اگر کسب‌وکار شما برای آموزش مدل‌های هوش مصنوعی به هزاران برچسب‌زن انسانی متکی است، تا سپتامبر ۲۰۲۶ فرصت دارید جایگزینی برای زیرساخت خود پیدا کنید. آمازون رسماً اعلام کرد که بازار Mechanical Turk (MTurk) را به‌طور کامل تعطیل می‌کند. این شرکت یک اطلاعیه رسمی در سایت Mechanical Turk منتشر کرده است که تعطیلی دائمی این بازارچه را، که کسب‌وکارها را به نیروی کار انسانی توزیع‌شده متصل می‌کرد، تأیید می‌کند.
در این اطلاعیه آمده است: «ما به‌طور منظم برنامه‌ها، ابزارها و خدمات خود را ارزیابی می‌کنیم و بر اساس این ارزیابی‌ها تغییراتی ایجاد می‌کنیم. در پی یک ارزیابی، تصمیم گرفتیم Amazon Mechanical Turk را از تاریخ ۳۰ سپتامبر ۲۰۲۶ تعطیل کنیم.»
این پلتفرم سال‌هاست که مانند یک پل میان وظایف دیجیتال و قضاوت انسانی عمل می‌کند؛ مفهومی که آمازون آن را «هوش مصنوعی مصنوعی» می‌نامید. در واقع MTurk شبیه به یک بازارچه بزرگ است که در آن شرکت‌ها تکه‌های کوچک کارهای سخت را به هزاران نفر در سراسر جهان می‌سپارند تا در ازای مبلغی اندک انجام دهند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت و حریم خصوصی در داده‌های جمع‌سپاری اشاره کردیم، این مدل از مقیاس‌پذیری انسانی برای تغذیه مدل‌های ریاضی استفاده می‌کرد.
تصور کنید توسعه‌دهنده‌ای برای آموزش یک خودروی خودران به ۱۰ هزار عکس از تابلوهای «ایست» نیاز دارد. به‌جای استخدام یک تیم تمام‌وقت، او این وظایف را به‌عنوان «تکالیف هوش انسانی» (HITs) در MTurk منتشر می‌کرد و هزاران کارگر جهانی برای انجام آن‌ها رقابت می‌کردند. این مدل به شرکت‌ها اجازه می‌داد هوش انسانی را درست مثل یک رایانش ابری (Cloud Computing) — شبیه به اجاره دادن فضای یک سرور بزرگ یا یک API ابری — مقیاس کنند. در همین راستا، رویکردهای جدیدتری مانند استقرار عامل‌های هوشمند xAI روی رایانه‌های ابری نشان می‌دهد که جایگزینی نیروی کار انسانی با عامل‌های دیجیتال در زیرساخت‌های ابری در حال شتاب گرفتن است.
زمان‌بندی تعطیلی
به نقل از اطلاعیه رسمی آمازون، روند تعطیلی طبق یک برنامه زمانی دقیق پیش می‌رود تا پرداخت‌ها و استرداد وجه‌ها به‌درستی مدیریت شود:
- ۳۰ سپتامبر ۲۰۲۶: ارسال تکالیف (HITs) به‌طور دائمی متوقف می‌شود. تمام وظایف ارسال‌نشده به‌طور خودکار منقضی می‌شوند. همچنین این تاریخ نشان‌دهنده حذف نوع کارگر MTurk از سرویس‌های SageMaker Ground Truth و Amazon Augmented AI است.
- ۳۰ اکتبر ۲۰۲۶: آخرین مهلت برای درخواست‌کنندگان (Requesters) جهت تأیید یا رد کارهای تکمیل‌شده بر اساس سیاست‌های استاندارد تأیید پلتفرم است. پس از این تاریخ، هر HIT باقی‌مانده به‌طور خودکار تأیید می‌شود. همچنین پاداش‌ها (Bonuses) تنها تا پایان این بازه زمانی قابل پرداخت هستند.
- ۲۸ ژانویه ۲۰۲۷: آخرین تاریخی است که تاریخچه تراکنش‌ها برای کاربران در دسترس خواهد بود و پس از آن دسترسی به این سوابق قطع می‌شود.
اثر بر اکوسیستم AWS
این تعطیلی فراتر از یک بازارچه ساده است. طبق مستندات آمازون، حذف کارگران MTurk از SageMaker Ground Truth و Amazon Augmented AI در تاریخ ۳۰ سپتامبر ۲۰۲۶ اتفاق می‌افتد.
