Giới trẻ thị trấn nhỏ gán nhãn cho các mô hình AI lớn

Tác giả | Sleepy.md

Tại Đại Thông, Sơn Tây, một thành phố từng sống nhờ than đá và nay đã rũ bỏ bụi than, một chiếc cuốc sắc bén đã thay thế các mỏ than, hướng tới một mỏ vô hình khác.

Bên trong tòa nhà văn phòng của Trung tâm Quốc tế Jinmao ở quận Pingcheng, không còn dấu tích của các hầm mỏ hay xe chở than nữa. Thay vào đó, có hàng nghìn máy trạm máy tính được bố trí san sát nhau. Trung tâm dịch vụ thông minh dữ liệu lớn Shanghai Runxun Cloud Sonic Valley chiếm nhiều tầng, với hàng nghìn nhân viên trẻ đeo tai nghe, chăm chú nhìn màn hình, nhấp chuột, kéo và chọn.

Theo số liệu chính thức, tính đến tháng 11 năm 2025, thành phố Đại Đồng đã đưa vào hoạt động 745.000 máy chủ, giới thiệu 69 doanh nghiệp gắn nhãn dữ liệu cuộc gọi, tạo việc làm cho hơn 30.000 người, với giá trị sản lượng đạt 750 triệu nhân dân tệ. Trong mỏ kỹ thuật số này, 94% người làm việc là người địa phương.

Không chỉ riêng Datong. Trong đợt đầu tiên các cơ sở dữ liệu ghi nhãn được Cục Thống kê Quốc gia xác định, có liệt kê các huyện ở khu vực phía Tây như huyện Vĩnh Hà thuộc tỉnh Sơn Tây, Bijie thuộc tỉnh Quý Châu và Mạnh Tử thuộc tỉnh Vân Nam. Theo số liệu thống kê việc làm tại huyện Vĩnh Hà, 80% nhân viên là nữ. Đa số họ là các bà nội trợ ở nông thôn hoặc thanh niên nông thôn không tìm được việc làm phù hợp.

Một trăm năm trước, các nhà máy dệt ở Manchester, Anh, chật kín những nông dân không có đất. Ngày nay, trên màn hình máy tính của những thị trấn vùng sâu vùng xa này, những người trẻ tuổi không tìm được việc làm trong nền kinh tế thực đang ngồi trước màn hình.

Họ đang tham gia vào một công việc trả lương theo sản phẩm, tuy mang tính tương lai nhưng lại vô cùng thô sơ, sản xuất nguồn dữ liệu cần thiết cho các gã khổng lồ trí tuệ nhân tạo ở Bắc Kinh, Thâm Quyến và Thung lũng Silicon.

Không ai thấy có vấn đề gì với việc này cả.

Dây chuyền lắp ráp mới trên cao nguyên Hoàng Thổ

Bản chất của việc gắn nhãn dữ liệu là dạy máy móc về thế giới.

Lái xe tự động cần nhận biết đèn giao thông và người đi bộ, và các mẫu xe cỡ lớn cần phân biệt được giữa mèo và chó. Bản thân máy móc không có khả năng nhận thức thông thường và cần con người vẽ một khung hình lên ảnh để cho chúng biết "đây là người đi bộ" trước khi chúng có thể học cách nhận dạng sau khi xử lý hàng triệu hình ảnh.

Công việc này không yêu cầu trình độ học vấn cao, chỉ cần sự kiên nhẫn và một ngón tay có thể nhấp chuột liên tục.

Vào thời kỳ hoàng kim năm 2017, một chiếc hộp 2D đơn giản có thể có giá hơn một xu, và một số công ty thậm chí còn bán với giá cao ngất ngưởng là nửa nhân dân tệ. Một người dán nhãn nhanh tay có thể kiếm được từ năm đến sáu trăm nhân dân tệ bằng cách làm việc mười giờ một ngày. Tại thị trấn này, đây chắc chắn được coi là một công việc có mức lương cao và khá tốt.

Nhưng khi các mô hình quy mô lớn phát triển, thực tế khắc nghiệt của quy trình này bắt đầu lộ diện.

