Travailleurs de l'étiquetage des données : former l'IA, remplacée par l'IA

La croissance et l'élimination se produisent simultanément.

Auteur｜Ma Hui

Modifier｜Châtaignes

Source de l'image : générée par l'outil d'IA illimitée

** Perspectives et destruction existent en même temps, et les praticiens de la labellisation des données n'ont jamais été aussi contradictoires. **

Dai Yan, un Mongol intérieur de 30 ans, a lancé son entreprise plus tôt cette année et a formé une équipe d'étiquetage en ligne de près de 30 personnes. Auparavant, Daiyan a travaillé sur une plateforme de crowdsourcing pour l'annotation de données pendant deux ans. Lui, que l'on peut qualifier de "travailleur qualifié", est à la fois impatient et nerveux face à la situation actuelle.

Il prête attention à ChatGPT depuis le début de l'année. De la croissance rapide du nombre d'enregistrements d'entreprises d'IA, Dai Yan a vu l'explosion de l'industrie de l'IA et les opportunités entrepreneuriales de l'étiquetage des données. ** Les données de Tianyancha montrent qu'au premier trimestre de cette année seulement, 170 000 entreprises liées à l'intelligence artificielle ont été nouvellement enregistrées, et le nombre total est maintenant de 2,67 millions. **

Il imagine qu'il peut suivre l'industrie et que l'entreprise passera à une échelle de 100 personnes à l'avenir. **Mais le statu quo actuel a du mal à soutenir ses attentes : le cercle de l'étiquetage des données sera bientôt rompu - un grand nombre de besoins d'étiquetage, d'ouvriers et d'intermédiaires d'étiquetage afflueront ensemble, et le prix unitaire sera plus bas. **

Tout comme l'équipe d'ingénierie ne peut pas entrer en contact avec la partie A qui a des besoins de construction et ne peut reprendre le projet qu'à l'entrepreneur, les salaires contactés par **Daiyan sont de plus en plus bas à mesure que le projet change de mains. ** Il a refusé de faire le projet d'étiquetage où il ne pouvait obtenir que 30 yuans par jour.

Dans le même temps, ** Daiyan est également confronté à l'embarras de l'absence de promotion de carrière dans l'industrie de l'étiquetage, de l'absence de garantie de contrat et de l'impossibilité de se plaindre d'avoir été retardé. **Il s'est moqué de lui-même : "Nous sommes les travailleurs migrants des données de la nouvelle ère."

Mais ce n'est pas toute l'histoire. ** Le plus gros problème est que l'étiquetage automatisé ronge également les seuls projets qu'ils ont. ** L'IA formée par des étiqueteurs de données comme Dai Yan apprend et s'étiquete sous la supervision humaine.

L'étiquetage automatisé réduira considérablement les coûts des entreprises et est devenu la direction la plus prometteuse sur le marché de l'étiquetage des données.

Daiyan a dû se préparer à "l'IA peut complètement remplacer les gens". Il a dirigé l'équipe pour réaliser simultanément des projets d'annotation d'aides pédagogiques et d'annotation de nuages de points 3D dans la catégorie d'annotation de texte. L'un est du texte et l'autre est une image vidéo. Dai Yan a prévu que si un projet est annulé par l'IA, il dirigera immédiatement l'équipe pour se transformer dans un autre domaine.

De plus, la taille de l'équipe devrait être réduite. Dai Yan a barré l'échelle de l'entreprise de 100 personnes imaginée dans son esprit. Il estime qu'au final, seule l'équipe expérimentée de 20 personnes pourra être retenue.

**Ces IA formées par des étiqueteurs de données les font rêver de gagner plus tout en les forçant à prévoir d'être subverties. **

1. Marquage, laissez l'IA ouvrir les yeux pour voir le monde

Pour que les machines comprennent le texte, la voix et les images comme les humains, les humains ont créé une chaîne d'apprentissage automatique : collecter des images physiques et des sons dans le monde physique, étiqueter et nettoyer les données, convertir les données en une série de codes et les envoyer à l'engin.

Les spécialistes de l'IA pensent que les bébés de trois ans « prennent » des centaines de millions d'images à travers leurs yeux, comprenant à plusieurs reprises le monde. Ainsi, tant que suffisamment de données sont infusées dans la machine, la machine peut également apprendre à lire et à reconnaître des phrases, et enfin comprendre le sens profond derrière le langage.

