Молодежь маленького городка, которая дает оценку большим моделям ИИ

Автор | Sleepy.md

В Датоне, Шаньси, городе, который когда-то поддерживался углем и который теперь стряхнул угольную пыль, острая кирка заменила угольные шахты, направляясь к другой невидимой шахте.

В офисном здании Jinmao International Center в районе Пингчэн больше нет шахтных стволов или угольных грузовиков. Вместо этого здесь находятся тысячи плотно расположенных компьютерных рабочих мест. Шанхайский центр интеллектуальных услуг на базе облачных технологий и больших данных «Runxun Cloud Sonic Valley» занимает несколько этажей, где тысячи молодых сотрудников в наушниках, уставившись в экраны, нажимают, перетаскивают и выбирают.

Согласно официальным данным, по состоянию на ноябрь 2025 года в городе Датун введено в эксплуатацию 745 000 серверов, создано 69 предприятий по маркировке данных, привлечено более 30 000 человек к трудоустройству, объем продукции составил 750 миллионов юаней. В этой цифровой шахте 94% практикующих - местные жители.

И это не только Датун. В первой партии баз для маркировки данных, определенных Национальным бюро статистики, перечислены округа в западном регионе, такие как округ Йонгхэ в Шаньси, Бэйцзе в Гуйчжоу и Мэнцзы в Юньнани. В базе для маркировки данных в округе Йонгхэ 80% сотрудников составляют женщины. Большинство из них — сельские домохозяйки или сельская молодежь, которая не может найти подходящую работу.

Сто лет назад текстильные фабрики Манчестера в Великобритании были переполнены безземельными фермерами. Сегодня за экранами компьютеров в этих отдаленных округах сидят молодые люди, которые не могут найти место в реальной экономике.

Они заняты в футуристической, но крайне примитивной повременной работе, производя необходимый поток данных для гигантов ИИ в Пекине, Шэньчжэне и Силиконовой долине.

Никто не видит в этом никакой проблемы.

Новая сборочная линия на Лёссовом плато

Суть аннотации данных заключается в том, чтобы научить машины понимать мир.

Для автономного вождения необходимо распознавать светофоры и пешеходов, а крупным моделям нужно различать кошек и собак. Машины сами по себе не обладают здравым смыслом и должны быть обучены человеком, который рисует на изображении прямоугольник, чтобы сказать им: «это пешеход», прежде чем они смогут научиться распознавать его после обработки миллионов изображений.

Эта работа не требует высокого уровня образования, только терпения и пальца, который может беспрерывно щелкать.

В золотой век 2017 года простой 2D-прямоугольник мог стоить более одного цента, а некоторые компании даже предлагали высокую цену в пол юаня. Меткий маркёр мог заработать от пяти до шестисот юаней, работая десять часов в день. В уездном городе это определенно считается высокооплачиваемой и достойной работой.

Но по мере развития больших моделей, начала проявляться суровая реальность этой системы.

К 2023 году цена за простую аннотацию изображения снизилась до 3-4 центов, что составляет более 90%. Даже для более сложных изображений облаков точек 3D, где точки настолько плотные, что для различия краев требуется значительное увеличение, аннотаторы должны тщательно рисовать трехмерную коробку в пространстве, которая охватывает длину, ширину, высоту и угол ориентации, чтобы бесшовно обтекать автомобиль или пешехода. Однако цена за такую сложную 3D-коробку составляет всего 5 центов.

Прямым следствием этого падения цен является резкое увеличение трудоемкости. Чтобы сохранить ежемесячную зарплату в две-три тысячи долларов, аннотаторам приходится неустанно и неутомимо повышать свою скорость.

Это далеко не легкая работа в белом воротнике. Во многих центрах аннотации руководство настолько строгое, что это удушает; сотрудникам не разрешается отвечать на телефонные звонки во время работы, а мобильные телефоны должны быть заперты в отсеках для хранения. Система тщательно фиксирует все движения мыши каждого сотрудника и время простоя, и если перерыв превышает три минуты, предупреждение бэкенда ударит как кнут.