Đến năm 2023, giá thành của dịch vụ chú thích hình ảnh đơn giản đã giảm xuống còn 3 đến 4 xu, giảm hơn 90%. Ngay cả với những hình ảnh đám mây điểm 3D phức tạp hơn, nơi các điểm dày đặc đến mức cần phải phóng to đáng kể mới có thể phân biệt được các cạnh, người chú thích vẫn phải vẽ tỉ mỉ một hình hộp ba chiều trong không gian bao gồm chiều dài, chiều rộng, chiều cao và góc định hướng để bao quanh một phương tiện hoặc người đi bộ một cách liền mạch. Tuy nhiên, giá của một chiếc hộp 3D phức tạp như vậy chỉ là 5 xu.

Hậu quả trực tiếp của việc giá cả giảm mạnh là sự gia tăng đáng kể cường độ lao động. Để giữ được mức lương hàng tháng từ hai đến ba nghìn đô la, người chú thích phải liên tục và không ngừng nỗ lực cải thiện tốc độ làm việc của mình.

Đây chắc chắn không phải là một công việc văn phòng dễ dàng. Tại nhiều trung tâm chú thích, quản lý quá khắt khe đến mức ngột ngạt; nhân viên không được phép nghe điện thoại trong giờ làm việc, và điện thoại di động phải được cất giữ trong ngăn khóa. Hệ thống ghi lại một cách tỉ mỉ mọi chuyển động chuột và thời gian nhàn rỗi của nhân viên, và nếu có bất kỳ khoảng nghỉ nào quá ba phút, một cảnh báo từ hệ thống phụ trợ sẽ được gửi đi ngay lập tức.

Điều gây khó chịu hơn nữa là tỷ lệ dung nạp thuốc. Điểm đạt yêu cầu trong ngành thường trên 95%, thậm chí một số công ty còn yêu cầu 98%-99%. Điều này có nghĩa là nếu bạn vẽ 100 ô vuông và mắc 2 lỗi, toàn bộ hình ảnh sẽ được gửi lại để chỉnh sửa.

Hình ảnh động bao gồm các khung hình, trong đó các phương tiện chuyển làn bị che khuất, buộc người chú thích phải sử dụng trí tưởng tượng để xác định từng phương tiện; trong hình ảnh đám mây điểm 3D, bất kỳ đối tượng nào có hơn 10 điểm đều phải được đóng khung. Trong một dự án bãi đỗ xe phức tạp, nếu các đường kẻ quá dài hoặc thiếu sót điều gì đó, việc kiểm tra chất lượng chắc chắn sẽ phát hiện ra lỗi. Việc một bức ảnh được chỉnh sửa bốn hoặc năm lần là điều khá phổ biến. Cuối cùng, sau một giờ làm việc, bạn chỉ kiếm được vài xu.

Một người vẽ minh họa ở tỉnh Hồ Nam đã đăng tải bảng kê khai thu nhập của mình lên mạng xã hội, cho thấy sau một ngày làm việc, cô đã vẽ hơn 700 ô với giá 4 xu mỗi ô, kiếm được tổng cộng 30,2 nhân dân tệ.

Đây là một khung cảnh vô cùng rời rạc.

Một bên là những gã khổng lồ công nghệ hào nhoáng tại các hội nghị bàn luận về cách trí tuệ nhân tạo tổng quát (AGI) sẽ giải phóng nhân loại; bên kia, tại các thị trấn nhỏ trên cao nguyên Hoàng Thổ và vùng núi phía tây nam, những người trẻ tuổi dán mắt vào màn hình từ tám đến mười tiếng mỗi ngày, vẽ một cách máy móc hàng nghìn, hàng chục nghìn ô vuông, thậm chí còn mơ mộng vào ban đêm, ngón tay họ lần mò những vạch kẻ đường trong không trung.

Ai đó từng nói rằng vẻ ngoài của trí tuệ nhân tạo giống như một chiếc xe hơi hạng sang gầm rú, nhưng khi bạn mở cửa ra, bạn sẽ thấy bên trong có hàng trăm người đang đạp xe, nghiến răng ken két và đạp rất mạnh.