L'atlas étiqueté ImageNet contient 15 millions d'images. Cet ensemble de données a aidé d'innombrables entreprises d'intelligence artificielle à réaliser des percées dans le domaine de la vision par ordinateur, comme la reconnaissance faciale et la recherche d'images.

Pour construire ImageNet, près de 50 000 étiqueteurs de données de 167 pays à travers le monde ont travaillé ensemble pendant deux ans et demi, tous issus de la plateforme de crowdsourcing Mechanical Turk.

Les exigences d'étiquetage sont très simples. Le travail commun de MTurk est de distinguer la couleur de la photo, ou de classer les animaux apparaissant dans l'image, ou d'utiliser des boîtes pour encadrer des objets sélectionnés et étiqueter leurs noms : ceci est un gâteau, ceci est une voiture, C'est un nuage et ainsi de suite.

Intelligence graphique/entier

Les 200 000 travailleurs à temps partiel de la plateforme sont répartis en Afrique et en Asie du Sud-Est, où les coûts de main-d'œuvre sont faibles, et ont même formé un "village d'annotation de données" caractéristique. Les données qu'ils marquent soutiennent l'exploration des entreprises technologiques en IA.

En Chine, des millions d'annotateurs sont répartis dans les villes de deuxième et troisième rangs du Guizhou, du Shanxi, du Shandong, du Henan et d'autres provinces, et pénètrent progressivement dans les comtés où les coûts de main-d'œuvre sont inférieurs. Soit ils s'appuient sur des plateformes de crowdsourcing en ligne, soit ils rejoignent des sociétés d'étiquetage de données hors ligne et des bases d'étiquetage. **

Le contenu d'annotation est divisé en texte, image et voix selon la scène, correspondant aux fonctions d'aide à l'alphabétisation de la machine, à la reconnaissance d'images et à l'écoute du son.

Les premiers projets d'annotation se concentraient sur les sociétés Internet, annotant principalement la voix et le texte. Il se tourne maintenant vers les entreprises autonomes pour étiqueter des scènes 3D obtenues par numérisation lidar, telles que l'étiquetage de nuages de points ; ou des directions d'étiquetage textuel et vocal plus verticales : pour aider les entreprises d'éducation à fournir des données d'étiquetage auxiliaires d'enseignement pour les grands modèles ; ou pour les établissements médicaux. Le grand modèle fournit des données médicales rassemblées.

Lorsque l'IA entre dans l'ère 2.0, ChatGPT a étonné les investisseurs, les entrepreneurs et les entrepreneurs. Tout le monde s'attend à ce que l'IA ne se contente pas de reconnaître de manière rigide les informations textuelles, vocales et visuelles. Les gens espèrent également que l'IA pourra vraiment comprendre le lien entre des choses comme les humains, reconnaître les différences subtiles et les émotions derrière les actions, et distinguer et collecter activement des informations.

Par exemple, laissez la voiture autonome distinguer un sac en plastique vide devant elle, plutôt qu'une pierre de couleur et de taille similaires ; laissez la caméra à côté de la piscine ne plus seulement enregistrer ce qui s'est passé au bord de la piscine, mais comprendre ce qui arrivé, et quand quelqu'un noie Alert.

Ceux-ci doivent encore s'appuyer sur l'annotation des données et mettre en avant des exigences plus élevées pour l'annotation - plus verticale, plus précise et plus économique.

L'essor du marché de l'étiquetage est également parti de là.

2. "Il y a trop de commandes à suivre"

Il est difficile d'avoir des données expliquant directement l'augmentation de la demande de nouvelles annotations, mais il n'est pas difficile d'en juger. Parce qu'au cours du seul premier trimestre de 2023, la Chine a ajouté 170 000 entreprises d'intelligence artificielle, et tant qu'il s'agit d'une entreprise qui utilise l'IA, elle aura forcément une demande d'étiquetage des données.

La demande s'est rapidement propagée au marché de l'étiquetage des données. Dans la barre de publication où les praticiens de l'annotation de données se rassemblent, plus d'une douzaine de publications de recrutement de projets peuvent être actualisées par jour, y compris, mais sans s'y limiter, l'annotation de texte, la revue de sujet, l'annotation de vidéos de vente de drones, la tige de détection 2D, le nuage de points 3D, etc. Annotation éléments pour les vidéos texte-image.