Еще более раздражает уровень толерантности. Обычно минимальный проходной балл в отрасли составляет более 95%, а некоторые компании даже требуют 98%-99%. Это означает, что если вы нарисуете 100 квадратов и допустите 2 ошибки, то все изображение будет отправлено на доработку.

Динамические изображения состоят из кадров, при этом транспортные средства, меняющие полосу, затенены, что заставляет аннотаторов использовать свое воображение для идентификации каждого из них; в изображениях облака точек 3D любой объект с более чем 10 точками должен быть обведен рамкой. В сложных проектах парковочных мест, если линии слишком длинные или что-то упущено, проверка качества всегда найдет недостатки. Часто изображение переделывают четыре или пять раз. В итоге, потратив час работы, вы заработаете всего несколько центов.

Аннотатор из провинции Хунань опубликовала в социальных сетях свой расчет заработной платы, из которого следует, что за рабочий день она нарисовала более 700 коробок со скоростью 4 цента за каждую, заработав в общей сложности 30,2 юаня.

Это крайне фрагментированная сцена.

С одной стороны, на конференциях сидят блестящие технологические гиганты, обсуждающие, как AGI освободит человечество; с другой стороны, в уездных городах на Лоэсском плато и в горах на юго-западе молодые люди смотрят на экраны от восьми до десяти часов в день, механически рисуя коробки, тысячи, десятки тысяч, и даже во сне, их пальцы прочерчивают линии на воздухе.

Кто-то однажды сказал, что фасад искусственного интеллекта - это ревущий роскошный автомобиль, но когда вы откроете дверь, то обнаружите, что внутри на сотнях велосипедов крутят педали, стиснув зубы и сильно нажимая на них.

Никто не считает, что в этом что-то не так.

Обучающие машины для ремесленников «Как любить»

Прорвав узкое место распознавания изображений, большие модели претерпели более глубокую эволюцию, им нужно научиться думать, разговаривать и даже проявлять «эмпатию», как люди.

Это привело к появлению наиболее критической и дорогой части обучения крупномасштабных моделей — RLHF (обучение с подкреплением на основе обратной связи человека).

Простыми словами, это предполагает, что реальные люди оценивают ответы, сгенерированные ИИ, указывая, какие ответы лучше, более соответствуют человеческим ценностям и эмоциональным предпочтениям.

Причина, по которой ChatGPT выглядит «человекоподобным», заключается в том, что за ним стоят бесчисленные аннотаторы RLHF, обучающие его.

На платформах краудсорсинга такие задачи по аннотации часто четко оцениваются: стоимость единицы составляет от 3 до 7 юаней. Аннотаторы должны предоставлять крайне субъективные эмоциональные оценки ответов ИИ, чтобы определить, является ли ответ «теплым», «эмпатичным» или «учитывающим эмоции пользователя».

Человек, зарабатывающий всего несколько тысяч юаней в месяц, борющийся в грязи реальности, едва способный заботиться о своих собственных эмоциях, теперь в системе должен выступать в роли эмоционального наставника ИИ и арбитра ценностей.

Им приходится насильно разбивать теплоту, эмпатию и другие сложные, тонкие человеческие эмоции на холодные оценки от 1 до 5. Если их оценки не совпадают с заранее заданными правильными ответами системы, их точность считается недостаточной, что приводит к вычетам из их скудных заработков.

Это когнитивное истощение. Человеческие эмоции, мораль и сострадание, такие сложные и тонкие, насильно втискиваются в воронку алгоритма. В ледяной холодной сфере количественной оценки и стандартизации они лишены последней искры тепла. Пока вы восхищаетесь кибернетическим гигантом на экране, который научился писать стихи, сочинять музыку, проявлять заботу и даже надел маску меланхоличной чувствительности; за кадром эта группа когда-то живых людей, благодаря ежедневным механическим суждениям, регрессировала в безэмоциональные машины для оценки.

Это самая секретная сторона всей производственно-сбытовой цепочки, которая никогда не появляется ни в каких новостях о финансировании, ни в технических документах.

Никто не считает, что в этом что-то не так.

Магистр 985 против Молодежи из небольшого городка

Низкоквалифицированный конвейерный труд раздавлен гусеницами ИИ, в результате чего этот кибернетический конвейер распространяется вверх, начиная поглощать умственный труд более высокого порядка.

