TL;DR
- زمانی که زئوس،.
- یک دانشجوی پزشکی که در شهری بالای تپه در مرکز نیجریه زندگی میکند،.
- پس از یک روز طولانی در بیمارستان به آپارتمان استودیوی خود برمیگردد،.
چه اتفاقی افتاد
زمانی که زئوس،. یک دانشجوی پزشکی که در شهری بالای تپه در مرکز نیجریه زندگی میکند،.
پس از یک روز طولانی در بیمارستان به آپارتمان استودیوی خود برمیگردد،. چراغ حلقهاش را روشن میکند،.
آیفون خود را به پیشانیاش میبندد و شروع به ضبط میکند. دستهایش را مثل خوابگردها جلویش میآورد و ملافهای روی تختش میگذارد.
او به آرامیو با احتیاط حرکت میکند تا مطمئن شود دستهایش در قاب دوربین قرار. میگیرند.
زئوس یک ضبط کننده داده برای Micro1،. یک شرکت آمریکایی مستقر در پالو آلتو،.
کالیفرنیا است که دادههای دنیای واقعی را جمع آوری میکند تا به شرکتهای رباتیک بفروشد. در حالی که شرکتهایی مانند تسلا،.
Figure AI و Agility Robotics برای ساخت انساننماها رقابت میکنند - روباتهایی که شبیه انسانها در کارخانهها و. خانهها حرکت میکنند - ویدئوهای ضبطشده توسط کارگران نمایشگاهی مانند زئوس در حال تبدیل شدن به داغترین روش.
جدید برای آموزش آنها است. Micro1 هزاران کارگر قراردادی را در بیش از 50 کشور از جمله هند،.
نیجریه و آرژانتین استخدام کرده است. جایی که انبوهی از جوانان آگاه به فناوری به دنبال شغل هستند.
آنها در حال نصب آیفون روی سرشان هستند و از خود در حال تا کردن لباسها،. شستن ظروف و آشپزی ضبط میکنند.
این شغل بر اساس استانداردهای محلی درآمد خوبی دارد و اقتصاد محلی را تقویت میکند،. اما سؤالات سختی را در مورد حفظ حریم خصوصی و رضایت آگاهانه ایجاد میکند.
و کار ممکن است گاهی چالش برانگیز و عجیب باشد. زئوس این شغل را در نوامبر پیدا کرد،.
زمانی که مردم شروع به صحبت در مورد آن در همه جا در لینکدین و یوتیوب کردند. او فکر کرد:.
«این یک فرصت واقعی برای تعیین علامت و ارائه دادههایی است که برای آموزش روباتها در آینده استفاده. میشود.
زئوس ساعتی 15 دلار حقوق میگیرد که در اقتصاد پرتنش نیجریه با نرخ بالای بیکاری درآمد خوبی. است.
اما بهعنوان یک دانشآموز با چشمان روشن که رویای دکتر شدن را در سر میپروراند،. اتو کردن لباسهایش را برای ساعتها خسته کننده میداند.
او میگوید: «من واقعاً آنقدر آن را دوست ندارم. "من از آن نوع آدمیهستم نیاز به یک کار فنی دارد که من را ملزم به فکر.
کردن میکند.» زئوس و همه کارگرانی که توسط MIT Technology Review مصاحبه شده بودند،. درخواست کردند که فقط با نام مستعار به آنها اشاره شود زیرا آنها مجاز به صحبت در مورد.
کار خود نیستند. ساخت رباتهای انسان نما بسیار سخت است زیرا دستکاری اشیاء فیزیکی مهارتی دشوار است.
اما ظهور مدلهای زبانی بزرگ زیربنای چتباتهایی مانند ChatGPT، الهامبخش یک تغییر پارادایم در رباتیک است. همانطور که مدلهای زبان بزرگ با آموزش بر روی متنهای خراشیده شده از اینترنت،.
تولید کلمات را یاد گرفتند،. بسیاری از محققان بر این باورند که روباتهای انساننما میتوانند با آموزش دادههای حرکتی عظیم،.
تعامل با جهان را بیاموزند. یادداشت سردبیر:.
در یک نظرسنجی اخیر،. خوانندگان MIT Technology Review رباتهای انسان نما را بهعنوان یازدهمین پیشرفت برای لیست 10 فناوری پیشرفت ما.
در سال 2026 انتخاب کردند. رباتیک به دور نیاز دارد با این حال،.
دادههای پیچیدهتر در مورد دنیای فیزیکی،. و یافتن آن بسیار سختتر است.
شبیهسازیهای مجازی میتوانند رباتها را برای انجام حرکات آکروباتیک آموزش دهند،. اما نه نحوه گرفتن و حرکت دادن اشیا را،.
زیرا شبیهسازیها برای مدلسازی فیزیک با دقت کامل تلاش میکنند. برای اینکه روباتها در کارخانهها کار کنند و بهعنوان خانهدار خدمت کنند،.