Un étiqueteur de données qui travaille dans l'industrie depuis de nombreuses années a remarqué que les projets d'étiquetage de véhicules sans pilote de cette année ont augmenté, et l'entrepreneuriat modèle à grande échelle dans le domaine vertical engendré par le boom de l'IA2.0 a permis le déclin initial des projets d'étiquetage de texte. être subdivisé en différentes pistes. , augmente également la demande d'étiquetage de données de niche.

Poussé par la demande, Daiyan n'est pas le seul à mettre en place une nouvelle équipe pour chercher l'or. Zhang Wei de Dongying, dans la province du Shandong, a également commencé à se consacrer à l'étiquetage des données à la fin de l'année dernière et est devenu une petite équipe de plus d'une douzaine de personnes en six mois. S'appuyant sur les subventions et le soutien du gouvernement local, l'entreprise de Zhang Wei a non seulement obtenu un bureau gratuit, mais le gouvernement a également aidé à canaliser les ressources du Parti A.

Il y a beaucoup de commandes de projets, du projet initial de plus de 100 000 yuans à la dernière commande de 400 000 yuans, la tâche de livraison urgente a poussé Zhang Wei à rechercher plus activement des travailleurs de l'étiquetage : il y a quelques jours, Zhang Wei a acheté 6 ordinateurs supplémentaires en une seule journée.

À Zhengzhou, dans le Henan, une plate-forme de crowdsourcing pour l'annotation de données déménage dans un immeuble de bureaux à deux étages pouvant accueillir 100 personnes. Ils écrivent le positionnement de l'entreprise sur l'enseigne à la porte et dans le bureau : « AI artificial intelligence big data research and development base » « le nettoyage répété des données est pour que votre IA soit plus intelligente ».

"Il y a trop de commandes pour que le projet d'étiquetage puisse se faire", a déclaré le responsable.

La cérémonie de déménagement d'une entreprise de labellisation des données

Source de l'image/fournie par les personnes interrogées

L'argent spéculatif est également entré depuis longtemps dans les poches des entreprises d'étiquetage. Selon les données, le cours de l'action de l'AAC haïtienne, la société leader, a augmenté jusqu'à 4 fois de mars à mai de cette année.

Selon 36 Krypton news, depuis le début de cette année, plus d'une douzaine de plates-formes d'étiquetage de données dans le cycle B et avant ont collectivement inauguré des valorisations élevées avec une augmentation de près de 100 %. Depuis le second semestre de l'année dernière, les sociétés d'étiquetage automatique ont successivement obtenu de nouveaux financements.

En septembre 2022, Borden Intelligence a reçu un financement de 10 millions de yuans ; en décembre, Stardust Data a finalisé son financement de 50 millions de yuans de tour A. Cela fait quatre ans et demi depuis le dernier financement en juin 2018.

En avril 2023, la société de solutions d'étiquetage de données "Kaiwang Data" a reçu un nouveau cycle de financement stratégique ; en juin, la société de données AI "Integer Intelligence" a reçu des dizaines de millions de cycles de financement Pre A.

Ils sont pleins d'enthousiasme pour jouer des slogans pour remplacer l'étiquetage manuel : " Reconstruire la production d'étiquettes de données ", " Ligne de production automatisée + main-d'œuvre à grande échelle ", " Casser le mode manuel de l'étiquetage de conduite automatique ".

De toute évidence, le marché des capitaux prête à nouveau attention à ce domaine émergent.

3. Plus de volume et plus strict

La chaîne d'étiquetage des données se compose de trois parties.

En amont : entreprises d'étiquetage de données de 1 à 150 employés, retardataires en ligne et petits ateliers.

Intermédiaire : les fournisseurs de services de données, l'un est la plate-forme intermédiaire de crowdsourcing qui entreprend en amont et en aval, et l'autre est que les entreprises choisissent de construire leurs propres bases d'étiquetage pour un investissement stable dans l'industrie.

En aval : Entreprises technologiques, entreprises industrielles, entreprises d'IA et unités de recherche scientifique Les entreprises Internet dominaient vers 2018, et maintenant elles sont transférées aux constructeurs automobiles et aux entreprises de conduite autonome.