Không ai nghĩ rằng điều này có gì sai cả.

Người thợ thủ công gia công dạy máy móc "Cách yêu thương"

Sau khi vượt qua được rào cản trong nhận dạng hình ảnh, các mô hình lớn đã trải qua một quá trình tiến hóa sâu sắc hơn, cần phải học cách suy nghĩ, giao tiếp và thậm chí thể hiện "sự đồng cảm" như con người.

Điều này đã dẫn đến phần quan trọng và tốn kém nhất trong quá trình huấn luyện mô hình quy mô lớn — RLHF (Học tăng cường dựa trên phản hồi của con người).

Nói một cách đơn giản, phương pháp này bao gồm việc để người thật chấm điểm các câu trả lời do AI tạo ra, cho AI biết câu trả lời nào tốt hơn, phù hợp hơn với giá trị con người và sở thích cảm xúc của họ.

Lý do ChatGPT trông "giống con người" là vì đằng sau nó là vô số người chú thích RLHF đang dạy nó.

Trên các nền tảng crowdsourcing, các nhiệm vụ chú thích như vậy thường được định giá rõ ràng: đơn giá từ 3 đến 7 RMB. Người chấm điểm cần cung cấp điểm số cảm xúc cực kỳ chủ quan cho các phản hồi của AI để đánh giá xem phản hồi đó có "ấm áp", "đồng cảm" hay "quan tâm đến cảm xúc của người dùng" hay không.

Một người chỉ kiếm được vài nghìn nhân dân tệ mỗi tháng, đang vật lộn trong cuộc sống khó khăn, hầu như không thể tự chăm sóc cảm xúc của mình, giờ lại được yêu cầu đóng vai trò là người hướng dẫn cảm xúc và người phân định giá trị cho trí tuệ nhân tạo.

Họ cần phải phân tích một cách cứng nhắc sự ấm áp, lòng đồng cảm và các cảm xúc phức tạp, tinh tế khác của con người thành những thang điểm lạnh lùng từ 1 đến 5. Nếu điểm số của họ không trùng khớp với các đáp án đúng được hệ thống quy định trước, độ chính xác của họ sẽ bị coi là không đủ, dẫn đến việc bị trừ vào tiền lương ít ỏi theo sản phẩm của họ.

Đây là sự hao tổn năng lượng tinh thần. Cảm xúc, đạo đức và lòng trắc ẩn của con người, vốn rất phức tạp và tinh tế, đang bị ép buộc vào cái phễu của thuật toán. Trong thế giới lạnh lẽo của định lượng và các thang đo tiêu chuẩn hóa, chúng đã mất đi chút hơi ấm cuối cùng. Trong khi bạn trầm trồ trước con quái vật mạng trên màn hình, thứ đã học được cách viết thơ, sáng tác nhạc, thể hiện sự quan tâm, và thậm chí khoác lên mình một lớp vỏ bọc nhạy cảm u sầu; thì ngoài màn hình, nhóm người từng tràn đầy sức sống ấy, thông qua những phán xét máy móc hàng ngày, đã thoái hóa thành những cỗ máy chấm điểm vô cảm.

Đây là khía cạnh bí mật nhất của toàn bộ chuỗi ngành công nghiệp, không bao giờ xuất hiện trong bất kỳ tin tức về đầu tư hay báo cáo kỹ thuật nào.

Không ai nghĩ rằng điều này có gì sai cả.

985 Người có bằng Thạc sĩ so với... Thanh niên thị trấn nhỏ

Công việc dây chuyền lắp ráp cấp thấp đang bị nghiền nát bởi bước tiến của trí tuệ nhân tạo, khiến dây chuyền sản xuất tự động này lan rộng lên trên, bắt đầu nuốt chửng cả những công việc đòi hỏi tư duy bậc cao hơn.

Nhu cầu về các mô hình lớn đã thay đổi. Không còn hài lòng với việc chỉ dựa vào lẽ thường, giờ đây họ cần phải tiếp thu kiến ​​thức chuyên môn của con người và logic cao cấp.

