Zavirimo u neobičan, i neobično ljudski, rad na podučavanju umjetne inteligencije govoru

Krajem prošle godine, Gina se zatekla kako otvara svoje srce pastoru putem virtualnog poziva. 

Zaronila je u dubine svojih najružnijih sjećanja – prekida, traume iz djetinjstva, odnosa s ocem koji se zauvijek promijenio zbog njegova sudjelovanja u Vijetnamskom ratu. Pastor je sjedio i slušao, postavljao pitanja i strpljivo savjetovao Ginu. Predložio joj da se malo posveti sebi, primjerice da provede jedan dan u spa centru. "Zapravo mi je dao nekoliko zaista dobrih savjeta, tako da sam ostala potpuno iznenađena", kaže Gina.

Ovakvo "otvaranje duše" nije baš ono što je Gina očekivala kada se prijavila na Babel Audio. Riječ je o platformi koja spaja anonimne neznance u svrhu snimanja njihovih razgovora, a potom objedinjuje te snimke u podatke za obuku umjetne inteligencije brojnih tvrtki. Inače, radnici koji su intervjuirani za ovu priču zatražili su nas anonimnost jer bi otkrivanjem detalja o svom poslu prekršili Babelove uvjete, pa je Gina zapravo pseudonim, a za ostale sugovornike koristili smo samo njihova imena.

Čovjek na Gininu ekranu predstavio se kao pastor, no on nije bio njen pastor. Gina nije znala gotovo ništa o njemu, osim da je, poput nje, bio jedan od tisuća honorarnih radnika angažiranih u čudnom, često nelagodnom i povremeno emocionalnom poslu podučavanja sustava umjetne inteligencije govoru.

Posao razgovora s ljudima u svrhu obučavanja strojeva još je jedan od neobičnih poslova koje je iznjedrila era umjetne inteligencije, i to vrlo tražen posao. David AI Labs, tvrtka osnovana pred dvije godine u čijem je vlasništvu Babel Audio, jedan je od rijetkih startupa za umjetnu inteligenciju i podatke koji se fokusirao isključivo na govor. Na ovoj platformi radnici koji prođu početni odabir, pošto su prethodno dostavili kratki audioisječak, mogu početi s prijavama ​​za projekte s naknadom od najmanje 17 dolara (15 eura) po snimljenom satu. Snimke se procjenjuju na temelju kvalitete zvuka i niza drugih čimbenika, a bolje ocijenjenim radnicima nudi se više zadataka kao i mogućnost prijave za bolje plaćene poslove.

U određenim projektima uvjetuje se prirodan razgovor između neznanaca o određenoj temi, poput: "Koja je najbolja supermoć?" Kod drugih projekata uvjetuje se čitanje unaprijed napisanih scenarija ili slušanje unaprijed snimljenog zvuka kako bi im potom mogli dodati odgovarajuću oznaku (anotaciju) svaki put kada prepoznaju je li netko vokalno jeca ili se smijulji, a što se razlikuje od pukog hihotanja. Isto tako, neki projekti uključuju igranje uloga. To je bio slučaj kod Gine, razgovor u kojem je pastor glumio njezina terapeuta.

U isto vrijeme, ovaj posao može biti nesiguran, opterećen svim problemima koji postoje u široj ekonomiji honorarnih poslova. Tu su neočekivani prekidi rada, tehnički problemi, neobjašnjive suspenzije i nereaktivni timovi za podršku koji priječe isplate naknada radnicima. Inače, osnivači David AI-a nisu odgovorili na višestruke zahtjeve za komentar ili na detaljan popis pitanja.

Honorarni radnici na Babelu također se suočavaju s pojačanom kontrolom zbog svih načina na koje odnos između ljudi može poći po zlu. Naime, pri svakom chatu pokreće se mjerač u stvarnom vremenu koji prati monopolizira li osoba razgovor ili govori premalo, i time može potaknuti onog "tišeg" sugovornika na paničnu reakciju, što se smatra još jednim kršenjem pravila tijeka razgovora. Sugovornici se ocjenjuju prema svojoj verbalnoj izražajnosti, jezičnim vještinama, dubini njihovih razgovora i duljini stanki tijekom razgovora.

Psovanje je zabranjeno, kao i dijeljenje osobnih podataka. Ako pak sudionik čita scenarij, ne smije zvučati kao da čita već pripremljen tekst. Također, kao u Fight Clubu, ni pod kojim okolnostima ne bi smjeli pričati o Babelu, što može biti izazov kada je za temu razgovora određen posao kojim se sudionici bave. Kršenje bilo kojeg od ovih pravila može dovesti do nižih ocjena kvalitete radnika, čime im se dalje ograničava količina snimaka koje mogu napraviti, pa čak može rezultirati i potpunom zabranom rana na platformi.