دادههای دنیای واقعی،. هر چند جمعآوری زمانبر و پرهزینه،.
ممکن است چیزی باشد که ما نیاز داریم. سرمایهگذاران به شدت برای حل این چالش پول میریزند و در سال 2025 بیش از 6 میلیارد دلار.
برای روباتهای انساننما هزینه میکنند. و ضبط دادههای خانگی در حال تبدیل شدن به یک اقتصاد پررونق در سراسر جهان است.
شرکتهای دادهای مانند Scale AI و Encord در حال استخدام ارتشهای ضبطکننده دادههای خود هستند،. در حالی که DoorDash به رانندگان تحویلدهنده پول میدهد تا از خود در حال انجام کارهای خانه فیلم.
بگیرند. و در چین،.
کارگران دهها مرکز آموزشی رباتهای دولتی از هدستهای واقعیت مجازی و اسکلت بیرونی برای آموزش انساننما استفاده میکنند. روباتها چگونه مایکروویو را باز کرده و میز را پاک کنند.
علی انصاری، مدیرعامل Micro1 میگوید: «تقاضای زیادی وجود دارد و به سرعت در حال افزایش است. او تخمین میزند که شرکتهای رباتیک در حال حاضر بیش از ۱۰۰ میلیون دلار هر سال برای خرید.
دادههای دنیای واقعی از شرکت او و سایر موارد مشابه خرج میکنند. یک روز از زندگی کارگران Micro1 توسط یک عامل هوش مصنوعی به نام زارا که مصاحبهها و نمونههایی.
از ویدیوهای سخت را بررسی میکند،. بررسی میشوند.
هر هفته،. آنها ویدیوهایی را از خود در حال انجام کارهای خانه در خانه ارسال میکنند،.
به دنبال فهرستی از دستورالعملها در مورد چیزهایی مانند قابل مشاهده نگه داشتن دستها و حرکت. با سرعت طبیعی.
ویدیوها هم توسط هوش مصنوعی و هم توسط یک انسان بررسی میشوند و یا پذیرفته میشوند یا رد. میشوند.
سپس توسط هوش مصنوعی و تیمیمتشکل از صدها انسان که اقدامات را در فیلم برچسب گذاری می. کنند،.
حاشیه نویسی میشوند. "تقاضای زیادی وجود دارد و به سرعت در حال افزایش است.
" علی انصاری،. مدیرعامل Micro1 زیرا این رویکرد آموزش روباتها در مراحل ابتدایی است،.
هنوز مشخص نیست که چه چیزی باعث ایجاد دادههای آموزشی خوب میشود. با این حال،.
انصاری میگوید:. «شما باید تغییرات زیادی را برای ربات ارائه دهید تا به خوبی برای ناوبری اولیه و دستکاری جهان.
تعمیم یابد. اما بسیاری از کارگران میگویند که ایجاد انواع "محتوای کار" در خانههای کوچک آنها یک چالش.
است. زئوس،.
یک دانشآموز فقیر که در یک استودیوی محقر زندگی میکند،. هر روز تلاش میکند تا چیزی فراتر از اتو کردن لباسهایش را ضبط کند.
آرجون،. معلمیدر دهلی،.
هند،. یک ساعت زمان میبرد تا یک ویدیوی 15 دقیقهای بسازد،.
زیرا زمان زیادی را صرف طوفان فکری کارهای جدید میکند. "چه مقدار محتوا [میتوان] در خانه تولید کرد؟
چقدر محتوا؟ " او میگوید.
همچنین یک سوال مهم در مورد حریم خصوصی وجود دارد. Micro1 از کارگران میخواهد که چهره خود را به دوربین نشان ندهند یا اطلاعات شخصی مانند نام،.
شماره تلفن و تاریخ تولد را فاش نکنند. سپس از هوش مصنوعی و بازبینهای انسانی برای حذف هر چیزی که از بین میرود استفاده.
میکند. اما حتی بدون چهره،.
ویدئوها برشی صمیمیاز زندگی کارگران را به تصویر میکشند:. فضای داخلی خانههایشان،.
داراییهایشان،. کارهای روزمرهشان.
و درک اینکه چه نوع اطلاعات شخصی ممکن است آنها را ضبط کنند در حالی که آنها مشغول. انجام کارهای خانه در دوربین هستند ممکن است مشکل باشد.
بازبینی چنین فیلمهایی ممکن است اطلاعات حساس را فراتر از واضحترین شناسهها فیلتر نکند. برای کارگران با خانواده، دور نگه داشتن زندگی خصوصی از دوربین یک مذاکره دائمیاست.
آرجون، پدر دو دختر، باید با کودک دوسالهی آشفتهاش در خارج از چارچوب مبارزه کند. او میگوید: «بعضی اوقات کار کردن بسیار سخت است، زیرا دخترم کوچک است.
ساشا،. یک بانکدار که در نیجریه تبدیل به ضبط داده شده است،.
