پایگاه خبری تحلیلی ایراسین، در یک صبح سرد در شهر هوبلی هند، راجش کومار پشت صفحه نمایشگرش نشسته و با دقت تصاویری از مزارع آمریکایی را بررسی می‌کند. او باید تراکتورها، ساختمان‌ها و حتی تجهیزات آبیاری را در این تصاویر برچسب‌گذاری کند تا به یک مدل هوش مصنوعی کمک کند که خودروهای خودران را در مزارع هدایت کند. راجش یکی از میلیون‌ها کارگر گمنامی است که در سایه غول‌های فناوری، به توسعه هوش مصنوعی کمک می‌کند. او ساعتی ۸ دلار درآمد دارد، اما می‌گوید: «این کار بهتر از بیکاری است. من به ماشین‌ها کمک می‌کنم که یاد بگیرند، اما گاهی فکر می‌کنم خودم از آنها عقب مانده‌ام.»
داستان راجش، داستان یک نیروی کار پنهان است که قلب تپنده صنعت هوش مصنوعی را تشکیل می‌دهد. زمانی که دیپ‌سیک، یک شرکت چینی، مدل زبانی پیشرفته‌اش را در سال گذشته منتشر کرد، جهان شگفت‌زده شد. اما در پشت این فناوری پیشرفته، انسان‌هایی مثل راجش هستند که با کار طاقت‌فرسای برچسب‌گذاری داده‌ها، به ماشین‌ها یاد می‌دهند که چگونه جهان را درک کنند. این نیروی کار، که در اصطلاح «لایمن» نامیده می‌شود، نه روبات است و نه کد؛ بلکه انسان‌هایی هستند که در سراسر جهان، از هند تا آفریقا، به توسعه هوش مصنوعی کمک می‌کنند.
انسان‌ها در حلقه
جهان در آستانه تحولی عظیم قرار دارد. هوش مصنوعی (AI)، که زمانی رویایی علمی-تخیلی بود، اکنون در قلب اقتصاد جهانی نفوذ کرده و شیوه کار، تولید و حتی تفکر ما را دگرگون می‌کند. اما در این میان، سوالی اساسی مطرح است: جایگاه انسان‌ها در این عصر جدید کجاست؟
بخش اول: نیروی کار پنهان پشت هوش مصنوعی
هوش مصنوعی، با همه شکوه و عظمتش، به تنهایی قادر به عملکرد نیست. در پس هر مدل پیشرفته‌ای، از DeepSeek چین گرفته تا ChatGPT شرکت OpenAI، نیروی کاری عظیم و اغلب نامرئی وجود دارد که داده‌ها را برچسب‌گذاری می‌کند، مدل‌ها را آموزش می‌دهد و خطاها را اصلاح می‌کند. این نیروی کار شامل میلیون‌ها نفر در سراسر جهان است که وظایفی مانند برچسب‌گذاری تصاویر برای خودروهای خودران یا آموزش سیستم‌های تشخیص گفتار را انجام می‌دهند.
سوخت هوش مصنوعی
داده‌ها، خون حیات هوش مصنوعی هستند، اما این داده‌ها باید توسط انسان‌ها آماده شوند. برای مثال، شرکت‌هایی مانند Scale AI با استخدام هزاران نفر در کشورهایی مانند هند و کنیا، داده‌های خام را به اطلاعاتی قابل استفاده برای مدل‌های هوش مصنوعی تبدیل می‌کنند. براساس گزارش‌ها، Scale AI سالانه بیش از ۷ میلیارد دلار درآمد دارد و بخش عمده این موفقیت را مدیون نیروی کار ارزان‌قیمت در کشورهای در حال توسعه است. اما این نیروی کار با چالش‌هایی جدی مواجه است: دستمزدهای پایین (در هند، میانگین درآمد سالانه این کارگران به ۷ هزار دلار می‌رسد)، شرایط کاری نامناسب و فقدان امنیت شغلی.
نقش حیاتی انسان‌ها
انسان‌ها نه تنها در مرحله آموزش مدل‌ها، بلکه در بهبود مستمر آنها نیز نقش دارند. الگوریتم‌ها برای درک ظرافت‌های زبان، فرهنگ و زمینه‌های اجتماعی به کمک انسان نیاز دارند. به عنوان مثال، Fei Li، دانشمند برجسته هوش مصنوعی، در مصاحبه‌ای با وال استریت ژورنال اظهار کرد: «هوش مصنوعی فقط ابزاری است؛ این انسان‌ها هستند که به آن معنا می‌بخشند.» او به تجربه شرکت خود، xAI، اشاره کرد که با استخدام کارگران برای برچسب‌گذاری داده‌ها، دقت مدل‌هایش را تا ۳۰ درصد بهبود داد.
