Amazon Mechanical Turk akan ditutup pada 30 September 2026

Sebuah platform penghantaran berbasis komuniti yang setiap pesanan hanya berharga beberapa sen, tetapi pernah menjadi tulang belakang era pembelajaran mendalam.

Sekarang, ia akan tutup.

Amazon baru sahaja mengumumkan bahawa platform pengumpulan sumber terbuka miliknya, Mechanical Turk, akan berhenti sepenuhnya pada 30 September tahun ini.

Pada zaman puncaknya, lebih daripada 500,000 orang secara dalam talian di platform untuk melakukan tugas-tugas kecil, seperti melihat gambar, mengkategorikan, dan menandakan, menyelesaikan semua tugas-tugas kecil yang komputer masih belum mampu lakukan secara manual.

Kemudian, kuasa pengiraan "manusia" yang besar ini secara langsung menyokong set data ImageNet—

Tanpa MTurk, pengesahan manual untuk berjuta-juta gambar di ImageNet hampir tidak mungkin dilakukan.

Tanpa ImageNet, Li Fei-Fei mungkin tidak akan menjadi terkenal dalam semalam.

Murid dan guru Hinton tidak akan menjadi legenda dalam satu pertempuran, dan pembelajaran mendalam mungkin juga tidak akan bangkit secara tiba-tiba pada tahun 2012.

Selepas 21 tahun, AI sejati akan semakin mahir dalam menyelesaikan tugasan-tugasan ini.

Sementara itu, mereka yang dahulu memasang kecerdasan buatan untuk AI, bersama dengan platform ini, menerima Notis Penarikan.

Mechanical Turk (MTurk) dilancarkan pada tahun 2005.

Sebenarnya, pada awalnya, Amazon sama sekali tidak bercadang untuk menulis semula sejarah AI dengan perkara ini.

MTurk pada masa itu menyelesaikan masalah yang sangat praktikal dan dramatik: beberapa tugas, sangat sukar untuk komputer, tetapi sangat mudah untuk manusia...

Jadi, Amazon memilih kaedah yang sangat langsung: jika program tidak mampu menyelesaikannya, pecahkan masalah itu menjadi bahagian-bahagian kecil dan serahkan kepada manusia~

Oleh itu, tugas-tugas kecil yang dipisahkan ini dipanggil HIT, iaitu Human Intelligence Task.

Sebagai contoh, jika sebuah syarikat mempunyai 10,000 gambar untuk diklasifikasikan, cara MTurk berfungsi adalah dengan membahagikannya menjadi 10,000 tugas berasingan dan menyebar semuanya ke platform pada masa yang sama.

100 orang boleh melakukannya bersama-sama, 1000 orang juga boleh, dan jika puluhan ribu orang online bersama-sama, ia akan lebih cepat.

Dengan kata lain, MTurk bukanlah tentang membuat seseorang melakukan sesuatu lebih cepat, tetapi tentang mengubah tugas kasar yang sebelumnya hanya boleh dilakukan secara berurutan menjadi sesuatu yang boleh dilakukan secara「paralel secara global».

Roda data buatan benar-benar sudah berjalan...

Nama Mechanical Turk sendiri juga secara tepat mencerminkan "cara bermain" ini.

Pada abad ke-18, Eropah pernah memiliki seorang Turkis mekanikal yang terkenal, yang kelihatan seperti mesin yang boleh bermain catur sendiri, bahkan mampu bermain melawan Napoleon.

Kemudian semua orang baru sedar bahawa seorang pemain catur sebenar selalu bersembunyi di dalam mesin!？ (Saya terlalu percaya...)

Amazon membawa metafora ini ke internet, hampir sempurna, di mana program kelihatan seperti memproses secara automatik, tetapi sebenarnya, orang asli di sebalik skrin yang melakukan kerja itu.

Bezos pada masa itu memberinya satu penyataan yang seolah menjadi ramalan:

Artificial artificial intelligence.

Apabila idea ini berjalan, MTurk dengan cepat berkembang daripada alat milik Amazon sendiri menjadi pasaran pengumpulan awam global.

Pada tahun 2011, MTurk telah mengumpulkan lebih daripada 500,000 pekerja, meliputi 190 negara.

Semakin ramai orang, jumlah kerja yang boleh diambil juga meningkat dengan cepat—penyaringan gambar, transkripsi suara, pengelasan teks, pembersihan data, penilaian emosi, dan pengesahan kandungan.

Mana-mana tugas yang "mesin sukar lakukan, tetapi manusia boleh menilai dalam beberapa saat" boleh dimasukkan ke sini.

Lemparan ini, sudah 21 tahun.