L'industrie adopte généralement un modèle de sous-traitance, c'est-à-dire que la société principale émet l'offre et que le fournisseur de services tiers participe à l'appel d'offres. Une fois l'offre retenue, il entre dans l'échelon des fournisseurs de l'entreprise et les principaux fournisseurs peut profiter du droit de choisir des tâches prioritaires et plus de commandes.

Les exigences de l'entreprise pour les principaux fournisseurs sont d'avoir une équipe de livraison d'au moins 30 personnes, une expérience de livraison de commandes mature, d'établir un système de formation et la capacité de contrôler la qualité et la quantité des livraisons. Une équipe de production stable conduit finalement à un devis bas qui rend l'entreprise plus compétitive.

Cependant, l'avantage de prix bas apporté par l'équipe de gestion et de contrôle a été perturbé. « Les enchères de cette année sont féroces ! » Un fournisseur de services a déclaré à « Jiazi Guangnian », « Nous avons offert 200 yuans pour un projet, et certaines personnes ont offert 80 yuans par jour.

Au final, le projet a été remporté par l'équipe avec l'offre la plus basse, mais il a fini par revenir à l'équipe la plus mature. "Ils nous ont été transférés par la partie A lorsqu'ils n'ont pas pu le terminer, mais le prix ne pouvait plus augmenter."

Parce que l'équipe en ligne de Daiyan ne contacte pas directement la partie A. Par conséquent, la situation chaotique des prix des revêtements à plusieurs niveaux et des stratifiés sur le marché les met sous pression.

L'étiquetage des données est une industrie basée sur les ressources, et quiconque peut obtenir la coopération avec la partie A aura un avantage. Dai Yan a révélé qu'après avoir enregistré une entreprise, certaines personnes ont prétendu à tort qu'elles avaient une équipe professionnelle de 40 à 50 personnes et ont participé à l'appel d'offres à un prix très bas. Après avoir remporté le projet, ils l'ont divisé en 4-5 actions et distribué L'équipe est divisée plus bas et la commission est collectée couche par couche. L'intermédiaire gagne la différence et le prix à la pièce distribué aux travailleurs de l'étiquetage des données est de plus en plus bas. **

Tant que quelqu'un ramasse l'assiette, elle continue de descendre en spirale.

Une liste de prix obtenue par "Jiazi Guangnian" montre que de l'étiquetage 2D à l'étiquetage en nuage de points laser 3D, le prix unitaire de l'élément d'étiquetage est généralement de 0,5 à 1,5 yuan par cadre. Dai Yan a déjà reçu un prix pour une seule image avec une remise de 50%, "au moins quatre ou cinq mains ont été transférées".

**L'introversion du prix unitaire entraîne directement la diminution du salaire du personnel de labellisation. ** L'équipe de Daiyanhe est à temps plein et à temps partiel. La plupart des membres de l'équipe sont des mères, des collégiens, des pigistes et des lycéens professionnels. Ils travaillent 6 heures par jour. En maintenant cet état, Daiyan aura un revenu mensuel de 4 à 5 mille yuans pendant l'épidémie en 2022.

"Si vous avez un ordinateur et de l'électricité, vous pouvez le faire fonctionner." C'est une expression attrayante courante dans les affiches de recrutement d'étiquetage de données. Dans le passé, c'était autrefois l'avantage le plus important de l'industrie de l'étiquetage des données. Mais aujourd'hui cet avantage a fait basculer toute l'industrie dans l'involution. Maintenant, le revenu mensuel de Daiyan n'est que de 2 à 3 000 yuans.

Alors que les revenus ont diminué, les charges de travail n'ont pas diminué. Au contraire, le travail d'étiquetage des données est plus complexe et détaillé.

Les praticiens expérimentés de l'annotation de données manquent le marché de l'annotation à l'ère d'Internet : le prix d'une seule image est trois fois plus élevé et le nombre d'éléments est important. Une équipe de 60 à 70 personnes peut gagner un revenu mensuel de 300 000 yuans. "Maintenant, le marché regorge de projets dont la valeur de production (la valeur générée par une seule personne par jour) est inférieure à 100 yuans, ce qui valait auparavant des centaines de dollars par jour", a déclaré un pratiquant.

