Bir sipariş birkaç sentlik olmasına rağmen, derin öğrenme döneminin tamamını destekleyen bir koşu hizmeti topluluk platformu.
Şimdi kapanıyor.
Amazon, altınlık platformu Mechanical Turk'u 30 Eylül'de tamamen kapatmayı açıkladı.
Zirve döneminde, platformda 500.000'den fazla kişi çevrimiçi olarak görevler üstlendi, resimleri inceledi, sınıflandırdı ve etiketledi; bilgisayarların henüz öğrenemeyeceği küçük işleri tek tek tamamen elle tamamladı.
Daha sonra, bu büyük «insan gücü hesaplama» akımı, ImageNet veri kümesini doğrudan destekledi—
MTurk olmadan, ImageNet'deki on milyonlarca görüntü için insan tarafından etiketleme neredeyse mümkün değildir.
ImageNet olmadan, Li Feifei bir geceye meşhur olmayabilirdi.
Hinton usta ve öğrencisi, bir savaşta tanrısal bir duruma gelmeyecek; derin öğrenme 2012'de aniden canlanmayabilir.
21 yıl sonra, gerçek AI bu ödevleri giderek daha iyi yapacak.
AI'ye akıllılık kattığı iddia edilen bu grup, platformla birlikte "Hizmetten Kaldırma Bildirimi" ile karşı karşıya kaldı.
500.000 kişi çevrimiçi olarak kısmi işler yapıyor, MTurk gerçek insanlarla "yedekleme" yapıyor
Mechanical Turk (MTurk), 2005 yılında piyasaya sürüldü.
Aslında başta Amazon, bu şeyin AI tarihini değiştirmeyi düşünmüyordu.
MTurk, bilgisayarlar için çok zor ancak insanlar için son derece basit olan bazı görevleri çözmeye yöneliktir:...
Bu yüzden Amazon, programın çözememesi durumunda soruyu parçalara bölüp gerçek insanlara vermek gibi çok doğrudan bir yöntem düşündü~
Bu şekilde ayrıştırılan küçük görevlere HIT, yani İnsan Zekâ Görevi denir.
Örneğin, bir şirketin sınıflandırılması gereken 10.000 resmi varsa, MTurk'un yöntemi, bunları doğrudan 10.000 bağımsız görev haline getirip platforma aynı anda yaymaktır.
100 kişi birlikte yapabilir, 1000 kişi de yapabilir, birkaç on bin kişi birlikte girişimde bulunursa daha hızlı olur.
Yani MTurk, tek bir kişinin daha hızlı çalışmasını değil, önce sadece sırayla yapılabilecek bir emek yoğun işi «küresel paralel» hale getirir.
Gerçekten yapay veri döngüsü...
Mechanical Turk adı, aynı zamanda bu "oyun tarzı"yla tam olarak uyumludur.
18. yüzyılda Avrupa'da, dış görünüşü kendi kendine satranç oynayan bir makine olan ve hatta Napolyon ile bile oynayabilen ünlü mekanik Türk vardı.
Daha sonra herkes, makinenin içinde sürekli gerçek bir satranç oyuncusu saklandığını keşfetti!?(Ben büyük bir hata yaptım...)
Amazon, bu deyimi internete neredeyse tam olarak aktardı; program, otomatik olarak işlem yapıyor gibi görünüyordu, ancak gerçek işi ekranın arkasındaki insanlar yapıyordu.
Bezos, o zamanlar bunu bir nevi kaderi tahmin eden bir isim vermişti:
Yapay yapay zeka.
Bu fikir bir kez işe yaradığında, MTurk çok kısa bir sürede Amazon'un kendi aracından küresel bir crowdsourcing pazarına dönüştü.
2011 yılına kadar MTurk'ta 190 ülkeden 500.000'den fazla Worker birikti.
İnsan sayısı arttıkça, alınabilecek işler de hızla çoğalıyor: resim seçimi, ses transkripsiyonu, metin sınıflandırma, veri temizleme, duygusal analiz, içerik denetimi.
Makinelerin zorlandığı, insanın ise saniyeler içinde karar verebildiği her görevi buraya atabilirsiniz.
Bu atış, 21 yıl oldu.
MTurk olmadan, günümüzdeki ImageNet ve derin öğrenme devrimi olmazdı.
Zaman 2006 civarına döndü.
