کارهای روزمره فیلم‌برداری شده برای یک ساعت پنی به بهبود فناوری هوش مصنوعی کمک می‌کنند – اخبار بیت کوین

در تامیل نادو، یک دوربین پیشانی بند Nagireddy Sriramyachandra را در حال بریدن انبه شکار می کند و فیلم به داده های آموزشی برای روبات ها با قیمت حدود 2.40 دلار در ساعت تبدیل می شود. این کارهای دستی یک خط لوله ویدئویی خود محور را تغذیه می کند که از کف پارچه تا فروشگاه های حاشیه نویسی مانند Objectways و به راهروهای فناوری ایالات متحده ادامه می یابد، جایی که راوی شانکار، مدیرعامل، موج بعدی تقاضای هوش مصنوعی را جلب می کند. پول اندک است، پیش‌بینی بازار اینطور نیست، چرا که گلدمن ساکس ربات‌های انسان‌نما را تا سال 2035 به 38 میلیارد دلار می‌رساند. بین این اعداد، سؤالات سختی در مورد اینکه چه کسی از فشار هند برای تبدیل شدن به یک مرکز داده سود می‌برد و ضبط مداوم چه معنایی برای حریم خصوصی کارگران دارد، وجود دارد.

فیلمبرداری از زندگی روزمره برای آموزش هوش مصنوعی فردا

هوش مصنوعی به زمینه انسانی نیاز دارد و در حال حاضر این زمینه اغلب شبیه گوشی هوشمندی است که به سر یک کارگر بسته شده است و چیزهای عادی را به تصویر می کشد. در جنوب هند، مردم در حال برش دادن انبه، بستن بند کفش یا درست کردن قهوه از خود فیلم می گیرند. این فیلم به شرکت‌های آمریکایی کمک می‌کند ربات‌ها و دستیارانی را که با تماشا کردن یاد می‌گیرند، اصلاح کنند. دستمزد کم است، ریسک توسعه جهانی هوش مصنوعی بالاست.

کسب سکه برای داده های مشابه انسان

برای یک کار معمولی خانگی، کارگران حدود 2.40 دلار در ساعت درآمد دارند و فیلم اول شخص را ضبط می کنند که دقیقاً نشان می دهد که چگونه دست ها در یک کار طاقت فرسا حرکت می کنند. این ویدیوی خود محور نامیده می شود و به این دلیل ارزشمند است که هدف، حرکت و محیط را در یک جریان ترسیم می کند. این کلیپ‌ها تقلید را آموزش می‌دهند، که اگر انتظار می‌رود روبات‌ها بدون کدنویسی گام به گام، لباس‌ها را تا کنند یا غذا آماده کنند، بسیار مهم است.

کسب و کار حاشیه نویسی هوش مصنوعی

یکی از قطب‌های این زنجیره تامین Objectways است، یک شرکت برچسب‌گذاری داده که توسط راوی شانکار تأسیس شده و با مشتریان فناوری ایالات متحده همکاری نزدیک دارد. کارمندان از صدها کار کوچک در داخل خانه‌ها و ماکت‌های کارخانه فیلم‌برداری می‌کنند، سپس همکاران قاب‌ها را در مراحل قابل خواندن توسط ماشین حاشیه‌نویسی می‌کنند. به گفته این شرکت، خروجی تیم‌هایی را که ربات‌های خانگی و سیستم‌های انبار را در پلتفرم‌های بزرگ از جمله شرکت‌هایی مانند آمازون می‌سازند، تغذیه می‌کند.

نادیده گرفتن اقتصاد سخت است. آموزش ربات های انسان نما و متحرک نیازمند کوه هایی از داده های رفتاری پاک و واقعی است. این به بازار خدماتی دامن می زند که وال استریت از نزدیک آن را دنبال می کند. به گفته گلدمن ساکس، با فرض کاهش هزینه‌های سخت‌افزار و ادامه بهبود مدل‌های همه‌منظوره، هزینه‌های مرتبط با روبات‌های انسان‌نما تا سال ۲۰۳۵ می‌تواند به ۳۸ میلیارد دلار برسد.

چالش ها و سوالات اخلاقی

این کار مسائل مهمی را مطرح می‌کند که داده‌ها را در بالادست دره سیلیکون دنبال می‌کند. حفظ حریم خصوصی اولین نگرانی است، زیرا فیلم اغلب از آشپزخانه، اتاق نشیمن و کف کارخانه می آید. برخی از کارگران به طور کلی از فیلمبرداری از اتاق خواب یا اعضای خانواده خودداری می کنند. برخی دیگر خواهان قوانین روشنی در مورد حفظ، صدور مجوز، و اینکه آیا محتوای آنها در مدل های تجاری آتی بدون پرداخت غرامت مستمر وارد می شود یا خیر.

بحث حقوق و دستمزد نیز وجود دارد. فاصله بین یک ربات آموزش دیده با نیروی کار کم هزینه و یک محصول درجه یک که در ایالات متحده فروخته می شود، سیاست گذاران و مشتریان را مورد بررسی دقیق قرار می دهد. آیا مجموعه داده‌هایی که رباتیک با حاشیه بالا را امکان‌پذیر می‌کنند، باید دستمزد بیشتری برای مشارکت‌کنندگان داشته باشند؟ این سوال رونق هوش مصنوعی را تحت الشعاع قرار می دهد، دقیقاً مانند بحث هایی که در مورد سواری و تعدیل محتوا در یک دهه پیش انجام می شد.

با این حال، مقیاس همچنان بازار را به جلو می کشد. تیم های ایالات متحده برای جلوگیری از مدل های شکننده به دست ها، نور و محیط های متنوع نیاز دارند. در حال حاضر، دوربین‌ها به چرخش ادامه می‌دهند، یک تکه انبه و یک حوله تا می‌شوند و حرکات روزمره را به مجموعه آموزشی بعدی برای ماشین‌هایی تبدیل می‌کنند که می‌خواهند نحوه زندگی و کار ما را یاد بگیرند.