تلخيص بلغة بسيطة للمحتوى الأساسي
تتحدث هذه المقالة عن إعلان أمازون عن إغلاق منصة MTurk، المنصة الأسطورية لتعليق البيانات اليدوية التي استمرت في العمل لمدة 21 عامًا، في عام 2026: وتُعتبر هذه المنصة “البنية التحتية الخفية الأساسية” لصناعة الذكاء الاصطناعي، حيث بلغ عدد المستخدمين المسجلين في أوجها أكثر من 500 ألف مستخدم حول العالم. كانت تقوم بتقسيم المهام المعقدة إلى مهام صغيرة يمكن إنجازها مقابل بضعة سنتات، ولم تساعد لي فيفي فقط على تعليق 14 مليون صورة لمجموعة ImageNet في غضون عامين (وهو أمر كان سيستغرق 19 عامًا لو تم القيام به بواسطة طلاب جامعيين)، بل دعمت أيضًا تدريب معظم تقنيات الذكاء الاصطناعي المبكرة، بما في ذلك النسخة الأولى من ChatGPT، وساهمت أيضًا في ظهور مفهوم “اقتصاد العمل الحر”.
لكن في النهاية، وبسبب عدم الإشراف على الجودة والترك المطلق للعمال للعمل بمفردهم، لم تعد قادرة على مواكبة متطلبات النماذج الكبيرة للبيانات عالية الجودة، وظهرت حتى مشاكل مثل استخدام العمال للنماذج الكبيرة للغش في إنجاز المهام. إغلاق MTurk لا يعني أن صناعة تعليق البيانات قد فشلت، بل على العكس، فقد شهدت التطور الكامل: أصبحت المهام البسيطة التي يمكن لأي شخص القيام بها أقل شيوعًا، بينما ارتفعت قيمة المتخصصين في تعليق البيانات بشكل كبير، وتحولت الصناعة من “مجرد عمل شاق يعتمد على الفرق في أجور العمالة” إلى “خدمة راقية تعتمد على تنظيم المعرفة المتخصصة”.
---
تفسير مفصل للنقاط
1. منصة MTurk، المغلقة الآن، كانت في الواقع “معلمًا خفيًا” لصناعة الذكاء الاصطناعي
الكثير من الناس لا يدركون أن الذكاء الاصطناعي الذي يمكنه الدردشة والرسم اليوم كان بطيئًا جدًا في البداية، حتى أنه لم يكن قادرًا على التمييز بين القطط والكلاب. كان الهدف الأصلي من إنشاء MTurk من قبل أمازون في عام 2005 بسيطًا: كان عليها تصنيف وتصحيح ملايين المنتجات على منصتها التجارية، ولم تكن الخوارزميات المتاحة في ذلك الوقت قادرة على إنجاز هذه المهام التي تتطلب المعرفة العامة، لذا فكر بيزوس في حل: تقسيم المهام إلى أجزاء صغيرة يمكن إنجازها في غضون دقائق قليلة، مثل وضع تصنيفات على المنتجات أو رسم إطارات حول الأشخاص في الصور أو تحويل النصوص الصوتية إلى نصوص، ثم نشرها على الإنترنت للعمال العاطلين عن العمل للقيام بها، بحيث يبدو الأمر وكأن الذكاء الاصطناعي نفسه هو من قام بالعمل.
أصبحت هذه المنصة فيما بعد الأساس الذي بني عليه ازدهار الذكاء الاصطناعي: ليس فقط لي فيفي استخدمتها لجمع بيانات ImageNet التي غيرت صناعة الرؤية الحاسوبية، بل استخدمتها أيضًا تقنيات مثل التعرف على الصوت والقيادة الذاتية ومراجعة المحتوى، وحتى عندما كانت شركة OpenAI تطور ChatGPT في عام 2022، استمرت في استخدامها لفحص جودة البيانات. حتى مصطلح “اقتصاد العمل الحر” ابتكره العلماء بعد دراسة طريقة عمل MTurk، وهو يمثل المبدأ الأساسي لجميع منصات التوصيل والسيارات عبر التطبيقات اليوم.
2. النجاح والفشل كلاهما نتيجة “ترك العمال للعمل بمفردهم”: كان مصير MTurk محتومًا منذ البداية
كانت نقطة قوة MTurk هي عدم وجود رقابة صارمة: لم يكن هناك حاجة لتوقيع عقود عمل أو دفع تأمين اجتماعي أو تدريب أو تقييم للعمال، وكان أي شخص لديه كمبيوتر يمكنه قبول المهام، مما خفض التكاليف إلى أدنى حد. لكن هذه الميزة تحولت فيما بعد إلى عيب فادح: لم تقم المنصة بفحص قدرات العمال أو الإشراف على جودة العمل، وكان العمال ينتظرون ساعات طويلة لقبول المهام، ثم يواجهون رفضًا بسبب عدم جودة العمل، دون الحصول على أي أجر.