بخش دوم: نابرابری جهانی در نیروی کار هوش مصنوعی
شکاف اقتصادی و جغرافیایی
یکی از بزرگ‌ترین چالش‌های نیروی کار هوش مصنوعی، نابرابری جهانی است. گزارش اکونومیست نشان می‌دهد که در حالی که شرکت‌های فناوری در آمریکا و چین سودهای کلان به جیب می‌زنند، کارگران در آفریقا و آسیا با دستمزدهای ناچیز به کار ادامه می‌دهند. طبق داده‌های GitHub، در سال‌های ۲۰۲۲ تا ۲۰۲۳، هند با ۸/۱۲ درصد بیشترین سهم را در میان توسعه‌دهندگان جهانی داشته است، اما درآمد سالانه این کارگران به طور متوسط ۸ هزار دلار است—در مقایسه با ۲۵۴ هزار دلار برای کارگران مشابه در آمریکا. این شکاف تنها اقتصادی نیست؛ جغرافیایی نیز هست. در کنیا، کارگرانی که داده‌ها را برای شرکت‌هایی مانند DeepSeek برچسب‌گذاری می‌کنند، اغلب در شرایطی کار می‌کنند که استانداردهای اولیه ایمنی و رفاه را ندارد. گزارشی از نیویورک تایمز فاش کرد که برخی از این کارگران در نایروبی روزانه ۸ دلار درآمد دارند و با فشار روانی ناشی از مشاهده محتوای نامناسب (مانند تصاویر خشونت‌آمیز برای آموزش مدل‌ها) مواجه‌اند.
تأثیر بر جوامع محلی
در کشورهای توسعه‌یافته، هوش مصنوعی به طور فزاینده‌ای جایگزین مشاغل سنتی می‌شود. به عنوان مثال، در آمریکا، شرکت Blue River Technology از هوش مصنوعی برای برچسب‌گذاری داده‌های کشاورزی استفاده می‌کند، اما این فناوری مشاغل کارگران مزرعه را تهدید می‌کند. در مقابل، در کشورهایی مانند هند، هوش مصنوعی فرصت‌های جدیدی ایجاد کرده است. طبق گزارش بانک جهانی، صنعت برچسب‌گذاری داده‌ها در هند تا سال ۲۰۳۰ می‌تواند ۵ میلیون شغل جدید ایجاد کند، اما این مشاغل اغلب کم‌درآمد و ناپایدار هستند.
بخش سوم: چالش‌های اخلاقی و اجتماعی
اتوماسیون و جابه‌جایی مشاغل
هوش مصنوعی، با همه مزایایش، تهدیدی برای مشاغل انسانی است. طبق گزارش فایننشال تایمز، تا سال ۲۰۳۰، ۴۵ درصد از مشاغل فعلی در بخش‌های خدماتی و تولیدی ممکن است توسط هوش مصنوعی جایگزین شوند. این جابه‌جایی به ویژه در مشاغل تکراری و کم‌مهارت، مانند کار در خطوط تولید یا خدمات مشتریان، مشهود است. اما حتی مشاغل تخصصی‌تر نیز در امان نیستند. به عنوان مثال، مدل‌های پیشرفته هوش مصنوعی در حال حاضر توانایی نوشتن متون حقوقی یا تحلیل داده‌های پزشکی را دارند.
نیاز به مهارت‌های جدید
برای مقابله با این جابه‌جایی، نیاز به آموزش مهارت‌های جدید بیش از پیش احساس می‌شود. کارگران باید توانایی کار با هوش مصنوعی را بیاموزند، اما این آموزش هزینه‌بر است. طبق گزارش OECD ، تنها ۲۰ درصد از کارگران در کشورهای در حال توسعه به برنامه‌های آموزشی مهارت‌های دیجیتال دسترسی دارند. این شکاف آموزشی می‌تواند نابرابری‌ها را تشدید کند.
