Amazon Mechanical Turk припинить роботу 30 вересня 2026 року

Платформа відправлень з замовленнями по кілька центів, яка колись підтримувала весь епоху глибокого навчання.

Зараз воно закривається.

Amazon недавно оголосив, що його платформа crowd-sourcing Mechanical Turk повністю припинить роботу 30 вересня цього року.

У розквіт своєї діяльності на платформі одночасно працювало понад 500 тисяч людей, які виконували різноманітні завдання: переглядали зображення, класифікували та позначали їх — все це робилося вручну, оскільки комп’ютери ще не вміли цього.

Пізніше ця величезна «людська обчислювальна потужність» безпосередньо допомогла підтримати набір даних ImageNet—

Без MTurk неможливо було б вручну анотувати десятки мільйонів зображень на ImageNet.

Без ImageNet Лі Фейфей, можливо, не стала б знаменитою за одну ніч.

Хінтон і його учні не стали божествами в одній битві, і глибоке навчання, можливо, не відновилося б раптово у 2012 році.

Через 21 рік справжній ШІ все краще виконуватиме ці завдання.

Тодішні люди, які намагалися зробити ШІ розумнішим, разом із цією платформою отримали повідомлення про виведення з експлуатації.

Mechanical Turk (MTurk) був запущений у 2005 році.

Спочатку Amazon зовсім не планував змінити історію ШІ за допомогою цього.

MTurk тоді вирішував дуже практичну та дивну проблему: деякі завдання, які для комп’ютера надзвичайно складні, для людини прості до безглуздя...

Тоже Amazon придумав дуже простий спосіб: якщо програма не справляється, розріжте проблему на частини і передайте її людям~

Отже, ці виділені малі завдання називаються HIT, тобто Human Intelligence Task.

Наприклад, якщо компанія має 10 000 зображень, які потрібно класифікувати, схема MTurk полягає в тому, щоб розділити їх на 10 000 окремих завдань і одночасно опублікувати їх на платформі.

З цим можуть працювати 100 людей, можуть працювати 1000, а якщо онлайн будуть десятки тисяч — ще швидше.

Іншими словами, MTurk не робить окрему людину швидшою, а перетворює роботу, яку раніше можна було виконувати лише по черзі, на «глобально паралельну».

Справжній людський цикл даних...

А назва Mechanical Turk сама по собі точно відповідає цій «гравальній схемі».

У XVIII столітті в Європі існував знаменитий механічний турок — пристрій, який зовні нагадував машину, що сама грає в шахи, і навіть мала змогу грати з Наполеоном.

Пізніше всі зрозуміли, що всередині машини завжди ховався справжній гравець!？ (Я величезно помилився...)

Амазон перенесла цю історію в інтернет, майже ідеально — програма на поверхні виглядає так, наче працює автоматично, але справжню роботу виконують люди за екраном.

Безос колись дав йому назву, яка виявилася пророцькою:

Штучний штучний інтелект (artificial artificial intelligence).

Ця ідея, коли її було реалізовано, швидко перетворила MTurk з інструменту Amazon на глобальний платформу кrowdсорсингу.

До 2011 року на MTurk зібралося понад 500 000 працівників з 190 країн.

Зі збільшенням кількості людей кількість доступних завдань швидко зросла: відбір зображень, транскрипція аудіо, класифікація текстів, очищення даних, визначення емоцій, модерація контенту.

Усі завдання, які важко виконати машині, але людина може розв’язати за кілька секунд, можна сюди відправляти.

Це кинутий 21 рік.

Час повертається до 2006 року.

Лі Фейфей, яка тільки-но прийшла працювати в Принстоні, вирішила зробити щось, що в той час було досить протилежним до тенденцій —

Створіть для машини достатньо велику візуальну енциклопедію.

Тоді основні набори даних для комп’ютерного зору містили лише тисячі або десятки тисяч зображень; даних було замало, і моделі легко «запам’ятовували» шаблони з навчального набору, але не могли справжньо розуміти різноманітні об’єкти реального світу.

Тоді команда Лі Фейфей вирішила зробити дійсно дивну річ на той час: створити для машини «достатньо великий» візуальний світ.

Набір даних ImageNet, який з’явився з цього.

ImageNet використовує WordNet як основу, розбиваючи реальний світ на окремі поняття та додаючи до кожного поняття сотні та тисячі реальних зображень.

Собаки, автомобілі, яблука, стільці, птахи, риби… усе, що можна визначити, намагайтеся туди вмістити.

Але швидко наступило більш реальне питання —

Зображення знайти не складно, Google, Yahoo, Flickr також можна шукати, але справжня проблема в тому, що знайдені зображення зовсім не обов’язково правильні, іноді зовсім не пов’язані!

Після того як пошукова система відновлює зображення, потрібно, щоб людина зробила останній крок: перевірити кожне зображення окремо.

Скажімо, що кількість зображень, які ImageNet мав обробити, перевищувала 160 мільйонів!!! Це зробило проблему з людськими ресурсами повністю нерозв’язною...

Коли ImageNet майже застряг у величезній кількості ручно відібраних зображень, команда Лі Фейфей звернула увагу на Amazon Mechanical Turk, який тільки-но запрацював.

Команда ImageNet розпочала розбиття масштабної роботи з відбору зображень на мікрозавдання та їх розподіл серед працівників на платформі MTurk.

