新着Pick
381Picks
Pick に失敗しました

人気 Picker
ご参考。
個人的にはローテク労働力としてAIのラベリングを囚人にさせるよりも、AIの学習をさせたほうが就業支援的には良いと思います。下記に引用するように、すでに一部では試みも行われているようです。

訓練データ作成を刑務所に委託も、AIが生む「つまらない仕事」
https://newspicks.com/news/3799760

世界各国で始まる、刑務所とAIの蜜月
https://newspicks.com/news/3839965

女子少年院でプログラミング講座 将来の選択肢を広げられるか
https://newspicks.com/news/3739491
Aiとて最初は赤ん坊と一緒だから、物事を判断するアルゴリズムの基本となる基礎知識(情報)は必要。
そのうち類型化の学習で自己判断できるようになるんだろうが、このプロセスは子供の成長過程を見れば一目瞭然。

子供が増えれば大量の「お母さん」が必要になりますよね。
先日$100M調達してユニコーンになったScale.AIはデータラベリング事業でスタッフ数は3万人。設立3年目で、創業者CEOは若干22歳。データラベリングは機械学習を支えるインフラであり、巨大な産業になると思います。

↓ 参考
https://techcrunch.com/2019/08/05/scale-ai-and-its-22-year-old-ceo-lock-down-100-million-to-help-label-silicon-valleys-data/
賛否両論はありますが、国境を超えて低賃金の人でもできるように仕組み化し、データにラベルをつける。これが資本主義の縮図ですね
AIの一側面。ただラベリングでも色々なものがあると思っている。
データの精度によってAIの精度も変わってくる。その観点で、誰が答えても判断がほとんど変わらないものと、一定の経験や専門性がないと正しく判断ができないものがある。
あとは、大量にデータが必要な中で、どう分類すればいいかとか、上記のような判断の揺れがある場合にそれをどうやったら防ぐことができるか。実際にラベリングをしながら開発者にフィードバックをしてプロセスを作っていくような業務の付加価値は圧倒的に違う。
効率的なプロセスを作れば、その後に大量に労働力を投入する中で、その精度を格段に上げたり、必要なデータ数を大きく減らすこともできる。
店舗の販売員とかに似ているかもしれないが、誰でも一定できる業務ではあるが、極めると販売金額やその手法を他の人でもできる拡張性など、圧倒的な差が生まれる領域でもあると思っている。
チャップリンのエイガのIT版ようです。。。。

メカニカルタークは当初、研究用のデータレイベリングのために生まれた印象でしたが、マーケットが広がると、やはり弱者搾取が起きてしまうんですねぇ。。。
AIベンチャーの人の性別と年代を判別するカメラも、よくそれを当てられる人が徹夜で学習させてたと。AIは人間の高度で曖昧な判断の蓄積ですね。
AI時代に新たに生まれた職業の一つですね。「AIトレーナー」と呼ぶとちょっとカッコ良いですが、実態は低スキルのクラウドソーシング。

今後、オフィスワークのデジタル化・AI化が進展するので、業務に精通したハイスキルのAIトレーナーも登場するはずです。
AIや機械学習の裏側。AIに物事を教える人たちがいる。その苦悩とは。
知っておいた方がいい現場。