Уровень аппетитов больших моделей изменился. Они больше не удовлетворяются разжевыванием основного здравого смысла, теперь им требуется пожирать человеческий опыт и продвинутую логику.

На различных крупных платформах по трудоустройству все чаще стали появляться новые виды подработки, такие как «Анотация логических рассуждений больших моделей» и «Тренер по гуманитарным наукам ИИ». У этой подработки крайне высокий порог, часто требуется «степень магистра или выше от университетов Проекта 985/Проекта 211» и вовлечение в профессиональные области, такие как право, медицина, философия и литература.

Многие аспиранты из престижных университетов привлекаются и присоединяются к аутсорсинговым группам этих технологических гигантов. Однако они быстро понимают, что это не простое умственное упражнение, а скорее форма умственных пыток.

Прежде чем официально приступить к выполнению задач, им необходимо прочитать десятки страниц документов с критериями оценки и оценочными показателями, а также пройти два-три раунда пробных аннотаций. Если они соответствуют стандартам, но при официальной аннотации их точность опускается ниже среднего уровня, они теряют свою квалификацию и исключаются из группового чата.

Самое удушающее во всем этом то, что эти стандарты вообще не фиксированы. Столкнувшись с похожими вопросами и ответами, оценка их с помощью одного и того же процесса мышления может дать совершенно противоположные результаты. Это как работа над бесконечным экзаменационным тестом без стандартного ответа. Точность нельзя улучшить собственными усилиями или изучением; можно только бесконечно крутиться на месте, истощая как умственную, так и физическую энергию.

Это новая форма эксплуатации в эпоху больших моделей — складывание классов.

Знания, когда-то считавшиеся золотой лестницей для преодоления барьеров и восхождения вверх, теперь стали более сложным цифровым кормом, предлагаемым алгоритмам для пережевывания. Перед лицом абсолютной мощи алгоритмов и систем магистранты из элитных университетов в своих мраморных башнях и молодые люди из небольших городов на Лоэссском плато встали на самый странный путь схождения.

Вместе они падают в эту бездонную кибер-шахту, лишенные своих ореолов, стирающие различия, все превращаются в дешевые шестеренки на конвейерной ленте, которые можно заменить в любое время.

За рубежом ситуация та же. В 2024 году Apple напрямую уволила команду по голосовым аннотациям ИИ численностью 121 человек в Сан-Диего. Эти сотрудники отвечали за улучшение многоязычных возможностей обработки Siri. Они когда-то думали, что находятся на передовой бизнеса технологического гиганта, но в одночасье погрузились в пропасть безработицы.

В глазах технологических гигантов, будь то дама средних лет, управляющая продуктовым магазином в маленьком округе, или тренер по логике с престижным образованием, в принципе, все они являются "расходными материалами", которые можно заменить в любое время.

Никто не считает, что в этом что-то плохое.

Вавилонская башня стоимостью в триллион долларов, построенная за несколько центов эксплуатации

Согласно данным, опубликованным Китайским научно-исследовательским институтом информации и связи, объем китайского рынка аннотации данных достиг 6,08 миллиарда юаней в 2023 году и, как ожидается, достигнет 20-30 миллиардов юаней к 2025 году. Предполагается, что к 2030 году продажи на мировом рынке аннотации данных и услуг вырастут до 117,1 миллиарда юаней.

За этими цифрами стоят такие технологические гиганты, как OpenAI, Microsoft и ByteDance, стоимость которых достигает триллионов долларов.

Однако это огромное богатство не перетекает к тем, кто действительно «кормит» ИИ.

В индустрии разметки данных Китая очевидна типичная структура аутсорсинга в виде перевернутой пирамиды. На вершине находятся технологические гиганты, крепко держащие основные алгоритмы; второй уровень состоит из крупных провайдеров данных; третий уровень включает центры разметки данных и малые и средние аутсорсинговые компании, разбросанные по всей стране; только на самом дне мы находим солдат, зарабатывающих по piece-rate - рабочих по разметке.