وقتی لباسهای شسته شدهاش را بیرون در یک مجتمع مسکونی آویزان میکند،. نوک انگشتان پا را به اطراف میچرخاند تا همسایههایش را که گیج و مبهوت او را تماشا میکنند،.
ضبط نکند. "این بیشتر از آنچه مردم فکر میکنند طول میکشد.
" کن گلدبرگ،. UC برکلی در حالی که کارگران مصاحبه شده توسط MIT Technology Review میدانند که از دادههای.
آنها برای آموزش رباتها استفاده میشود،. هیچ یک از آنها نمیدانند دقیقا چگونه دادههای آنها استفاده،.
ذخیره و با اشخاص ثالث به اشتراک گذاشته میشود. شرکتهای رباتیکی که Micro1 دادهها را به آنها میفروشد.
انصاری میگوید به دلایل محرمانه،. Micro1 نامیاز مشتریان خود نمیبرد یا ماهیت خاص پروژههایی را که در آن مشارکت میکنند به کارگران.
فاش نمیکند. یاسمین کوتوری،.
استاد محاسبات انسان محور در دانشگاه مریلند،. میگوید:.
«اگر کارگران درگیر این هستند،. مهم است که توسط خود شرکتها از قصد آنها مطلع شوند .
این نوع فناوری ممکن است به کجا برسد و چگونه ممکن است در طولانیمدت آنها را تحت تأثیر. قرار دهد.
گهگاه،. برخی از کارگران میگویند،.
کارگران دیگری را دیده اند که در کانال Slack شرکت میپرسند که آیا شرکت میتواند داده. های آنها را حذف کند.
Micro1 از اظهار نظر در مورد حذف شدن چنین دادههایی خودداری کرد. انصاری میگوید: «مردم این کار را ترجیح میدهند.
"آنها میتوانند در هر زمانی کار را متوقف کنند. " تشنه داده با هزاران کارگر که در خانههای مختلف کارهایشان را متفاوت انجام میدهند،.
برخی از متخصصان رباتیک تعجب میکنند که آیا دادههای جمع آوری شده از آنها به اندازه. کافی قابل اعتماد است که رباتها را ایمن آموزش دهد.
آرون پراتر، متخصص رباتیک در ASTM International، میگوید: «چگونگی زندگیمان در خانههایمان همیشه از نظر ایمنی درست نیست. "اگر این افراد عادتهای بدی را آموزش میدهند که میتواند منجر به یک حادثه شود،.
پس این دادههای خوبی نیست. " و حجم انبوه دادههای جمعآوریشده، بررسی آنها را برای کنترل کیفیت چالش برانگیز میکند.
اما انصاری میگوید که این شرکت ویدئوهایی را که روشهای ناامن انجام یک کار را نشان میدهند رد. میکند،.
در حالی که حرکات ناشیانه میتواند برای آموزش به روباتها مفید باشد که چه کارهایی را انجام ندهند. سپس این سوال مطرح میشود که ما به چه مقدار از این دادهها نیاز داریم.
Micro1 میگوید دهها هزار ساعت فیلم دارد،. در حالی که Scale AI اعلام کرد که بیش از 100000 ساعت را جمع آوری کرده است.
کن گلدبرگ، روباتیک دانشگاه کالیفرنیا میگوید: «برای رسیدن به آن زمان زیادی طول میکشد. برکلی.
مدلهای زبانی بزرگ بر روی متن و تصاویری آموزش داده شدهاند که خواندن آنها ۱۰۰۰۰۰ سال طول میکشد. و روباتهای انساننما ممکن است به دادههای بیشتری نیاز داشته باشند،.
زیرا کنترل مفاصل رباتیک حتی پیچیدهتر از تولید متن است. او میگوید: «این کار بیشتر از آنچه مردم فکر میکنند طول خواهد کشید.
وقتی داتو،. یک دانشجوی مهندسی که در یک مرکز فناوری شلوغ در هند زندگی میکند،.
پس از یک روز کامل کلاس در دانشگاهش به خانه میآید،. از شام صرف نظر میکند و به سمت بالکن کوچک خود،.
مملو از گیاهان و دمبلهای گلدانی میرود. او آیفون خود را به پیشانیاش میبندد و خودش را ضبط میکند که همان لباسها را بارها و.
بارها تا میکند. خانواده اش با تعجب به او خیره میشوند.
او میگوید: «این مانند یک فناوری فضایی برای آنهاست. وقتی او به دوستانش در مورد شغل خود میگوید،.
"آنها فقط از این ایده که میتوانند با ضبط کارهای خانگی دستمزد دریافت کنند شگفت زده می. شوند.
" شعبده برداری از مطالعات دانشگاهی خود با ثبت دادهها،. بهعنوان و همچنین سایر کنسرتهای حاشیه نویسی داده،.
او را تحت تاثیر قرار میدهد. با این حال، او میگوید: «به نظر میرسد شما در حال انجام کاری متفاوت از کل دنیا هستید.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.
