منصة توزيع مهام كانت تدفع بضعة سنتات لكل طلب، لكنها دعمت في وقتٍ ما عصر التعلم العميق بأكمله.
Now, it's closing.
أعلنت أمازون للتو أن منصتها الجماعية Mechanical Turk ستتوقف عن الخدمة تمامًا في 30 سبتمبر من هذا العام.
في ذروتها، كان هناك أكثر من 500,000 شخص متصلين على المنصة يقومون بمهام مساعدة، مثل النظر إلى الصور وتصنيفها ووضع العلامات عليها، وأكملوا يدويًا جميع المهام التي كانت الحواسيب لا تزال غير قادرة على تعلمها.
فيما بعد، شاركت هذه القوة الحاسوبية الهائلة من البشر مباشرة في دعم مجموعة بيانات ImageNet—
بدون MTurk، من المستحيل تقريبًا إجراء التصنيف اليدوي لعشرات الملايين من الصور على ImageNet.
Without ImageNet, Li Fei-Fei might not have become famous overnight.
لا يمكن لـ هينتون وطلابه أن يصبحوا أسطوريين في معركة واحدة، ولا يمكن للتعلم العميق أن يشهد نهضة مفاجئة في عام 2012.
بعد 21 عامًا، ستكون الذكاء الاصطناعي الحقيقي أكثر قدرة على إنجاز هذه الواجبات.
أما أولئك الذين كانوا يزودون الذكاء الاصطناعي بالذكاء في ذلك الوقت، فمع المنصة، تلقوا إشعار إيقاف الخدمة.
500,000 شخص متصلون يعملون بدوام جزئي، وMTurk استقدم أشخاصًا حقيقيين للتعويض
تم إطلاق Mechanical Turk (MTurk) في عام 2005.
في الواقع، في البداية، لم تكن أمازون تخطط أصلاً لاستخدام هذا الشيء لإعادة كتابة أي تاريخ للذكاء الاصطناعي.
كانت MTurk تحل وقتها مشكلة عملية وملحة بشكل خاص: بعض المهام التي يصعب على الكمبيوتر تنفيذها بشكل كبير، لكنها سهلة جدًا للإنسان...
لذلك فكرت أمازون في حل مباشر جدًا: إذا لم يستطع البرنامج حل المشكلة، فقم بتفتيت المشكلة وإرسالها إلى أشخاص حقيقيين!
وهكذا، تُسمى هذه المهام الصغيرة التي تم فصلها HIT، أي مهمة الذكاء البشري.
على سبيل المثال، إذا كانت شركة تمتلك 10,000 صورة تحتاج إلى تصنيف، فإن طريقة MTurk هي تقسيمها مباشرة إلى 10,000 مهمة مستقلة ونشرها في نفس الوقت على المنصة.
يمكن لـ 100 شخص العمل معًا، ويمكن لـ 1000 شخص أيضًا، وعندما ينضم عشرات الآلاف، سيكون أسرع.
بعبارة أخرى، MTurk لا يجعل شخصًا واحدًا ينجز المهمة أسرع، بل يحول مهمة شاقة كان يجب القيام بها بالتسلسل إلى شيء يمكن تنفيذه "بالتوازي عالميًا".
الآن أصبحت بيانات النسخة البشرية الحقيقية دوّارة...
واسم "Mechanical Turk" يتوافق تمامًا مع هذه "اللعبة".
في القرن الثامن عشر، كانت هناك آلة ميكانيكية شهيرة تُعرف بالتركي الميكانيكي في أوروبا، حيث بدا أنها آلة تلعب الشطرنج بنفسها، بل ويمكنها اللعب ضد نابليون.
لاحقًا اكتشف الجميع أن لاعبًا بشريًا كان مخفيًا داخل الجهاز طوال الوقت!؟ (لقد كبرتُ جدًا...)
نقلت أمازون هذا المثل إلى الإنترنت بشكل شبه مثالي، حيث يبدو البرنامج وكأنه يعالج الأمور تلقائيًا، لكن من يقوم بالعمل الفعلي هم أشخاص حقيقيون خلف الشاشة.
لقد أطلق عليه بيزوس في ذلك الوقت تسميةً يمكن وصفها بأنها نبوءةٌ تحققت:
الذكاء الاصطناعي الاصطناعي (artificial artificial intelligence).
بمجرد أن نجح هذا الفكرة، نما MTurk من أداة تابعة لأمازون إلى سوق عالمي للعمل الجماعي.
بحلول عام 2011، كان هناك أكثر من 500,000 عامل على MTurk، يغطون 190 دولة.
مع زيادة عدد الأشخاص، بدأت المهام المتوفرة في التوسع بسرعة: فلترة الصور، تحويل الصوت إلى نص، تصنيف النصوص، تنظيف البيانات، تحليل المشاعر، ومراجعة المحتوى.
يمكنك إرسال أي مهمة تكون فيها الآلات عرضة للصعوبة، بينما يستطيع الإنسان تحديدها في بضع ثوانٍ.