Каждый аутсорсинговый слой забирает большую долю. Когда крупные фабрики предлагают цену за единицу в 0,5 юаня, то после нескольких уровней эксплуатации, то, что остается в руках рабочего по разметке в уездном городе, может быть меньше 0,05 юаня.

В своей книге «Технофеодализм» бывший министр финансов Греции Янис Варуфакис выдвинул проницательную точку зрения: сегодняшние технологические гиганты уже не капиталисты в традиционном смысле, а «облачные капиталисты».

Они не владеют фабриками и машинами, а алгоритмами, платформами и вычислительной мощностью, цифровыми территориями киберэры. В этой новой феодальной системе пользователи не являются потребителями, а цифровыми крепостными. Каждый лайк, комментарий и просмотр в социальных сетях — это бесплатный труд, предоставляющий данные облачным капиталистам.

Между тем, работники по маркировке данных на развивающихся рынках являются самыми низкоранговыми цифровыми крепостными в этой системе. Им приходится не только собирать данные, но и очищать, классифицировать и оценивать огромные массивы необработанных данных, превращая их в качественный контент, который могут обрабатывать большие модели.

Это движение за закрытие общественных земель. Подобно тому, как законы об огораживании земель в Англии 19-го века загнали фермеров в текстильные фабрики, сегодняшняя волна ИИ толкает молодых людей, не нашедших себе места в реальной экономике, к экранам.

ИИ не устранил классовое разделение; вместо этого он создал «конвейер данных и кровного пота» от небольших округов в центральном и западном Китае прямо до штаб-квартир технологических гигантов в Пекине, Шанхае, Гуанчжоу и Шэньчжэне. История технологической революции всегда звучит грандиозно и великолепно, но ее основой всегда является масштабное потребление дешевого труда.

Похоже, никто не считает, что в этом что-то плохое.

Завтрашний день без необходимости в людях

Самый жестокий вывод приближается быстро и все быстрее.

С ростом возможностей крупномасштабных моделей задачи, которые раньше требовали человеческого труда день и ночь, теперь выполняются самими ИИ.

В апреле 2023 года Ли Сянг, основатель Ideal Auto, заявил на форуме, что в прошлом Ideal вручную размещал около 10 миллионов кадров изображений автономного вождения в год, а затраты на аутсорсинг были близки к одному миллиарду. Однако после того, как они начали использовать большие модели для автоматической маркировки, то, на что раньше уходил год, теперь можно сделать за 3 часа.

Эффективность в 1000 раз выше, чем у людей, и это было достигнуто еще в 2023 году. Только в марте Ideals выпустили автоматический движок аннотации следующего поколения MindVLA-o1.

В отрасли распространяется мрачно истинное самокритичное изречение: "Чем больше интеллекта, тем больше искусственного." Но теперь произошло резкое падение на 40%-50% аутсорсинга по аннотации данных со стороны технологических гигантов.

Эти молодые люди из маленьких городов, которые сидели перед компьютерами бесчисленное количество дней и ночей, их глаза были покрасневшими от напряжения, лично подняли великана. И теперь этот великан поворачивается, разбивая их миски с рисом.

Когда наступает ночь, офисные здания в районе Пингчен города Датун остаются такими же яркими, как днем. Молодые люди на смене молча меняются своими уставшими оболочками в вестибюле лифта. В этом свернутом пространстве, заключенном в бесчисленные полигоны, никому нет дела до грандиозного скачка архитектуры Transformer по другую сторону океана, и никто не понимает рева вычислительной мощности за сотней миллиардов параметров.

Их взгляд приковано к красной/зеленой полосе прогресса за кулисами, представляющей "линию прохождения", рассчитывая, могут ли скудные повременные цифры сложить вместе приличную жизнь к концу месяца.

С одной стороны, звонок закрытия Nasdaq и непрерывное освещение в технических СМИ заставляют гигантов поднимать бокалы в честь пришествия AGI; с другой стороны, эти цифровые крепостные, накормившие ИИ своей плотью и кровью, могут только, в разгар мучительного сна, нервно ждать, когда великан, которого они вырастили своими руками, беззаботно оттолкнет их миски с рисом в обычный утренний час.

Никто не считает, что в этом что-то не так.