تیم‌هایی که خط لوله‌های داده‌ی یادگیری ماشین خود را بر پایه نیروی کار جمع‌سپاری آمازون ساخته‌اند، دیگر نخواهند توانست هنگام ایجاد کارهای برچسب‌گذاری یا جریان‌های کاری بازبینی انسانی، کارگران MTurk را انتخاب کنند. این تیم‌ها باید پیش از ضرب‌الاجل مذکور، منبع جدیدی برای تأمین نیروی انسانی برای این ابزارها بیابند.
مکانیسم‌های مالی
کارگران به آن‌ها دستور داده شده است که ترجیحات پرداخت خود را در پورتال کارگر (Worker Portal) بررسی کنند؛ این موارد شامل روش پرداخت، دفعات پرداخت و برنامه انتقال وجه است. تمام تکالیف تأییدشده در چرخه‌های عادی پرداخت می‌شوند و پرداخت‌های پس از تعطیلی بر اساس برنامه موجود هر کارگر توزیع خواهد شد. همچنین MTurk توزیع مستندات مربوط به مالیات را از طریق فرآیندها و ضرب‌الاجل‌های تثبیت‌شده خود ادامه می‌دهد.
از سوی دیگر، درخواست‌کنندگان (Requesters) باید اطلاعات پرداخت خود را در پورتال درخواست‌کننده بررسی کنند تا استرداد وجه به‌موقع انجام شود. موجودی‌های پیش‌پرداخت ظرف ۳۰ روز به‌طور کامل بازگردانده می‌شوند و صورت‌حساب‌های نهایی در چرخه‌های پرداخت آتی AWS ظاهر خواهند شد.
میراث «هوش مصنوعی مصنوعی»
نام این پلتفرم از یک اتوماتون شطرنج قرن ۱۸ گرفته شده است. در سال ۱۷۶۹، ولِفگانگ فون کمپلن، نجیب‌زاده مجارستانی، ماشینی ساخت که تقریباً هر حریفی، از جمله ناپلئون بناپارت و بنجامین فرانکلین را شکست داد. در حالی که کمپلن چرخ‌دنده‌ها و قطعات کابینت را به تماشا می‌گذاشت تا مخاطبان را متقاعد کند که با یک هوش مصنوعی طرف هستند، راز واقعی این بود که یک استاد شطرنج در داخل کابینت پنهان شده بود.
آمازون همین منطق را در نرم‌افزار پیاده کرد. شرکت اشاره کرد که انسان‌ها هنوز در کارهای ساده، مثل تشخیص اشیا در عکس — کاری که کودکان پیش از یادگیری تکلم انجام می‌دهند — به‌طور قابل‌توجهی بهتر از کامپیوترها عمل می‌کنند. MTurk اجازه می‌داد این «هوش مصنوعی مصنوعی» از طریق یک رابط وب یا API خدمات وب ادغام شود. وقتی از API استفاده می‌شد، تراکنش شبیه به یک فراخوانی رویه از راه دور (Remote Procedure Call) به نظر می‌رسید، اما در واقع توسط شبکه‌ای از کارگران انسانی تغذیه می‌شد.
کاربردهای پلتفرم و جزئیات عملیاتی
آمازون ابتدا این سیستم را برای حل مشکلات داخلی پردازش داده که نیاز به قضاوت انسانی داشت ساخت و سپس آن را به عنوان یک سرویس خارجی عرضه کرد. این بازارچه یک نیروی کار جهانی، در دسترس و ۲۴ ساعته را برای چندین حوزه کلیدی فراهم می‌کرد:
- یادگیری ماشین: جمع‌آوری و برچسب‌گذاری مجموعه‌داده‌های عظیم، مانند رسم کادرهای محیطی (Bounding Boxes) برای مدل‌های بینایی ماشین؛ کارهایی که برای متخصصان بیش از حد گسترده و برای ماشین‌ها بیش از حد مبهم بودند.
- عملیات تجاری: برون‌سپاری فرآیندهای تجاری (BPO)، اعتبارسنجی داده‌ها و جمع‌آوری داده‌ها از وب‌سایت‌های مختلف.
- مدیریت محتوا: نظارت (Moderation) بر محتوای وب و رسانه‌های اجتماعی و دسته‌بندی محصولات یا تصاویر.
- پژوهش: شرکت در نظرسنجی‌ها و بازخوردهای «انسان در حلقه» (Human-in-the-loop) برای اعتبارسنجی و بازآموزی مدل‌ها.