هذا الرمي، كان في عام 21.
بدون MTurk، لما كانت هناك ImageNet والثورة في التعلم العميق كما نعرفها اليوم
العودة إلى عام 2006 تقريبًا.
بعد أن وصلت حديثًا إلى جامعة برينستون للتدريس، قررت لي فيفي أن تفعل شيئًا كان يُعدّ مخالفًا للاتجاه السائد في ذلك الوقت—
Create a large enough visual encyclopedia for machines.
في ذلك الوقت، كانت مجموعات بيانات الرؤية الحاسوبية الرئيسية تحتوي عادةً على آلاف إلى عشرات الآلاف من الصور فقط، وكانت البيانات قليلة جدًا، مما جعل النماذج تتعلم بسهولة كـ"مُحلِّلين للأسئلة"، قادرة على تذكر أنماط مجموعة التدريب، لكنها صعبة في فهم الأشياء المتنوعة في العالم الحقيقي.
لذلك أراد فريق لي فيفي أن يفعل شيئًا كان مجنونًا جدًا في ذلك الوقت: إنشاء عالم بصري "كبير بما يكفي" للآلة.
مجموعة بيانات ImageNet، ومنها نشأت.
يستخدم ImageNet WordNet كهيكل، ويقسم العالم الحقيقي إلى مفاهيم فردية، ثم يضيف مئات أو آلاف الصور الحقيقية تحت كل مفهوم.
الكلاب، السيارات، التفاح، الكراسي، الطيور، الأسماك... كل شيء يمكن تعريفه، حاول تضمينه جميعًا.
لكن سرعان ما اصطدمت بمشكلة أكثر واقعية—
من السهل العثور على صور، فمحركات البحث مثل Google و Yahoo و Flickr تمكنك من البحث، لكن المشكلة الحقيقية هي أن الصور التي تجدها ليست بالضرورة صحيحة، بل قد تكون تمامًا غير ذات صلة!!!
بعد أن تقوم محركات البحث باستعادة الصور، يجب على شخص بشري إجراء الخطوة الأخيرة: التحقق من كل صورة على حدة.
رقم مبالغ فيه: حجم الصور المرشحة التي كان يتعين على ImageNet معالجتها لاحقًا تجاوز 160 مليون صورة!!! هذا جعل مشكلة القوى العاملة عالقة تمامًا...
في حين كان ImageNet على وشك التباطؤ بسبب كمية كبيرة من الصور التي يتم فلترتها يدويًا، حوّل فريق لي فيفي نظره نحو Amazon Mechanical Turk التي تم إطلاقها حديثًا.
بدأ فريق ImageNet في تقسيم عملية فلترة الصور الضخمة إلى مهام صغيرة، ثم توزيعها على عمال المنصة العالمية MTurk.
تم تفكيك بنية تحتية ذكية ضخمة إلى عدد لا حصر له من "نقرات الماوس" العادية.
في ورقة ImageNet المنشورة عام 2009، تم وصف أن مجموعة البيانات كانت تضم بالفعل 5247 مفهومًا و3.2 مليون صورة منظمة.
الأرقام التي قدمها فريق ImageNet عند مراجعة المشروع بأكمله هي: 49,000 عامل من MTurk، من 167 دولة.
بعبارة أخرى، ما يدعم حقًا عملية فلترة الصور خلف ImageNet هو فريق مؤقت من العاملين في التسمية يمتد عبر جميع أنحاء العالم.
هذا هو السبب في أن ImageNet لم يكن ليُنشأ بدون MTurk...
بعد إنشاء ImageNet، بدأت القصة الحقيقية في التسارع.
في عام 2010، انطلقت مسابقة ImageNet، وبدأت النماذج من جميع أنحاء العالم في التدريب على نفس مجموعة البيانات، ثم التنافس على نفس القائمة.
بعد سنتين، ظهرت المجموعة التي ستُكتب لاحقًا مرارًا وتكرارًا في تاريخ الذكاء الاصطناعي—
جيفري هينتون من جامعة تورونتو، وطلابه اثنان ألكس كريزhevسكي وإيليا سوتسكيفير.
ثلاثة أشخاص يشاركون بشبكة عصبية تلافيفية عميقة في تحدي ImageNet للاعتراف البصري الواسع النطاق.
خفضت خطأ Top-5 في تحدي ImageNet لعام 2012 مباشرة إلى حوالي 15٪، متجاوزةً بكثير الأساليب التقليدية.
هذا أيضًا سمح لمجتمع رؤية الحاسوب برؤية مباشرة لأول مرة أن دمج كميات هائلة من البيانات وقوة معالجة GPU والشبكات العصبية العميقة يمكن أن يحقق تحسنًا مباشرًا بمستوى كامل.
من اليسار إلى اليمين: إيليا سوتسكفر، جيفري هينتون، وأليكس كريزهيفسكي
From now on, Alex Krizhevsky's name is welded to AlexNet.
إيليا ذهب لاحقًا إلى Google Brain، وشارك في تأسيس OpenAI وعمل كعالم رئيسي، ثم أسس SSI بعد مغادرته.