Masa kembali ke sekitar tahun 2006.

Baru sahaja tiba di Princeton untuk mengajar, Li Fei-Fei memutuskan untuk melakukan perkara yang pada masa itu agak bertentangan dengan arus utama—

Buat ensiklopedia visual yang cukup besar untuk mesin.

Pada masa itu, set data penglihatan komputer utama biasanya hanya memiliki beberapa ribu hingga puluhan ribu gambar, data terlalu sedikit, model mudah menjadi ahli menghafal, mampu mengingat pola dalam set latihan, tetapi sukar benar-benar memahami objek-objek pelbagai di dunia nyata.

Oleh itu, pasukan Li Fei-Fei ingin melakukan perkara yang sangat gila pada masa itu: mencipta sebuah dunia visual yang "cukup besar" untuk mesin.

Dataset ImageNet, lahir daripadanya.

ImageNet menggunakan WordNet sebagai rangka, memecah dunia nyata menjadi konsep-konsep, kemudian memasukkan ratusan hingga ribuan gambar nyata di bawah setiap konsep.

Anjing, kereta, epal, kerusi, burung, ikan... benda-benda yang boleh didefinisikan, cuba masukkan semuanya.

Tetapi dengan cepat, satu masalah yang lebih realistik melanda dengan keras—

Gambar tidak sukar untuk dicari, Google, Yahoo, dan Flickr memang boleh dicari, tetapi masalah sebenarnya ialah gambar yang diperoleh tidak semestinya betul, bahkan mungkin sepenuhnya tidak berkaitan!!!

Setelah enjin carian bertanggungjawab untuk mengambil semula gambar, masih diperlukan tenaga manusia untuk langkah terakhir: mengesahkan satu persatu.

Nyatakan nombor yang berlebihan, skala gambar calon yang perlu diproses oleh ImageNet kemudian melebihi 160 juta gambar!!! Ini menjadikan masalah tenaga manusia benar-benar terperangkap...

Ketika ImageNet hampir terhenti akibat beban pengesahan gambar secara manual yang besar, pasukan Li Fei-Fei beralih perhatian kepada Amazon Mechanical Turk yang baru sahaja dilancarkan.

Pasukan ImageNet mula membahagikan kerja penyaringan gambar dalam jumlah besar menjadi tugas mikro, kemudian menghantar ke pekerja global di platform MTurk.

Infrastruktur AI yang megah telah dipecahkan menjadi berbilang kali «klik tetikus» biasa.

Kertas kerja ImageNet yang diterbitkan pada tahun 2009 menyatakan bahawa pada masa itu, set data tersebut telah mengumpulkan 5,247 konsep dan 3.2 juta gambar yang telah disusun.

Nombor yang diberikan oleh pasukan ImageNet semasa meninjau semula keseluruhan projek ialah: 49,000 pekerja MTurk, dari 167 negara.

Dengan kata lain, pasukan penanda sementara yang tersebar secara global lah yang sebenarnya menjadi tulang belakang projek penyaringan gambar ini di balik ImageNet.

Itu juga sebabnya MTurk dan ImageNet mungkin tidak dapat dihasilkan pada masa itu...

Setelah ImageNet dibuat, cerita seterusnya benar-benar bermula dengan pantas.

Pada tahun 2010, cabaran ImageNet bermula, model-model di seluruh dunia mulai dilatih menggunakan set data yang sama, kemudian bersaing di senarai yang sama.

Dua tahun kemudian, pasangan yang kemudian berulang kali dimasukkan ke dalam sejarah AI muncul—

Geoffrey Hinton dari Universiti Toronto, bersama dua pelajarnya, Alex Krizhevsky dan Ilya Sutskever.

Tiga orang membawa rangkaian saraf konvolusi mendalam untuk menyertai Pertandingan Pengenalan Visual Berskala Besar ImageNet.

Secara langsung mengurangkan kadar kesalahan Top-5 pada cabaran ImageNet 2012 kepada sekitar 15%, jauh melebihi kaedah tradisional.

Ini juga membolehkan seluruh komuniti penglihatan komputer melihat secara langsung untuk pertama kalinya bahawa gabungan data dalam jumlah besar, kuasa pengiraan GPU, dan rangka saraf dalaman boleh membawa kesan yang melonjak ke tahap yang lebih tinggi.

Dari kiri ke kanan: Ilya Sutskever, Geoffrey Hinton, dan Alex Krizhevsky

Sejak itu, nama Alex Krizhevsky melekat erat pada AlexNet.