Trên nhiều nền tảng tuyển dụng lớn, một loại hình việc làm bán thời gian mới đang bắt đầu xuất hiện thường xuyên, chẳng hạn như "Chú thích suy luận logic mô hình lớn" và "Huấn luyện viên nhân văn AI". Công việc bán thời gian này có yêu cầu đầu vào cực kỳ cao, thường đòi hỏi "bằng thạc sĩ trở lên từ các trường đại học thuộc Dự án 985/Dự án 211" và liên quan đến các lĩnh vực chuyên môn như luật, y học, triết học và văn học.

Nhiều sinh viên tốt nghiệp từ các trường đại học danh tiếng bị thu hút và gia nhập các nhóm gia công phần mềm của những gã khổng lồ công nghệ này. Tuy nhiên, họ nhanh chóng nhận ra rằng đây không phải là một bài tập trí óc đơn giản mà là một hình thức tra tấn tinh thần.

Trước khi chính thức đảm nhận nhiệm vụ, họ phải đọc kỹ hàng chục trang tài liệu về các tiêu chí chấm điểm và đánh giá, và trải qua hai đến ba vòng ghi chú thử nghiệm. Sau khi đáp ứng các tiêu chuẩn, trong quá trình ghi chú chính thức, nếu độ chính xác của họ thấp hơn mức trung bình, họ sẽ mất tư cách và bị loại khỏi nhóm trò chuyện.

Điều ngột ngạt nhất là những tiêu chuẩn này hoàn toàn không cố định. Khi đối mặt với những câu hỏi và câu trả lời tương tự, việc chấm điểm bằng cùng một quy trình tư duy có thể cho ra kết quả hoàn toàn trái ngược. Nó giống như làm một bài kiểm tra dài vô tận mà không có đáp án chuẩn. Độ chính xác không thể được cải thiện thông qua nỗ lực cá nhân hay học tập; người ta chỉ có thể mãi dậm chân tại chỗ, làm tiêu hao cả năng lượng tinh thần lẫn thể chất.

Đây là hình thức khai thác mới trong kỷ nguyên của các mô hình lớn - gấp lớp.

Kiến thức, từng được xem như một chiếc thang vàng để phá vỡ rào cản và vươn lên, giờ đây đã trở thành một nguồn dữ liệu kỹ thuật số phức tạp hơn, được cung cấp cho các thuật toán để xử lý. Trước sức mạnh tuyệt đối của thuật toán và hệ thống, các sinh viên cao học từ những trường đại học danh tiếng trong tháp ngà và những người trẻ tuổi từ các thị trấn nhỏ trên cao nguyên Hoàng Thổ đã dấn thân vào một con đường hội tụ kỳ lạ nhất.

Cùng nhau, họ lao xuống vực sâu khai thác mạng không đáy này, bị tước bỏ hào quang, xóa bỏ mọi khác biệt, tất cả đều biến thành những bánh răng rẻ tiền trên dây chuyền sản xuất có thể thay thế bất cứ lúc nào.

Ở nước ngoài cũng vậy. Vào năm 2024, Apple đã trực tiếp sa thải một nhóm gồm 121 thành viên chuyên về chú thích giọng nói bằng AI tại San Diego. Những nhân viên này chịu trách nhiệm cải thiện khả năng xử lý đa ngôn ngữ của Siri. Họ từng nghĩ mình đang đứng ở vị trí then chốt trong hoạt động kinh doanh của một gã khổng lồ công nghệ, nhưng ngay lập tức lại rơi vào vực sâu của nạn thất nghiệp.

Trong mắt các ông trùm công nghệ, dù đó là một người phụ nữ trung niên điều hành cửa hàng tạp hóa ở một vùng quê nhỏ hay một chuyên gia đào tạo logic với nền tảng giáo dục danh giá, về cơ bản, tất cả đều là "hàng tiêu hao" có thể thay thế bất cứ lúc nào.

Không ai nghĩ rằng điều này có gì sai cả.

