlada je proglasila ovu oblast prioritetom, istog leta najavivši ambicioznu politiku da se do 2030. godine izgradi industrija vredna 150 milijardi dolara.

AI je takođe jedna od deset ključnih industrija definisanih u Mejd in Čajna 2025, ekonomskom master planu koji vlada gura kako bi pretvorila zemlju iz ekonomije masovne proizvodnje niske vrednosti u visokotehnološku ekonomiju visoke vrednosti. Kina je sada dom za Sensetajm, najvrednije AI kompanije na svetu, koja se bavi prepoznavanjem lica i slika i radi sa lokalnim vlastima širom zemlje na prismotri. Procenjuje se da je vredna 4,5 milijardi dolara, prema firmi za istraživanje CB Insajts.

Ali slično proizvodnim fabrikama koje su pogurale ekonomski razvoj Kine 2000-tih, zemlja je postala dom za sve veću pridruženu industriju kompanija za obeležavanje podataka sa mnoštvom radnika koji opskrbljuju i obrađuju ogromne količine podataka za unošenje u algoritme. Izuzev nekolicine etabliranih velikih firmi u najvećim gradovima Kine, ove kompanije uglavnom niču u manjim gradovima, mestima i ruralnim krajevima.

Žu je dobio ideju da otvori radionicu nakon što je video brojna slična preduzeća u gradu Pingding Šan, nekoliko sati vožnje na zapad. Rođaci su zajednički sakupili višegodišnju ušteđevinu svojih porodica (45.000 dolara) kako bi kupili nekoliko desetina kompjutera i iznajmili kancelarijski prostor. Oni su, koliko znaju, jedini u Minkvanu.

Žu je upao u ovaj posao nakon što je završio trgovačku školu kao automehaničar i počeo da traži posao. Mogućnosti su mu bile ograničene.

“Ako ne znate šta ćete raditi u budućnosti, možete da se preselite u veliki grad i postanete kancelarijski radnik i onda se svaki dan tiskate u javnom prevozu”, rekao je on. “Što se tiče drugih oblasti, ako želite da budete broj jedan u bilo kojoj, treba vam mnogo znanja, iskustva i obrazovanja. To su stvari koje mi nemamo.”

Bilo je teško naći posao kao automehaničar, rekao je on. Radio je kratko u fabrici i dao ostavku. Smene su se sastojale od neizdrživih 14-časovnih radnih dana.

“Osetio sam da više ne mogu da izdržim”, rekao je on. Ali “ova industrija je delovala kao da ima potencijala.”

Mnogi se sada prebacuju u industriju obeležavanja podataka, rekao je Han Đinhao, koji je pokrenuo svoju kompaniju za obeležavanje podataka pre malo više od godinu dana u Žengžuu, glavnom gradu ove provincije. Njegova kompanija, Dianvokeđi, zapošljava više od 100 obeleživača podataka.

“Iako je obeležavanje prilično niskokvalifikovan rad, prepreke za ulazak u njega su relativno male, a to je i dalje AI industrija”, rekao je on. “I zato smo mi pomislili, ako možemo da započnemo odavde, možemo polako, korak po korak, da krenemo ka nečem vrednijem.”

Han je prebrojao više od 6.000 preduzeća za obeležavanje podataka registrovanih na platformi poput Kregslista koju je sam podigao, gde manja preduzeća mogu da nađu spoljni angažman i zaposle nove radnike.

Žao Mengjao (18) nova je u ovom poslu. Počela je da radi u Žuovoj kompaniji u oktobru. Tokom moje posete kancelariji, ona prelazi obeleživačem preko belih linija parking mesta na parkiralištu. Slika je izvitoperena, sa crtama iskrivljenim kao da kamera ima sočivo ribljeg oka, ali ona prelazi preko njih s velikom lakoćom. Posle 20 minuta, Žao prelazi na sledeću fotografiju iz seta. To je još jedna fotografija parkirališta, slikana iz drugog ugla.

Pored nje, jedan mladić iscrtava krzave ivice pevačicine narandžaste haljine, piksel po piksel. Posle toga, iscrtava konture čoveka koji igra golf.

Žao je radila kao šminkerka u studiju za svadbene portrete, ali je dala ostavku zato što joj je posao bio prenaporan. Bilo je dana kada je morala da ustaje u četiri izjutra kako bi se pripremila za slikanje klijenata, a dolazila je kući u sedam uveče.

Sada, kaže ona, počinje u osam ujutro i završava u šest popodne, sa sat i po pauze između. Tokom pauze za ručak, Žao i njene kolege začikavaju jedni druge dok igraju igre na istim konzolama na kojima su obeležavali fotografije.

“Mislim da je ovo prilično dobro. Ima mnogo slobode dok radite ovde”, rekla je ona.

Žao kaže da joj je plata pristojna. Plaćaju je po setu od 20 fotografija, za oko tri dolara po setu. Po danu može da završi između četiri i osam setova, ili 80 do 160 fotografija. Kad sam je pitao šta misli gde te fotografije odlaze, rekla mi je da ne zna.