لاحقًا، فاز السيد هينتون بجائزة تورينغ، وأصبح واحدًا من الآباء المعترف بهم للتعلم العميق.
عاد لي فيفي إلى ستانفورد للتدريس، وقاد معًا HAI، ورسّخت ImageNet مكانتها في تاريخ رؤية الحاسوب الحديث.
بعد ذلك، ظهرت VGG، ثم GoogLeNet، ثم ResNet.
تم تجاوز قائمة ImageNet عامًا بعد عام، وانتقل التعلم العميق من الرؤية إلى الصوت، ثم اخترق معالجة اللغة الطبيعية، حتى وصل اليوم إلى عصر النماذج الكبيرة.
هذا العالم حقًا مذهل—
فريق لي فيفي استخدم MTurk لإنشاء ImageNet؛ جعل ImageNet لي فيفي مشهورًا؛ تمكن تلاميذ هينتون من الصعود إلى الشهرة باستخدام ImageNet؛ واستعاد التعلم العميق ازدهاره بفضل هذا النصر.
قرابة 50 ألف شخص عادي من 167 دولة، جالسين أمام أجهزة الكمبيوتر، قاموا بـ"النقر" تدريجيًا على ملايين الصور المرشحة لتكوين ImageNet.
أخيرًا تعلمت الذكاء الاصطناعي العمل، لكن MTurk سبق فألغى خدمته
ولهذا السبب بالضبط، فإن إغلاق Mechanical Turk اليوم يبدو وكأنه إغلاق دورة زمنية.
البيان الرسمي من أمازون كان متحفظًا، حيث أشار فقط إلى تقييم مستمر لمنتجاتها وخدماتها، وبالتالي قررت إيقاف MTurk.
سابقًا، نقلت CNBC عن كريستا باولوسكي من منظمة حقوق عمال البيانات Turkopticon أن MTurk تشهد تراجعًا على مدار السنوات، حيث تقلصت استثمارات أمازون، كما تستمر منصات جديدة لتدوين البيانات في سحب العمال والعملاء.
لكن السبب الأوضح هو أن المهام التي كانت الأكثر ربحية في ذلك الوقت، أصبحت الذكاء الاصطناعي يتقنها تدريجيًا...
في عام 2005، كان التحقق من وجود كلب في صورة تحديًا حقيقيًا للآلات، لكن الآن أصبحت هذه المهمة مهمة أساسية يمكن للنماذج متعددة الوسائط إنجازها بسهولة.
في الوقت نفسه، تغيرت متطلبات صناعة الذكاء الاصطناعي من حيث "الإنسان".
تتطلب النماذج المتقدمة خبراء مثل المبرمجين والأطباء والمحامين لتقييم الأكواد ومراجعة الإجابات واختبار الاستدلال والأمان.
وبالتالي، ظهرت منصات جديدة مثل Scale AI و Mercor و Prolific لاختيار وإدارة الخبراء، وتقديم بيانات تدريب وتقييم أكثر احترافية.
على العكس، نموذج التجميع الجماعي مثل MTurk، الذي "يمكن لأي شخص قبوله ويدفع بضعة سنتات لكل مهمة"، يصبح تدريجيًا غير متوافق مع العصر...
الأكثر سحرًا أن عمال MTurk أنفسهم بدأوا استخدام الذكاء الاصطناعي!!!
وجدت دراسة أجرتها باحثون سويسريون في عام 2023 أن نسبة العمال الذين يستخدمون نماذج الذكاء الاصطناعي لإكمال مهام نصية في MTurk وصلت إلى 46% كحد أقصى.
في الأصل، كان العملاء يدفعون المال مقابل أحكام من أشخاص حقيقيين، لكن قد يقوم بعض العمال بعد تلقي الطلبات بتحويل الأسئلة إلى نماذج مثل ChatGPT للإجابة عنها.
هذا الأمر يحمل قليلاً من السخرية السوداء...
مصير MTurk هو في الواقع انعكاس لـ 20 عامًا من تطور الذكاء الاصطناعي.
في البداية، كان البشر يختبئون خلف الآلات، ويُحدّقون في صورة تلو الأخرى، وجمعوا بجهد كبير ImageNet، مما فتح باب عصر التعلم العميق.
لاحقًا، نمت الذكاء الاصطناعي على طول هذه البيانات حتى تعلمت النظر إلى الصور واستقبال الأصوات وكتابة النصوص بنفسها.
بعد 21 عامًا، انسحب من كانوا يُظهرون الذكاء للذكاء الاصطناعي.
أيضًا، يمكن الآن إغلاق باب الخزانة الخاصة بـ "التركية الميكانيكية" التي كانت تخفي لاعب شطرنج بشريًا.
رابط المرجع:
[1]https://www.cnbc.com/2026/08/25/amazon-service-that-jeff-bezos-called-artificial-ai-is-shutting-down.html
هذا المقال من حساب WeChat "Quantum Bit"، الكاتب: مينغياو