Tháp Babel trị giá nghìn tỷ đô la, được xây dựng chỉ với vài xu tiền bóc lột.

Theo số liệu do Viện Nghiên cứu Thông tin và Truyền thông Trung Quốc công bố, thị trường chú thích dữ liệu của Trung Quốc đạt quy mô 6,08 tỷ nhân dân tệ vào năm 2023 và dự kiến ​​sẽ đạt 20-30 tỷ nhân dân tệ vào năm 2025. Dự báo đến năm 2030, doanh thu thị trường dịch vụ và chú thích dữ liệu toàn cầu sẽ tăng vọt lên 117,1 tỷ nhân dân tệ.

Đằng sau những con số này là các gã khổng lồ công nghệ như OpenAI, Microsoft và ByteDance, với giá trị vốn hóa thị trường lên tới hàng nghìn tỷ đô la.

Tuy nhiên, khối tài sản khổng lồ này lại không đến được với những người thực sự "nuôi dưỡng" trí tuệ nhân tạo.

Trong ngành công nghiệp ghi nhãn dữ liệu của Trung Quốc, cấu trúc gia công phần mềm theo mô hình kim tự tháp ngược điển hình rất dễ nhận thấy. Ở trên cùng là các gã khổng lồ công nghệ nắm giữ chặt chẽ các thuật toán cốt lõi; cấp độ thứ hai bao gồm các nhà cung cấp dịch vụ dữ liệu lớn; cấp độ thứ ba bao gồm các trung tâm gắn nhãn dữ liệu và các công ty gia công phần mềm quy mô vừa và nhỏ rải rác khắp cả nước; chỉ ở dưới cùng chúng ta mới tìm thấy những người lao động kiếm tiền theo sản phẩm - những người công nhân gắn nhãn dữ liệu.

Mỗi khâu thuê ngoài đều lấy một khoản phí đáng kể. Khi các nhà máy lớn đưa ra giá bán lẻ là 0,5 nhân dân tệ, sau nhiều tầng bóc lột, số tiền mà một công nhân dán nhãn ở một thị trấn nhỏ nhận được có thể chưa đến 0,05 nhân dân tệ.

Trong cuốn sách "Chủ nghĩa phong kiến ​​công nghệ", cựu Bộ trưởng Tài chính Hy Lạp Yanis Varoufakis đã đưa ra một quan điểm sâu sắc: các gã khổng lồ công nghệ ngày nay không còn là những nhà tư bản theo nghĩa truyền thống mà là những "nhà kinh tế đám mây".

Họ không sở hữu nhà máy và máy móc, mà sở hữu thuật toán, nền tảng và sức mạnh tính toán, những lãnh thổ kỹ thuật số của kỷ nguyên mạng. Trong hệ thống phong kiến ​​mới này, người dùng không phải là người tiêu dùng mà là những nông nô kỹ thuật số. Mỗi lượt thích, bình luận và lượt duyệt trên mạng xã hội đều là công sức lao động miễn phí cung cấp dữ liệu cho Cloudalists.

Trong khi đó, những người làm công việc gắn nhãn dữ liệu ở các thị trường mới nổi lại là những người lao động kỹ thuật số cấp thấp nhất trong hệ thống này. Họ không chỉ phải tạo ra dữ liệu mà còn phải làm sạch, phân loại và đánh giá lượng dữ liệu thô khổng lồ, chuyển đổi nó thành nguồn dữ liệu chất lượng cao mà các mô hình lớn có thể xử lý.

Đây là một phong trào khép kín nhận thức bí mật. Tương tự như cách các Đạo luật Rào chắn đất đai của nước Anh thế kỷ 19 đã đẩy nông dân vào các nhà máy dệt may, làn sóng trí tuệ nhân tạo ngày nay đang đẩy những người trẻ tuổi không tìm được chỗ đứng trong nền kinh tế vật chất vào thế giới màn hình.