Sedam obeleživača podataka sa kojima sam pričao dobijaju mesečno plate od oko 290 do 580 dolara. To je u skladu sa prosečnim raspoloživim prihodima kineskih radnika iliti prihodima koje nose kući posle odbijenog poreza, koji je 2017. godine iznosio 330 dolara. “Ima mnogo poslova sa ovakvom platom u Žengžuu”, rekao je Vang Jušuang, 25-godišnji radnik Dianvokeđija.

Standard za učenje veštačke inteligencije da prepoznaje fotografija jeste da se koriste slike sa ImageNet-a, baze podataka sa više od 14 miliona slika koju je napravila profesorka sa Stenforda Li Fej-Fej i njen tim. Baza podataka oslanja se na Amazonov Mechanical Turk, koji autsorsuje manuelne zadatke kao što je obeležavanje fotografija svim zainteresovanim korisnicima interneta za nekoliko centa.

Ali dok se kompanije širom sveta utrkuju da pronađu aplikacije za industriju veštačke inteligencije u svim oblastima, od vozila bez vozača do medicinske dijagnostike, pokazuje se da ImageNet i Mechanical Turk naprosto nisu dovoljni.

Medicinska oblast koja želi da postavlja preciznije dijagnoze zahteva veoma detaljne tačke kako bi se pomoglo veštačkoj inteligenciji da nauči da razlikuje, na primer, CT tumora i očne jabučice, zato što isprva sama to ne bi umela, rekao mi je preko telefona Piter Jang, osnivač kompanije za obeležavanje podataka Awakening Vector. Potrebni su joj podaci koji ističu kako tumor izgleda na slici, na mnogo različitih slika, što zahteva da čovek klikće na sliku i obeleži je.

Ali većina AI startova imaju samo nekoliko stalno zaposlenih radnika, obično naučnike za podatke, rekao je Jang.

“Tako nešto iziskuje mnogo fizičkog rada”, rekao je Jang. “Ne možete da očekujete od ljudi koji imaju tako visoke plate da rade ovakvu vrstu posla, koji zahteva veliku količinu manuelnog rada, tako da to morate da autsorsujete.”

Potom, tu su pitanja privatnosti i kontrole kvaliteta. Medicinske slike moraju, na primer, da ostanu tajne. Zadatke Mechanical Turk-a obavlja svaki registrovani korisnik koji želi da zaradi novac, a ne zaposleni sa pristojnom platom koji rade od ponedeljka do petka.

Autsorsovanje je značilo da ovi poslovi sada niču širom Kine. Jangova kompanija smeštena je u kineskoj autonomnoj regiji Ksinđiang Ujgur, a među njihove klijente spadaju Baidu, glavni pretraživač u Kini, i Novartis, multinacionalna farmaceutska kompanija. Hanova kompanija, koja opslužuje kineske firme kao što su nekolicina startapova za vozila bez vozača, ima ogranke u manjim gradovima širom Henana i susedne provincije Šandong.

Opšte je prihvaćena mudrost da će sa dolaskom naprednije tehnologije najviše izgubiti manje kvalifikovana radna snaga. Akademsko istraživanje uglavnom potkrepljuje taj stav. Ali to ne znači nužno da će tehnologija zameniti sve poslove.

Istraživanje kroz istoriju pokazuje da je automatizacija dovela do eksplozije novih radnih mesta, rekao mi je Džejms Besen, izvršni direktor Inicijative za istraživanje tehnologije i politike pri Univerzitetu u Bostonu. On je ukazao na primer tekstilne industrije.

U ranom 19. veku, većina ljudi imala je samo jedno odelo zbog cene tkanine, rekao je Besen. Ali kako se tehnologija širila a određeni zadaci postajali automatizovani i smanjivali cenu pravljenja odeće, potražnja za odećom je samo rasla. Više odeće dovelo je do više radnih mesta. Iako se tekstilna industrija smatrala “nisko kvalifikovanom”, kako je počela dramatično da se širi, dovela je nove radnike koji su morali da uče da rukuju komplikovanom mašinerijom. Kako su poslovi autsorsovani zemljama u razvoju, sveukupno nije došlo do gubitka poslova. Tek kad se zadovolji potražnja, broj radnih mesta počinje da opada.

Kina je, za sada, jeftinija u poređenju sa USA i ima radnu snagu da to iskoristi.

A posao se takođe širi mimo obeležavanja slika. Mnoge kompanije plaćaju i za prepoznavanje zvuka, prepoznavanja video slike, pa čak i sirovih podataka. Žou i njegov tim su sakupili snimke dečjih glasova ili ljudi koji pričaju henanskim dijalektom.

Neki radnici osećaju poseban ponos što su deo jedne nove industrije. “Radimo nešto veoma rudimentarno, ali smo i veoma važan deo svega, pomažući robotima da uče i prepoznaju gomilu podataka”, rekao je Vang.

Šta će se desiti kad jednog dana algoritmi nauče da prepoznaju stvari sami? Hoće li na desetine hiljada niskokvalifikovanih radnika u veštačkoj inteligenciji izgubiti posao?

Han ne deluje posebno zabrinuto. “Ako dođe do toga, onda ljudi možda više neće biti živi. Mislite li da će čovečanstvo dopustiti nečemu što nije čak ni živo da kontroliše čovečanstvo? Mi ćemo ga naučiti samo da nam služi. Ne bih je naučio toliko dobro da ja jednog dana moram da služim mašini.”