Sie haben vielleicht gehört, dass die revolutionäre künstliche Intelligenz auf den Grundlagen der alten Welt ruht.
Einerseits besteht die Lieferkette, die generative KI-Tools wie ChatGPT generiert, aus hochbezahlten Führungskräften und Ingenieuren, andererseits aus Arbeitern, die sich die Mühe machen, Trainingsalgorithmen zu erstellen.
Laut einer aktuellen Schätzung der Weltbank widmen sich zwischen 150 und 430 Millionen Menschen dieser Aufgabe: Sie kommentieren Bilder, Texte und Audio; Sie erstellen Begrenzungsrahmen um Objekte in Bildern und schreiben in letzter Zeit auch Haikus, Texte und fiktive Geschichten, um die hochentwickelten Werkzeuge zu trainieren, die irgendwann Menschen wie mich ersetzen werden.
Darüber hinaus leben sie in einer Art wirtschaftlicher Stagnation. „Ich habe noch nie einen Arbeiter getroffen, der mir gesagt hat: Mit diesem Job konnte ich mein Haus kaufen oder meine Kinder zur Universität schicken“, sagt Milagros Miceli, ein Forscher am Distributed AI Research Institute und am Weizenbaum Institute, der mit Dutzenden zusammengearbeitet hat Datenarbeiter aus der ganzen Welt.
Miceli erinnert sich an die Befragung eines Dutzend Datenkennzeichnungsarbeiter, die im Jahr 2019 in einem armen Viertel in Argentinien etwa 1,70 US-Dollar pro Stunde verdienten.
Als sie 2021 zurückkam, hatte keiner von ihnen Fortschritte gemacht und ihre Gehälter hatten sich kaum verbessert. Sie lebten weiterhin unterhalb der Armutsgrenze.
Diese Arbeitnehmer müssen oft einen Zweitjob annehmen oder Nachtschichten arbeiten, erklärt Madhumita Murgia, Redakteurin für künstliche Intelligenz bei der Financial Times, die kürzlich das Buch „Code Dependent“ veröffentlicht hat, in dem sie ihre Erfahrungen aus aller Welt zu Entwicklungsprozessen sammelt .
Eine Mitarbeiterin bei Samasource Impact Sourcing in Nairobi beispielsweise konnte sich und ihre Tochter nicht von ihrem Gehalt ernähren und musste bei ihren Eltern wohnen, erklärt Murgia.
Die Arbeit selbst ist prekär.
Eine andere Arbeitnehmerin in Bulgarien war nicht in der Lage, ihre Miete zu bezahlen, weil sie von der Annahme bezahlter Arbeit suspendiert wurde, nachdem sie sich über Nachtschichten beschwert hatte. „Man ist nur einen Schritt davon entfernt, dass alles auseinanderfällt“, sagt Murgia.
Endkunden sind Unternehmen wie Microsoft Corp. (MSFT) und OpenAI, einige der wertvollsten Unternehmen der Welt. „Es ist wie mit dem Fabrikarbeiter auf den Philippinen, der nicht weiß, dass das Kleid, das er näht, 3.000 Dollar kosten wird.“
Auch von dem in den Entwicklungsländern verankerten Wunsch nach Aufstiegsmobilität gibt es nur sehr wenig. Murgia stellte fest, dass Datenarbeiter nicht in höher bezahlte digitale Jobs wechselten. „Sie sind immer noch auf geringwertige Arbeitsplätze beschränkt“, sagt er.
Führungskräfte von Datenkennzeichnungsunternehmen beginnen oft mit der hehren Absicht, Menschen aus der Armut zu befreien, haben jedoch Schwierigkeiten, Firmenkunden zur Zahlung höherer Tarife zu bewegen, da der Wettbewerb in ihrem Bereich zugenommen hat.
Laut einer Umfrage des Oxford Internet Institute aus dem Jahr 2021 verfügen die meisten Datenarbeitsplattformen daher nicht über Richtlinien, die sicherstellen, dass ihre Mitarbeiter mindestens den lokalen Mindestlohn verdienen.
Nehmen Sie an dieser Stellenanzeige teil, in der „professionelle Übersetzer“ in Igbo, Nigeria, gesucht werden. Sie bieten bis zu 17 US-Dollar pro Stunde, um bei der Schulung generativer KI-Modelle zu helfen. Laut Good Firms, einer Website für Kundenbewertungen, liegt das deutlich unter dem Durchschnittspreis für nigerianische Übersetzer, die in der Regel bei 25 US-Dollar pro Stunde beginnen.
Die Ankündigung kommt von Remotasks, der Kernplattform des in San Francisco ansässigen KI-Startups Scale.ai, das gerade in einer der größten Finanzierungsrunden des Jahres 1 Milliarde US-Dollar von Investoren wie Amazon.com Inc. (AMZN) eingesammelt hat. Scale.ai antwortete nicht auf mehrere Anfragen nach Kommentaren.
Das Unternehmen und Konkurrenten wie Samasource Impact Sourcing Inc. mit Sitz in San Francisco, Arbusta SRL aus Argentinien und Humans in the Loop aus Bulgarien spielen eine entscheidende Rolle in der Lieferkette für künstliche Intelligenz, zahlen den Arbeitern jedoch in der Regel seit Jahren genug bleiben, sagen Murgia und Dr. Miceli.
Dies kann auch dann so bleiben, wenn die Arbeit mit Daten komplexer wird.
In letzter Zeit suchen Plattformen wie Scale.ai nach mehr Fachkräften, darunter Künstler und Menschen mit einem Abschluss in kreativem Schreiben, um Kurzgeschichten zu schreiben, um künstliche Intelligenzsysteme zu trainieren, wie aus von Miceli eingesehenen Lehrdokumenten hervorgeht. Sie bieten zwar höhere Gehälter, liegen aber immer noch unter dem, was Absolventen verdienen sollten.
Forscher sagen, dass die Nachfrage nach einer solchen Arbeit wächst, aber da es kaum Anreize für eine gerechte Bezahlung gibt, ist eine Verbesserung der wirtschaftlichen Situation der Arbeitnehmer kaum zu erwarten.
Das Training von KI ist aufgrund der Kosten für Chips und Cloud Computing bereits furchtbar teuer. (Die Risikokapitalgesellschaft Sequoia Capital schätzte kürzlich, dass die KI-Branche im Jahr 2023 50 Milliarden US-Dollar für Chips der Nvidia Corp. (NVDA) ausgeben wird, um KI zu trainieren, aber nur etwa 3 Milliarden US-Dollar Umsatz erzielen wird.) .
Das bedeutet weniger Chancen für die Menschen, die die KI-Revolution vorantreiben, und zeigt einmal mehr, dass die wahre transformative Wirkung der Technologie in der Stärkung der Wirtschaftsmacht liegt.
Vielleicht können wir etwas von Nike Inc. (NKE) lernen. In den 1990er Jahren sah sich das Unternehmen mit enormen Gegenreaktionen wegen der langen Arbeitszeiten und mageren Löhne konfrontiert, die seine Arbeiter in Entwicklungsländern verdienten.
Im Laufe der Zeit führten Verbraucherboykotte und der Druck der Medien dazu, dass Nike strengere Arbeitsrichtlinien einführte. Er gab Millionen von Dollar aus, um die Arbeitsbedingungen und Löhne zu verbessern.
Die Herausforderung für Datenarbeiter besteht darin, dass sich ihre Arbeit schwieriger so konkret vorstellen lässt, wie man es sich von einem Kind vorstellen kann, das in einem schwach beleuchteten Lagerhaus Turnschuhe näht, und das kann es für Befürworter schwieriger machen, Unterstützung zu gewinnen.
Aber Technologieunternehmen müssen bedenken, dass schlechte Arbeitsbedingungen am Ende ihrer Lieferkette auch zu schlechter KI führen können. Dies ist problematisch in einer Zeit, in der die Öffentlichkeit animierten Modellen, die ungenaue Informationen wie Halluzinationen liefern, misstrauischer denn je gegenübersteht.
Die Antwort darauf ist kein Hexenwerk: Zahlen Sie Datenarbeitern mehr und behandeln Sie sie auch besser.
Dieser Hinweis spiegelt nicht unbedingt die Meinung der Redaktion oder von Bloomberg LP und seinen Eigentümern wider.
Lesen Sie mehr auf Bloomberg.com