Trí tuệ nhân tạo (AI) không xóa bỏ được sự phân hóa giai cấp; thay vào đó, nó đã thiết lập một "Dây chuyền dữ liệu và mồ hôi công sức" từ các huyện nhỏ ở miền trung và miền tây Trung Quốc trực tiếp đến trụ sở của các tập đoàn công nghệ khổng lồ ở Bắc Kinh, Thượng Hải, Quảng Châu và Thâm Quyến. Câu chuyện về cuộc cách mạng công nghệ luôn hoành tráng và huy hoàng, nhưng nền tảng của nó mãi mãi là sự tiêu thụ quy mô lớn nguồn lao động giá rẻ.

Dường như không ai nghĩ rằng điều này có gì sai trái.

Một tương lai không cần đến con người

Kết cục tàn khốc nhất đang đến rất nhanh, ngày càng nhanh hơn.

Với sự phát triển của khả năng mô hình hóa quy mô lớn, những công việc từng cần đến sức lao động ngày đêm của con người nay đang được chính trí tuệ nhân tạo (AI) đảm nhiệm.

Vào tháng 4 năm 2023, Li Xiang, người sáng lập Ideal Auto, tiết lộ tại một diễn đàn rằng trước đây, Ideal từng phải dán nhãn thủ công cho khoảng 10 triệu khung hình ảnh xe tự lái mỗi năm, với chi phí thuê ngoài lên tới gần một tỷ đô la. Tuy nhiên, sau khi họ sử dụng các mô hình lớn để dán nhãn tự động, công việc trước đây mất cả năm để hoàn thành giờ đây có thể được thực hiện trong khoảng 3 giờ.

Hiệu quả cao gấp 1000 lần so với con người, và điều này đã đạt được từ năm 2023. Chỉ riêng trong tháng 3 vừa qua, Ideals đã cho ra mắt công cụ chú thích tự động thế hệ tiếp theo MindVLA-o1.

Có một câu nói tự chế giễu đầy cay đắng nhưng cũng rất đúng trong ngành này: "Càng nhiều trí tuệ, càng nhiều yếu tố nhân tạo." Nhưng hiện nay, việc thuê ngoài dịch vụ chú thích dữ liệu của các ông lớn công nghệ đã giảm mạnh từ 40% đến 50%.

Những người trẻ tuổi đến từ các thị trấn nhỏ, những người đã ngồi trước máy tính hàng ngày đêm, đôi mắt đỏ hoe vì căng thẳng, đã tự tay gây dựng nên một đế chế khổng lồ. Và giờ đây, gã khổng lồ này đang quay lại, đập tan những chiếc bát cơm của họ.

Khi màn đêm buông xuống, các tòa nhà văn phòng ở quận Pingcheng, thành phố Datong vẫn sáng rực như ban ngày. Những người trẻ đang làm ca lặng lẽ trao đổi những mảnh vỡ mệt mỏi của mình trong sảnh thang máy. Trong không gian gấp khúc bị giam cầm bởi vô số đa giác này, chẳng ai quan tâm đến bước tiến vĩ đại của kiến ​​trúc Transformer ở ​​bên kia đại dương, cũng chẳng ai hiểu được sức mạnh tính toán khổng lồ ẩn sau hàng trăm tỷ tham số.

Ánh mắt họ dán chặt vào thanh tiến độ màu đỏ/xanh lá cây phía sau sân khấu, biểu thị "dòng đạt yêu cầu", tính toán xem liệu số tiền công ít ỏi đó có đủ để tạo dựng một cuộc sống tươm tất vào cuối tháng hay không.

Một mặt, tiếng chuông kết thúc phiên giao dịch Nasdaq và sự đưa tin liên tục của giới truyền thông công nghệ khiến các ông lớn nâng ly chúc mừng sự ra đời của Trí tuệ Nhân tạo Tổng quát (AGI); mặt khác, những người lao động kỹ thuật số đã nuôi dưỡng AI bằng chính máu thịt của mình chỉ có thể, trong giấc ngủ chập chờn, lo lắng chờ đợi con quái vật mà họ đã tự tay nuôi dưỡng thản nhiên đá bay bát cơm của họ vào một buổi sáng bình thường.

Không ai nghĩ rằng điều này có gì sai cả.