مسائل اخلاقی
یکی دیگر از چالش‌ها، مسائل اخلاقی است. کارگرانی که داده‌ها را برچسب‌گذاری می‌کنند، اغلب با محتوای حساس یا آسیب‌زا مواجه می‌شوند. گزارشی از گاردین نشان داد که کارگران فیس‌بوک در فیلیپین، که وظیفه moderation محتوا را بر عهده داشتند، با مشکلات روانی جدی مواجه شدند. این موضوع، سوال مهمی را مطرح می‌کند: آیا سودآوری شرکت‌های فناوری ارزش به خطر انداختن سلامت روان کارگران را دارد؟
بخش چهارم: راهکارها و آینده نیروی کار
آموزش و بازآموزی
برای حفظ نقش انسان‌ها در حلقه هوش مصنوعی، آموزش و بازآموزی نیروی کار ضروری است. دولت‌ها و شرکت‌ها باید برنامه‌های آموزشی گسترده‌ای برای مهارت‌های دیجیتال ارائه دهند. به عنوان مثال، سنگاپور با برنامه «SkillsFuture» که در سال ۲۰۲۳ راه‌اندازی شد، به هر شهروند بالای ۲۵ سال یارانه‌ای ۵۰۰ دلاری برای آموزش مهارت‌های جدید ارائه می‌دهد. این برنامه تا سال ۲۰۲۵ بیش از ۱ میلیون نفر را آموزش داده است.
تنظیم مقررات
دولت‌ها باید مقرراتی برای حمایت از کارگران هوش مصنوعی وضع کنند. حداقل دستمزد، شرایط کاری ایمن و حمایت‌های روانی باید در اولویت قرار گیرند. به عنوان مثال، اتحادیه اروپا در سال ۲۰۲۴ قانونی تصویب کرد که شرکت‌های فناوری را ملزم به ارائه بیمه سلامت روانی برای کارگران برچسب‌گذاری داده می‌کند.
همکاری انسان و ماشین
آینده نیروی کار، نه در جایگزینی انسان‌ها با ماشین‌ها، بلکه در همکاری میان آنهاست. مدل‌های هوش مصنوعی می‌توانند وظایف تکراری را بر عهده بگیرند، در حالی که انسان‌ها بر خلاقیت، تصمیم‌گیری و مهارت‌های اجتماعی تمرکز کنند. به عنوان مثال، در صنعت پزشکی، هوش مصنوعی می‌تواند تصاویر MRI را تحلیل کند، اما تصمیم نهایی برای درمان همچنان بر عهده پزشک است.
بخش پنجم: درس‌های جهانی
هند و کنیا نشان داده‌اند که نیروی کار ارزان می‌تواند موتور محرکه صنعت هوش مصنوعی باشد، اما این مدل پایدار نیست. بدون سرمایه‌گذاری در آموزش و بهبود شرایط کاری، این کشورها در معرض بهره‌کشی قرار دارند.
در مقابل، سنگاپور و آلمان با تمرکز بر آموزش و تنظیم مقررات، الگویی موفق ارائه داده‌اند. آلمان با برنامه «Industry 4.0» خود، که در سال ۲۰۲۳ گسترش یافت، کارگران را برای همکاری با سیستم‌های هوش مصنوعی آماده کرده و نرخ بیکاری را به ۳ درصد کاهش داده است.
انسان‌ها، قلب تپنده هوش مصنوعی
هوش مصنوعی، با همه پیشرفت‌هایش، بدون انسان‌ها ناقص است. نیروی کار جهانی، از کارگران برچسب‌گذاری داده در کنیا گرفته تا مهندسان در سیلیکون ولی، ستون فقرات این فناوری است. اما این نقش با چالش‌هایی عمیق همراه است: نابرابری اقتصادی، جابه‌جایی مشاغل و مسائل اخلاقی. برای آینده‌ای پایدار، باید تعادل میان بهره‌وری هوش مصنوعی و حمایت از انسان‌ها برقرار شود. آموزش، تنظیم مقررات و همکاری انسان و ماشین، کلید این تعادل است. همان‌طور که Fei Li می‌گوید: «هوش مصنوعی ابزاری است که انسان‌ها به آن معنا می‌دهند.» در جهانی که ماشین‌ها هر روز قدرتمندتر می‌شوند، این انسان‌ها هستند که باید در مرکز این تحول باقی بمانند.
ماهنامه کارخانه - شماره ۵۲
منبع:
The Economist
ارسال نظر