Ilya kemudian pergi ke Google Brain, menyertai pendirian OpenAI dan berperan sebagai Chief Scientist, dan setelah meninggalkannya, dia mendirikan SSI.

Tuan Hinton kemudian memenangi Anugerah Turing dan menjadi salah seorang bapa kepada pembelajaran mendalam yang diakui.

Li Fei-Fei kembali ke Stanford untuk mengajar, memimpin bersama HAI, dan menetapkan kedudukannya dalam sejarah penglihatan komputer moden melalui ImageNet.

Selepas itu, VGG datang, GoogLeNet datang, ResNet datang.

Senarai ImageNet terus diturunkan dari tahun ke tahun, pembelajaran mendalam bergerak dari penglihatan ke suara, kemudian menyerang pemprosesan bahasa semula jadi, dan akhirnya sampai ke era model besar hari ini.

Dunia ini benar-benar ajaib—

Pasukan Li Fei-Fei menggunakan MTurk untuk menciptakan ImageNet; ImageNet membuat Li Fei-Fei menjadi terkenal; guru dan murid Hinton menjadi terkenal selepas kejayaan ImageNet; pembelajaran mendalam pula menggunakan kemenangan ini untuk bangkit semula.

Hampir 50.000 orang biasa dari 167 negara duduk di hadapan komputer, secara perlahan-lahan「klik」jutaan gambar calon untuk membentuk ImageNet.

Oleh sebab itu, penutupan Mechanical Turk hari ini terasa seperti penutupan satu era.

Pernyataan rasmi Amazon sangat berhati-hati, hanya menyatakan bahawa mereka terus menilai produk dan perkhidmatan mereka, sehingga memutuskan untuk menghentikan MTurk.

CNBC sebelum ini mengutip Krista Pawloski daripada organisasi hak pekerja data, Turkopticon, yang menyatakan bahawa MTurk telah berterusan merosot selama bertahun-tahun, dengan Amazon mengalokasikan semakin sedikit sumber, sementara platform penandaan data generasi baru terus menarik pekerja dan pelanggan.

Tetapi sebab yang lebih langsung, dengan kata lain, tugas-tugas yang dulu paling berharga kini semakin mampu dilakukan oleh AI sendiri...

Pada tahun 2005, meminta mesin untuk menentukan sama ada terdapat anjing dalam gambar merupakan masalah serius, tetapi kini ia telah menjadi tugas asas yang boleh dilakukan dengan mudah oleh model multimodal.

Sementara itu, keperluan industri AI terhadap «manusia» juga berubah.

Model terkini memerlukan profesional seperti pengatur cara, doktor, dan peguam untuk menilai kod, mengulas jawapan, menguji penalaran dan keselamatan.

Oleh itu, platform-platform baharu seperti Scale AI, Mercor, dan Prolific muncul untuk menyaring dan mengurus pakar, menyediakan data latihan dan penilaian yang lebih profesional.

Sebaliknya, model penghimpunan awam seperti MTurk, yang "sesiapa sahaja boleh terima, beberapa sen setiap pesanan", semakin tidak mampu mengikuti zaman...

Yang lebih ajaib lagi, pekerja MTurk sendiri pun mula menggunakan AI!!!

Sebuah kajian oleh ahli Switzerland pada tahun 2023 mendapati bahawa di kalangan pekerja MTurk yang disurvei, peratusan yang menggunakan model AI untuk menyelesaikan tugas teks mencapai sehingga 46%.

Pelanggan asalnya membayar untuk penilaian manusia, tetapi beberapa pekerja mungkin menerima pesanan dan kemudian menghantar soalan tersebut kepada model seperti ChatGPT untuk dijawab.

Perkara ini agak sedikit hitam dan lucu...

Nasib MTurk sebenarnya merupakan cerminan singkat AI selama 20 tahun terakhir.

Manusia awalnya bersembunyi di belakang mesin, mengklik satu gambar demi satu gambar, dengan susah payah mengumpulkan ImageNet, sekaligus membuka pintu era pembelajaran mendalam.

Kemudian, AI tumbuh mengikuti data ini sehingga akhirnya belajar untuk melihat gambar, mendengar suara, dan menulis teks sendiri.

Setelah 21 tahun, mereka yang dulu memasang kecerdasan buatan pada AI telah berhenti.

Mesin Turki Mekanikal yang menyembunyikan pemain catur sebenar akhirnya boleh ditutup pintu almari itu.

Pautan rujukan:

[1]https://www.cnbc.com/2026/08/25/amazon-service-that-jeff-bezos-called-artificial-ai-is-shutting-down.html

Artikel ini berasal daripada akaun微信公众号 "Quantum Bit", penulis: Meng Yao