Princeton'de yeni başladığı öğretim görevini sürdürüyor olan Li Fei-Fei, o dönemde biraz da olsa akıma ters düşen bir şey yapmaya karar verdi—
Bir makine için yeterince büyük bir görsel ansiklopedi oluşturun.
O dönemde, ana akım bilgisayar görüsü veri kümeleri genellikle binlerce ila on binlerce resimden oluşuyordu; veri çok azdı ve modeller, eğitim setindeki kalıpları hatırlamayı öğrenip gerçek dünyadaki çeşitli nesneleri anlamakta zorlanıyordu.
O zamanlar çok çılgın bir şey yapmak istediler: makinelere «yeterince büyük» bir görsel dünya oluşturmak.
ImageNet veri kümesi, buradan doğdu.
ImageNet, WordNet'e dayanarak gerçek dünyayı birbirinden ayrı kavramlara ayırır ve her kavramın altına yüzlerce gerçek fotoğraf ekler.
Köpek, araba, elma, sandalye, kuş, balık... tanımlanabilen her şeyi içine koyun.
Ancak çok kısa bir süre sonra, daha gerçekçi bir sorun karşılarına çıktı—
Resimleri bulmak zor değil, Google, Yahoo, Flickr ile de gerçekten arama yapılabilir, ancak sorun, dönen resimlerin tamamen yanlış veya ilgisiz olmasındadır!!!
Arama motoru resimleri geri getirdikten sonra, son adım için bir kişinin her birini manuel olarak onaylaması gerekir.
Aşırı bir sayı söylemek gerekirse, ImageNet'in daha sonra işlenmesi gereken aday resim sayısı 160 milyondan fazla!!! Bu, insan gücü sorununu tamamen çözümsüz hale getirdi...
ImageNet, devasa miktarda insan tarafından görüntülerin filtrelenmesiyle yavaşlamaya başladığında, Li Feifei ekibi yeni açılan Amazon Mechanical Turk'a yöneldi.
ImageNet ekibi, büyük miktarda resmi filtreleme işini küçük görevlere bölüp MTurk platformundaki küresel Çalışanlara dağıtmaya başladı.
Büyük bir AI altyapısı, sadece en sıradan «fare tıklamalarına» bölündü.
2009 yılında yayınlanan ImageNet makalesinde, veri setinin o zamanlar 5.247 kavramı ve 3,2 milyon düzenlenmiş fotoğrafı içerdiği belirtilmiştir.
ImageNet ekibi, projenin tamamını gözden geçirdiğinde şu verileri verdi: 49.000 MTurk işçisi, 167 ülkeden.
Yani, ImageNet'in arkasında bu resim filtreleme projesini gerçekleştiren, küresel çapta geçici bir etiketleme ekibiydi.
Bu yüzden MTurk olmadan ImageNet gerçekten oluşturulamazdı...
ImageNet oluşturulduktan sonra, hikâye gerçekten hız kazandı.
2010 yılında ImageNet yarışması başladı ve dünya çapındaki modeller aynı veri setiyle eğitilmeye başlandı, ardından aynı sıralamada yarıştı.
İki yıl sonra, daha sonra yapay zeka tarihine tekrar tekrar yazılacak olan grup ortaya çıktı—
Toronto Üniversitesi'nden Geoffrey Hinton ve iki öğrencisi Alex Krizhevsky, Ilya Sutskever.
Üç kişi, ImageNet Büyük Ölçekli Görsel Tanıma Yarışması'na bir derin convolutional sinir ağı ile katıldı.
2012 ImageNet yarışmasında Top-5 hata oranını doğrudan yaklaşık %15'e düşürerek geleneksel yöntemleri büyük bir farkla geride bıraktı.
Bu, bilgisayar görüşü alanındaki herkesin ilk kez büyük veri, GPU hesaplama gücü ve derin sinir ağlarının bir araya gelmesinin etkisinin doğrudan bir seviye atlamaya neden olabileceğini doğrudan görebilmesini sağladı.
Soldan sağa: Ilya Sutskever, Geoffrey Hinton ve Alex Krizhevsky
Bu günden itibaren Alex Krizhevsky'in adı AlexNet'e kaynaklanmıştır.
Ilya daha sonra Google Brain'e gitti, OpenAI'yi kurmaya katıldı ve baş bilim insanı oldu, ayrıldıktan sonra SSI'yi kurdu.
Hinton, daha sonra Turing Ödülü'nü kazandı ve kabul görmüş derin öğrenme babalarından biri oldu.