 

Buka u pozadini još je jedna raširena bolna točka. Ryan, veteran Zračnih snaga koji se prošlog travnja odlučio okušati na Babelu kada su mu se smanjili prihodi od posla dostavljača. Svoje pozive je počeo snimati između 23 sata i 4 sata ujutro kako ga ne bi ometao lavež pasa iz susjedstva. Usred noći često bi se našao u razgovoru s nepoznatom osobom kako pričaju o njegovu razvodu. „Svaki put kad bih se za potrebe teme razgovora morao usredotočiti na emocionalnu situaciju ili značajnu međuljudsku krizu, uvijek bih posegnu za tim izvorom. Oko razvoda se najlakše uznemiriti“, posvjedočio je Rayan.

S druge strane, za komičarku i youtubericu Ashley koja je kratko radila za Babel, stres uslijed njenih nastojanja da se pridržava visokih standarda platforme pokazao se prevelikim. Nakon što je ostala bez posla, privukla ju je mogućnost zarade od 60 dolara (52 eura) po satu provedenom u razgovoru na platformi. Međutim, više puta su je izgrdili zbog izgovaranja glasa „P“ (bezvučni bilabijalni ploziv) i što nije održavala tempo razgovora. Nije prošlo mnogo vremena i Babel joj je sveo broj poziva na tri razgovora dnevno. S 15 minuta po pozivu, kaže, "nemoguće je bilo dobiti cijeli sat posla". 

Nakon što je na Babelovoj aktivnoj subreddit stranici pročitala pritužbe drugih sudionika, zaključila je kako rad na platformi nije vrijedan njezina vremena. "Ako nešto zvuči predobro da bi bilo istinito, vjerojatno i jest", posvjedočila je Ashley.

Osim tehničkih izazova, AI audiotreneri često se bore s egzistencijalnim pitanjima o svojoj privatnosti i o tome odriču li se previše sebe, svojih glasova i svojih životnih priča, a sve to ne bi li obučili tehnologiju koja je u "niskom startu" za preuzimanje brojnih izvora prihoda iz ljudskih ruku.

Iz primjerka jednog Babelova ugovora sa suradnicima koji je Bloomberg Businessweek dobio na uvid, uvjeti Babela pretpostavljaju široku slobodu tvrtke u korištenju snimaka radnika za glasovne asistente, sintetički govor i "druge proizvode i usluge povezane sa zvukom". Ovim odredbama mnogi radnici Babela dovedeni su u konfliktnu situaciju. Naime, u strahu su od rizika, a istovremeno su u strahu od gubitka vrijednih prihoda. Usred razdoblja stagnacije tržišta rada i masovnih otpuštanja, mnogi se od njih odlučuju za liniju manjeg otpora, popuštajući pred onim što se čini kao neizbježan pohod sveprisutne umjetne inteligencije.

Još jedan od Babelovih radnika, Taylor, koji se platformi pridružio ranije ove godine i ovisi o zaradi od otprilike 200 dolara (173 eura) tjedno, svoje mišljenje o ovoj problematici iskazao je na sljedeći način: "Nisam u poziciji da odlučujem koji je prihod moralno najbolji za mene."

Inače, za Ginu koja je na Babelu već skoro godinu dana ti prihodi su još značajniji. Naime, ona u prosjeku zarađuje 600 dolara (520 eura) tjedno, a jednom je zaradila više od 10.000 dolara (8675 eura) nakon što je u jednom tjednu snimala 75 sati. Prokomentirala je taj uspješni tjedan riječima: "Glas mi je bio uništen."

U usporedbi s drugim honorarnim poslovima za koje je imala priliku čuti, zarada je na Babelu bila dobra, što joj je zaista značilo s obzirom na to da je tada zakratko ostala bez svog osnovnog posla. Međutim, ni ona ne krije zabrinutost zbog dugoročnih posljedica. Kazala je sljedeće: "Mislim da sam prodala svoju dušu." Iako, to je nije spriječilo da se još više angažira na platformi, pa je pored glasovnih poziva počela raditi na videoprojektima u kojima se snimaju i njezini izrazi, lica što je komentirala riječima: "U tom sam trenutku pomislila: 'Kad već imaju moj glas', pa mogla bih i zaraditi nešto novca od toga, dok imam priliku."