مدل قیمت‌گذاری و ساختار پلتفرم
مدل قیمت‌گذاری MTurk بازتاب‌دهنده این رویکرد انسان‌محور بود. هزینه یک HIT شامل پاداشی بود که توسط درخواست‌کننده تعیین می‌شد، به‌علاوه کارمزدی که به MTurk پرداخت می‌شد. کارمزد استاندارد ۲۰٪ از مبلغ پاداش و بونوس بود. برای تکالیفی که ۱۰ تخصیص یا بیشتر داشتند، ۲۰٪ کارمزد اضافی اعمال می‌شد، با حداقل کارمزد ۰.۰۱ دلار به‌ازای هر تخصیص.
صلاحیت‌های تخصصی هزینه‌های بیشتری را اضافه می‌کرد:
- صلاحیت استاد (Masters Qualification): این عنوان به کارگرانی اعطا می‌شد که از طریق نظارت آماری برتری خود را نشان داده بودند؛ این مورد ۵٪ هزینه اضافی به پاداش می‌افزود.
- صلاحیت‌های ممتاز (Premium Qualifications): این موارد دارای هزینه اضافی به‌ازای هر تخصیص بودند که از ۰.۰۵ دلار شروع می‌شد.
درخواست‌کنندگان از لیستی از کشورهای مختلف در اروپا، آسیا، اقیانوسیه، آفریقا و آمریکا پذیرفته می‌شدند. کارگران باید حداقل ۱۸ سال سن داشتند و می‌توانستند طبق برنامه زمانی خود و با هر دستگاه متصل به اینترنت کار کنند.
تحلیل: چرخش به سمت داده‌های سنتتیک
تعطیلی MTurk نشان‌دهنده تغییری بنیادین در نحوه مدیریت داده‌ها توسط شرکت‌های AI است. برای یک دهه، مدل «انسان در حلقه» (Human-in-the-loop) — یعنی حضور انسان برای اصلاح خطاهای مدل و ایجاد داده‌های Ground-truth — استاندارد طلایی بود. اما ظهور داده‌های سنتتیک (Synthetic Data) — داده‌هایی که توسط مدل‌های دیگر تولید می‌شوند و شبیه داده‌های واقعی هستند — و مدل‌های زبانی بزرگ (LLM) که می‌توانند خودشان داده‌ها را با دقت بالا برچسب‌زنند یا اصلاح کنند، نیاز به جمعیت‌های عظیم و ارزان انسانی را کاهش داده است. این روند با رواج مدل‌های زبانی کوچک که بر بهینه‌سازی هزینه‌ها و استنتاج متمرکز هستند، هم‌سو است و نشان می‌دهد صنعت به سمت بهره‌وری سیستمی به‌جای اتکای به نیروی کار انبوه حرکت می‌کند.
برای کاربران تجاری، این یعنی API «نیروی انسانی ارزان» در حال ناپدید شدن است. شرکت‌ها احتمالاً به سمت شرکت‌های تخصصی برچسب‌گذاری داده یا تیم‌های داخلی RLHF (یادگیری تقویتی با بازخورد انسانی) حرکت می‌کنند که کیفیت و امنیت بالاتری نسبت به یک بازارچه عمومی فراهم می‌کنند.
برای کارگران، این اتفاق به معنای از دست دادن یک منبع درآمد منعطف، هرچند کم‌درآمد، در سطح جهانی است. این موضوع ماهیت متزلزل «اقتصاد گیگی» (Gig Economy) را برجسته می‌کند؛ جایی که وظایفی که افراد انجام می‌دهند، در نهایت توسط همان هوش مصنوعی‌ای خودکار می‌شود که خودِ این کارگران به آموزش آن کمک کرده بودند.
توسعه‌دهندگان باید فوراً خط لوله‌های SageMaker خود را بازبینی کنند تا هرگونه وابستگی به کارگران MTurk شناسایی شود. انتقال به یک ارائه‌دهنده جدید برچسب‌گذاری در همین حالا، از شکست کامل خط لوله داده‌ها در سال ۲۰۲۶ جلوگیری می‌کند.
گام بعدی شما
- اگر از SageMaker استفاده می‌کنید، فوراً خط لوله‌های داده خود را بررسی کنید تا وابستگی به کارگران MTurk شناسایی شود.
- برای جایگزینی، شرکت‌های تخصصی برچسب‌گذاری داده یا ابزارهای تولید داده سنتتیک را ارزیابی کنید.
- اگر توسعه‌دهنده هستید، استراتژی‌های RLHF داخلی را برای کنترل کیفیت داده‌ها جایگزین crowdsourcing کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو