एक एआई रोबोटिक्स स्टार्टअप कृत्रिम बुद्धिमत्ता की सबसे कठिन समस्याओं में से एक को हल करने के लिए एक अपरंपरागत दृष्टिकोण अपना रहा है: गंदे, अप्रत्याशित घरों में रोबोट को विश्वसनीय रूप से काम करना। कंपनी न्यूयॉर्क शहर के अपार्टमेंटों में मुफ्त सफाई दल भेज रही है, लेकिन इसमें एक दिक्कत है – रोबोटों को प्रशिक्षित करने के लिए हर स्क्रब, वाइप और वैक्यूम को रिकॉर्ड किया जा रहा है जो अंततः उन्हीं मानव श्रमिकों की जगह ले लेगा। यह इस बात का स्पष्ट उदाहरण है कि कैसे एआई कंपनियां अपने स्वचालन सपनों को शक्ति देने वाले डेटासेट बनाने के लिए मुफ्त सेवाओं को हथियार बना रही हैं।
दरवाज़े पर दस्तक एक असामान्य आवाज़ के साथ हुई: पेशेवर सफ़ाई, पूरी तरह मुफ़्त, कोई बंधन नहीं। लेकिन न्यूयॉर्क शहर के एक निवासी के लिए, प्रस्ताव स्वीकार करने का मतलब एआई हथियारों की दौड़ के नवीनतम मोर्चे में एक अनजाने भागीदार बनना था – रोबोटों को वास्तविक घरों की अराजकता से कैसे निपटना है यह सिखाना।
एक एआई कंपनी, जिसकी पहचान शुरुआती रिपोर्टों में अज्ञात है, ने एक अनोखे मिशन के साथ NYC अपार्टमेंट्स में मानव सफाई टीमों को तैनात करना शुरू कर दिया है, जिसका ग्राहकों की संतुष्टि से कोई लेना-देना नहीं है। ये सफ़ाईकर्मी जो भी गतिविधि करते हैं – वे फर्नीचर के चारों ओर कैसे घूमते हैं, जिद्दी दागों से कैसे निपटते हैं, या किस कमरे को प्राथमिकता देना है यह तय करते हैं – को सावधानीपूर्वक रिकॉर्ड किया जा रहा है और उनकी विशेषज्ञता को दोहराने के लिए डिज़ाइन किए गए मशीन लर्निंग मॉडल में डाला जा रहा है।
रणनीति एक मूलभूत चुनौती का खुलासा करती है जो भौतिक एआई को उसके डिजिटल समकक्षों से अलग करती है। जबकि कंपनियां पसंद करती हैं ओपनएआई इंटरनेट से निकाले गए पाठ के विशाल महासागरों पर भाषा मॉडल को प्रशिक्षित कर सकते हैं, जिन रोबोटों को त्रि-आयामी स्थानों में काम करने की आवश्यकता होती है, वे एक क्रूर डेटा कमी की समस्या का सामना करते हैं। आप बाथरूम को साफ करने या फिटेड शीट को मोड़ने के लाखों उदाहरण डाउनलोड नहीं कर सकते – यह ज्ञान केवल मानव श्रमिकों के सन्निहित कार्यों में मौजूद है।
यह पहली बार नहीं है कि एआई कंपनियों ने रचनात्मक डेटा संग्रह विधियों की ओर रुख किया है। स्वायत्त वाहन डेवलपर्स ने अरबों मील सड़क डेटा जमा करने के लिए सुरक्षा ड्राइवरों को तैनात करने में वर्षों बिताए। लेकिन उन्हीं सेवा नौकरियों को खत्म करने के लिए स्पष्ट रूप से डिज़ाइन किए गए सिस्टम के लिए प्रशिक्षण डेटा कैप्चर करने के लिए मुफ्त उपभोक्ता सेवाओं की पेशकश एआई विकास की नैतिकता में एक उत्तेजक शिकन जोड़ती है।
घरेलू रोबोटिक्स बाजार को लंबे समय से एआई परिनियोजन के लिए अगली सीमा के रूप में देखा गया है, विश्लेषकों का अनुमान है कि यह क्षेत्र 2028 तक 15 बिलियन डॉलर तक पहुंच सकता है। फिर भी प्रगति निराशाजनक रूप से धीमी रही है। iRobot जैसी कंपनियों का अधिग्रहण किया गया वीरांगना नियामक जांच का सामना करने वाले एक सौदे में, वैक्यूमिंग जैसे संकीर्ण कार्यों में सफलता मिली है, लेकिन व्यापक घर की सफाई के लिए आवश्यक निपुणता और निर्णय लेने के साथ संघर्ष करना पड़ता है।
मानव सफाई को स्वचालित करना इतना कठिन बना देता है वह शारीरिक श्रम नहीं है – यह निरंतर समस्या-समाधान है। एक अपरिचित अपार्टमेंट में प्रवेश करने वाले एक सफाईकर्मी को तुरंत लेआउट का आकलन करना चाहिए, प्राथमिकताओं की पहचान करनी चाहिए, सोते हुए पालतू जानवर या बाढ़ वाले बाथरूम जैसी अप्रत्याशित बाधाओं को स्वीकार करना चाहिए, और तकनीक और समय के बारे में सैकड़ों सूक्ष्म निर्णय लेने चाहिए। उस प्रकार की अनुकूली बुद्धिमत्ता को एल्गोरिदम में एन्कोड करना बेहद कठिन है।
मुफ़्त सेवाएँ प्रदान करके, यह अनाम एआई कंपनी अनिवार्य रूप से रोबोटिक्स विकास में सबसे मूल्यवान वस्तु प्राप्त करने के लिए नकद के बजाय श्रम में भुगतान कर रही है: अनियंत्रित वातावरण में काम करने वाले कुशल मनुष्यों से विविध, वास्तविक दुनिया व्यवहार संबंधी डेटा। प्रत्येक अपार्टमेंट अद्वितीय चुनौतियाँ प्रस्तुत करता है – अलग-अलग लेआउट, गंदगी के विभिन्न स्तर, अलग-अलग सफाई प्राथमिकताएँ – विभिन्न डेटासेट का निर्माण करना जिन्हें आधुनिक मशीन लर्निंग सिस्टम को प्रभावी ढंग से सामान्यीकृत करने की आवश्यकता होती है।
यह दृष्टिकोण डेटा संग्रह में एक बड़ी बाधा को भी दूर करता है: पहुंच। अनुसंधान उद्देश्यों के लिए लोगों को अपने घरों में कैमरे और सेंसर लगाने की अनुमति देना बेहद कठिन है। लेकिन उन घरों को मुफ़्त में साफ़ करने की पेशकश करें, और अचानक आपको इच्छुक प्रतिभागी मिल जाएंगे जो प्रशिक्षण के मैदान के रूप में अपने सबसे अंतरंग स्थान प्रदान कर रहे हैं।
यह स्पष्ट नहीं है कि क्या प्रतिभागियों को इस बारे में पूरी जानकारी दी जा रही है कि उनके डेटा का उपयोग कैसे किया जाएगा, परिणामी मॉडल का मालिक कौन होगा, या रिकॉर्ड किए गए फुटेज का क्या होगा। वास्तविक सफ़ाई करने वाले कर्मचारियों को अपनी असुविधाजनक वास्तविकता का सामना करना पड़ता है – वे वस्तुतः अपने स्वयं के प्रतिस्थापन को प्रशिक्षित कर रहे हैं, भले ही वेतन आज ही साफ़ हो जाए।
यह डेटा-फॉर-सर्विसेज मॉडल प्रशिक्षण डेटा समस्या से जूझ रही अन्य भौतिक एआई कंपनियों के लिए एक खाका प्रस्तुत कर सकता है। खाना पकाने वाले रोबोट, लॉन्ड्री फ़ोल्डर, या बुजुर्ग देखभाल सहायकों पर काम करने वाले स्टार्टअप को समान चुनौतियों का सामना करना पड़ता है: आप मशीनों को इसे दोहराने के लिए सिखाने के लिए पर्याप्त विविध, वास्तविक दुनिया के मानव व्यवहार को कैसे पकड़ते हैं? उत्तर तेजी से यह प्रतीत होता है: कुछ इतना मूल्यवान पेश करें कि लोग आपको देखने और रिकॉर्ड करने दें।
सफाई पहल पारदर्शिता और प्रतिस्पर्धी लाभ के बीच एआई विकास में व्यापक तनाव को भी उजागर करती है। प्रशिक्षण डेटासेट बारीकी से संरक्षित रहस्य बन गए हैं, कंपनियां डेटा स्रोतों या संग्रह विधियों का खुलासा करने में अनिच्छुक हैं जो रणनीतिक दृष्टिकोण प्रकट कर सकते हैं या नियामक जांच को आमंत्रित कर सकते हैं। जैसे-जैसे एआई सिस्टम मानव श्रम की जगह लेने में अधिक सक्षम होते जा रहे हैं, यह क्षमता कैसे हासिल की गई – और किसके खर्च पर – इस सवाल से बचना कठिन होता जा रहा है।
न्यूयॉर्क शहर के अपार्टमेंट में मुफ्त सफाई प्रयोग से एआई डेटा गोल्ड रश की सरलता और नैतिक जटिलताओं दोनों का पता चलता है। जैसे-जैसे कंपनियां शारीरिक श्रम को स्वचालित करने की होड़ में हैं, उन्हें पता चल रहा है कि सबसे बड़ी बाधा कम्प्यूटेशनल शक्ति या एल्गोरिथम परिष्कार नहीं है – यह वास्तव में मनुष्य कैसे काम करते हैं इसकी गन्दी, असंरचित वास्तविकता तक पहुंच है। क्या उस वास्तविकता को पकड़ने के लिए मुफ्त सेवाएं प्रदान करना निष्पक्ष आदान-प्रदान या शोषण का प्रतिनिधित्व करता है, यह इस बात पर निर्भर करता है कि कंपनियां कितनी पारदर्शिता से काम करती हैं और क्या उस डेटा को उत्पन्न करने वाले कर्मचारी उस मूल्य में हिस्सेदारी करते हैं जो वह बनाता है। अभी, रोबोट सीख रहे हैं, अपार्टमेंट साफ़ किए जा रहे हैं, और किसे लाभ होगा इसके बारे में असुविधाजनक प्रश्न अभी शुरू हो रहे हैं।