أكثر الأمور سخرية حدثت قبل إغلاق المنصة: في عام 2023، اكتشف الباحثون أن 30% إلى 50% من العمال كانوا يستخدمون النماذج الكبيرة للغة لإنجاز المهام… كانت المنصة من المفترض أن تسمح للبشر بالعمل كالآلات، لكن في النهاية أصبح العكس هو الصحيح، وكانت البيانات الناتجة ذات جودة رديئة للغاية ولا تلبي متطلبات تدريب النماذج الكبيرة.
3. مصائر مختلفة للشركات في نفس المجال: بعضها شهد انخفاضًا كبيرًا في القيمة، بينما حقق آخر تقييمًا يبلغ 20 مليار دولار في ثلاث سنوات
إغلاق MTurk لا يعني انكماش الصناعة، بل هو إشارة إلى تحولها وترقيتها: الشركات التي اتبعت نموذج MTurk في البداية انتهت بشكل سيء، بينما تمكنت الشركات التي طورت نماذج جديدة من تحقيق نجاح كبير.
- شركة Scale AI الأمريكية، التي بدأت بتعليق البيانات العادي، تحولت سريعًا إلى تعليق البيانات المتخصص وحتى إنتاج بيانات مصطنعة للذكاء الاصطناعي، والآن تملك قيمة تبلغ 29 مليار دولار بعد استثمار من شركة Meta؛
- شركة Mercor التي أسسها ثلاثة أشخاص من مواليد القرن الحادي والعشرين، حققت تقييمًا يبلغ 20 مليار دولار في ثلاث سنوات، وهي لا تعتمد على الفرق في أجور العمالة، بل تقوم باختيار الخبراء في مختلف المجالات لإجراء تقييمات وتقييمات متقدمة للنماذج الكبيرة.
- شركة Appen الأسترالية، التي كانت تعتبر نسخة موسعة من MTurk، انخفضت قيمتها إلى 1% بعد إنهاء عقدها مع جوجل، بينما كانت قيمتها تبلغ 4.3 مليار دولار في أعلى مستوياتها.
4. تعليق البيانات لم يعد مجرد “عمل شاق رخيص”: الآن، يتنافس المتخصصون على رواتب شهرية تبلغ 100 ألف دولار
تطورت صناعة تعليق البيانات في الصين بسرعة أكبر مما يتوقع الناس: في السنوات القليلة الماضية، كان العمل يتضمن استئجار مكتب في مدينة من الدرجة الثالثة وتوظيف شباب بمؤهلات متوسطة لرسم إطارات حول الصور وكسب راتب شهري قدره ألفي إلى ثلاثة آلاف دولار. الآن، تغير الوضع تمامًا:
الشركات الكبرى تطلب متخصصين ذوي مؤهلات عالية، حيث يتطلب تعليق اللغات الأجنبية مؤهلات عالية، وتقييم النماذج الكبيرة مؤهلات جامعية عليا، وهناك شركات تعرض رواتب شهرية تصل إلى 100 ألف دولار لاستقطاب أطباء من المستشفيات المرموقة للقيام بمهام متعلقة بالرعاية الصحية.
وضعت الحكومة سياسات واضحة لتسريع نمو صناعة تعليق البيانات إلى أكثر من 20% سنويًا بحلول عام 2027، وتم تحديد نموذج رئيسي يعتمد على “تعليق البيانات أولاً بواسطة الذكاء الاصطناعي ثم مراجعتها يدويًا من قبل المتخصصين”， مما يعني أن الحاجة إلى عمالة عادية قلت بشكل كبير، والمطلوب هو المتخصصون القادرون على تدريب الذكاء الاصطناعي.
5. المثال الأكثر إيلامًا في الصناعة: الأشخاص الذين يغذون الذكاء الاصطناعي تم التخلص منهم من قبل الذكاء الاصطناعي نفسه
اسم MTurk مشتق من خدعة شهيرة من القرن الثامن عشر: كان هناك “روبوت تركي” يدعي أنه يمكنه اللعب بالشطرنج بنفسه، وخدع الناس لعقود، لكن في النهاية اكتشف الجميع أن الشخص الحقيقي كان يختبئ داخل الصندوق ويدعي أنه الروبوت الذي يقوم بالحسابات. عندما أطلق بيزوس على المنصة اسم MTurk، كان يسخر من فكرة أنهم يقومون بعمل الذكاء الاصطناعي “خلف الآلات”.
بعد 21 عامًا، أصبح هذا المثال حقيقة: البيانات التي قام بها مئات الآلاف من العمال في MTurk جعلت الذكاء الاصطناعي أكثر ذكاءً، والآن يمكن للذكاء الاصطناعي إنجاز تلك المهام البسيطة بن