Li Feifei, Stanford'a dönerek HAI'yi ortak olarak yönetti ve ImageNet ile modern bilgisayarlı görme tarihine yer kazandı.
Daha sonra VGG geldi, GoogLeNet geldi, ResNet geldi.
ImageNet listesi her yıl aşağı doğru yeniden düzenlenir, derin öğrenme görselden seslere doğru ilerler, doğal dil işleme içine girer ve sonunda bugünün büyük modeller çağına ulaşır.
Dünya gerçekten harika—
Li Feifei ekibi, MTurk'u kullanarak ImageNet'i oluşturdu; ImageNet, Li Feifei'yi ünlenmeye uğrattı; Hinton ve öğrencisi, ImageNet ile birlikte ün kazandı; derin öğrenme, bu zaferle yeniden canlanmaya başladı.
167 ülkeden yaklaşık 50 bin sıradan kişi, bilgisayarlarının önünde milyonlarca aday fotoğrafı tek tek “tıklayarak” ImageNet’i oluşturdu.
AI nihayet iş yapmayı öğrendi, ancak MTurk öncelikle kapanıyor
Bu nedenle, Mechanical Turk'un bugün kapanışı, bir çağın kapanışını özellikle simgeliyor.
Amazon, ürünlerini ve hizmetlerini sürekli olarak değerlendiriyor ve bu nedenle MTurk'u durdurma kararı aldı.
CNBC, daha önce Turkopticon veri işçisi hakları örgütünden Krista Pawloski'yi alıntılayarak, MTurk'un yıllardır gerilemekte olduğunu, Amazon'un gittikçe daha az yatırım yaptığını ve yeni nesil veri etiketleme platformlarının işçileri ve müşterileri sürekli olarak çektiğini belirtti.
Ancak daha doğrusu, eski zamanlarda en değerli olan işlerin çoğu artık AI tarafından daha iyi yapılıyor...
2005 yılında makineye bir resimde köpek olup olmadığını belirlemek hâlâ ciddi bir zorluktu, ancak şimdi bu görev aslında çoklu modelli modeller için kolayca gerçekleştirilebilen temel bir görev haline geldi.
Aynı zamanda, AI endüstrisinin «insan» ihtiyacı da değişti.
Ön uç modeller, kodları değerlendirme, cevapları inceleme, muhakeme ve güvenlik testi yapmak için programcılar, doktorlar, avukatlar gibi profesyonellere daha çok ihtiyaç duyar.
Bu nedenle Scale AI, Mercor, Prolific gibi yeni platformlar ortaya çıkarak uzmanları seçmeye ve yönetmeye başlamış, daha profesyonel eğitim ve değerlendirme verileri sağlamıştır.
Karşılaştırıldığında, MTurk gibi "herkes kabul edebilir, her sipariş birkaç cent" modeli de giderek çağın gereksinimlerini karşılamıyor...
Daha büyüleyici olanı, MTurk işçilerinin kendilerinin bile AI kullanmaya başlaması!!!
2023 yılında İsviçreli araştırmacılar tarafından yapılan bir çalışmada, katılan MTurk işçilerin en fazla %46'sının metin görevlerini AI modelleri kullanarak tamamladığı ortaya çıkmıştır.
Müşteriler aslında gerçek insanların yargılarını satın alıyorlardı, ancak bazı işçiler siparişi aldıktan sonra soruları ChatGPT gibi modellere iletmiş olabilir.
Bu olay biraz kara mizah içeriyor...
MTurk'in kaderi, aslında son 20 yılın AI'sının bir yansımasıdır.
İnsanlık, makinelerin arkasına saklanarak bir bir resim tıklayarak ImageNet’i oluşturdu ve derin öğrenme çağının kapısını araladı.
Daha sonra, AI bu verileri takip ederek büyüdü ve nihayet kendiliğinden resimleri görmeyi, sesleri duymayı ve metin yazmayı öğrendi.
21 yıl sonra, AI'ya akıl verenler çekildi.
Gerçek bir satranç ustasını saklayan "Mekanik Türk", nihayet dolap kapısını kapatmaya hazırdır.
Referans bağlantısı:
[1]https://www.cnbc.com/2026/08/25/amazon-service-that-jeff-bezos-called-artificial-ai-is-shutting-down.html
Bu yazı, WeChat hesabından "Quantum Bit" tarafından yazılmıştır, yazar: Meng Yao