Величезна інфраструктура ШІ була розбита на безліч найзвичайніших «кликів миші».

У статті ImageNet 2009 року зазначалося, що на той момент датасет вже містив 5247 концепцій і 3,2 мільйона відфільтрованих зображень.

Числа, надані командою ImageNet після аналізу всього проекту: 49 000 працівників MTurk з 167 країн.

Іншими словами, за цією системою відбору зображень, що стоїть за ImageNet, стоїть тимчасова армія мітків, що охоплює всю планету.

Тому-то без MTurk та ImageNet колись справді було б неможливо це зробити...

Після створення ImageNet історія справді почала прискорюватися.

У 2010 році розпочався конкурс ImageNet, і всі моделі по всьому світу почали навчатися на одних і тих самих даних, а потім змагатися на одній і тій самій таблиці.

Два роки потому з’явилися ті, хто пізніше неодноразово фіксувався в історії ШІ —

Джеффрі Хінтон з Університету Торонто та його два студенти — Алекс Крізhevський та Ілля Цутскевер.

Троє людей взяли глибоку згорткову нейронну мережу для участі у конкурсі ImageNet Large Scale Visual Recognition Challenge.

Прямо знизивши помилковість Top-5 на ImageNet Challenge 2012 року до приблизно 15%, він значно перевершив традиційні методи.

Це також вперше дозволило всьому співтовариству комп’ютерного зору безпосередньо побачити, що поєднання величезних обсягів даних, GPU-обчислювальної потужності та глибоких нейронних мереж може привести до стрибка в ефективності.

Зліва направо: Ілля Суцкевер, Джефрі Хінтон та Олександр Крізhevський

З цього моменту ім’я Алекса Крізhevського нерозривно пов’язане з AlexNet.

Пізніше Ілля пішов у Google Brain, взяв участь у заснуванні OpenAI та працював головним науковим співробітником, після виходу звідти заснував SSI.

Пізніше старший Хінтон отримав премію Тьюрінга і став визнаним одним із батьків глибокого навчання.

Лі Фейфей повернулася до Стенфорду, щоб викладати, спільно керувати HAI та закріпити своє місце в історії сучасного комп’ютерного зору завдяки ImageNet.

Потім з’явилися VGG, GoogLeNet і ResNet.

Рейтинг ImageNet щороку опускається нижче; глибоке навчання пройшло від комп’ютерного зору до голосу, потім увійшло в обробку природної мови і прийшло до сьогоднішньої ери великих моделей.

Цей світ дійсно дивовижний—

Команда Лі Фейфей використала MTurk для створення ImageNet; ImageNet зробив Лі Фейфей відомою; Хінтон і його учні здобули славу завдяки ImageNet; глибоке навчання відновило свою популярність завдяки цій перемозі.

Майже 50 000 звичайних людей з 167 країн сиділи за комп’ютерами і поступово «клікали» мільйони кандидатів на зображення, щоб створити ImageNet.

Саме тому закриття Mechanical Turk сьогодні виглядає як замкнений цикл епохи.

Офіційна позиція Amazon дуже обережна: вона лише зазначає, що компанія постійно оцінює свої продукти та послуги, тому вирішила припинити MTurk.

Раніше CNBC посилався на Крісту Пауловскі з організації за права працівників Turkopticon, яка сказала, що MTurk протягом років перебував у занепаді, Amazon інвестував все менше, а нові платформи для анотації даних постійно відтягували робітників і клієнтів.

Але більш пряма причина, чесно кажучи, полягає в тому, що саме ті завдання, які раніше були найціннішими, зараз все краще виконує ШІ...

У 2005 році завдання визначити, чи є на зображенні собака, було справжньою проблемою, але зараз це стало базовою задачею, яку багатомодальні моделі вирішують без зусиль.

Тим часом, попит у галузі ШІ на «людей» також змінився.

Передові моделі вимагають оцінки коду, перевірки відповідей, тестування міркувань і безпеки від професіоналів, таких як програмісти, лікарі, юристи тощо.

Таким чином, нові платформи, такі як Scale AI, Mercor і Prolific, почали відбирати та керувати експертами, надаючи більш професійні дані для навчання та оцінки.

Навпаки, модель відкритого замовлення, як MTurk, де «будь-хто може прийняти замовлення за кілька центів», все більше відстає від часу...

Ще дивніше те, що самі працівники MTurk почали використовувати ШІ!!!

Дослідження швейцарських вчених 2023 року виявило, що серед опитаних працівників MTurk частка тих, хто використовувала моделі ШІ для виконання текстових завдань, досягала до 46%.

Клієнти сплачували за людське судження, але деякі виконавці після отримання замовлення можуть передавати запити моделям, таким як ChatGPT.

Це трохи чорний гумор...

Доля MTurk є відображенням розвитку ШІ за останні 20 років.

Спочатку люди ховалися за машинами, клацали по зображенням по одному, щоб накопичити ImageNet і відкрити двері до ери глибокого навчання.

Пізніше ІШ розвивалася на основі цих даних і нарешті навчилася самостійно розпізнавати зображення, слухати звуки та писати тексти.

Через 21 рік ті, хто колись підмінювали AI імітацією розуму, вийшли з гри.

Той «турецький механізм», що ховав живого шахіста, також може закрити дверцята.

Посилання для довідки:

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

Цей матеріал надійшов зі сторінки WeChat «Quantum Bit», автор: Мень Яо