À cette époque, l'opération du projet était simple et il n'y avait aucune exigence, comme marquer la scène 2D pour le véhicule sans pilote, et lors du dessin du cadre sur le véhicule dans l'image, tant qu'il pouvait être encadré, il n'y avait aucune exigence .

**Mais c'est différent maintenant. "Fitness" est le critère d'acceptation le plus important pour la partie A. ** "L'année dernière, l'erreur devait être de 5 à 7 mm, et cette année, elle sera de 3 à 5 mm. L'exigence d'erreur devient de plus en plus petite", a déclaré Dai Yan.

Le spécialiste de l'intelligence artificielle Wu Enda a souligné à plusieurs reprises que la valeur de l'intelligence artificielle ne peut être révélée qu'avec des données étiquetées de haute qualité.Plus les données sont de haute qualité, plus le développement de l'intelligence artificielle est rapide.

Dans les données étiquetées des véhicules sans pilote, il est exprimé comme le degré d'ajustement entre le cadre rectangulaire et l'objet marqué. Plus le degré d'ajustement est élevé, plus la précision de l'algorithme est élevée et plus l'algorithme peut contrôler le véhicule avec précision. .

Les éléments d'annotation de texte de haute qualité se reflètent dans l'exactitude de la compréhension sémantique et le taux correct de réponses aux questions. Plus le taux correct est élevé, plus le grand modèle formé est intelligent.

Des mains qualifiées peuvent assurer une livraison rapide et de qualité des données. Daiyan a demandé un jour à un novice de participer pour vérifier si les problèmes mathématiques résolus par ChatGPT sont complets, si la logique est correcte et si la langue peut être comprise par les élèves du primaire. Les 7 500 données cochées par le novice ont dû être retravaillées par la partie A car le taux de précision était trop faible : il a fallu plus de dix jours à Dai Yan et ses collègues pour les corriger.

L'étiquetage des données n'est de plus en plus un travail sans seuil. L'annotation vocale complexe, la production d'annotations d'ensembles de données médicales, juridiques, financières et autres nécessitent des professionnels ayant des réserves de connaissances sur le sujet pour effectuer des annotations professionnelles.

Dai Yan estime que, en prenant l'exemple du projet de véhicule sans pilote, il faut 3 mois aux nouveaux arrivants pour maîtriser l'étiquetage 2D et 4 à 6 mois pour maîtriser l'étiquetage 3D.

Ce type d'exercice fait référence à la formation de la précision du dessin du cadre, en utilisant la souris pour dessiner un cadre rectangulaire sur la page d'étiquetage de l'ordinateur en une seule fois, qui peut couvrir avec précision l'objet marqué, sans marcher sur la ligne, sans points manquants, et même de manière transparente.

Les experts en annotation de figures/données soulignent les problèmes dans l'annotation

C'est juste que lorsque la machine commence à apprendre par elle-même et remplace l'humain pour étiqueter la machine, la compétence que les gens passent du temps à former a-t-elle encore un sens ?

4. Crise alternative

Dai Yan s'est rendu compte que l'IA approchait, et c'était dans le projet d'annotation d'images qu'il a fait il y a quelque temps.

C'est un vieux projet sur lequel Daiyan travaille depuis deux ans - la reconnaissance de carte. Les étiqueteurs de données doivent reconnaître le texte de l'image et l'imprimer, le prix est de 8 cents par pièce. Les données marquées au nom de l'extension sont introduites dans le modèle de reconnaissance d'image. Le modèle est maintenant capable de reconnaître du texte dans des images. Le travail d'étiquetage de Daiyan a commencé à être réduit à la révision et à la révision. La difficulté a diminué et le prix unitaire marqué a également diminué.

** L'IA entraînée par des humains avec étiquetage remplace le travail d'étiquetage humain. ** Dans le rapport d'enquête de l'Université de Zurich, les chercheurs ont découvert, grâce à des mesures réelles, que la capacité de traitement de ChatGPT dans 15 tâches d'étiquetage est supérieure à celle des crowdsourcers. ** La barre de progression de l'intégration du grand modèle dans la plateforme de crowdsourcing a également été accélérée. **Des recherches ultérieures menées par l'Ecole polytechnique fédérale de Lausanne ont révélé que plus de 30 % des annotateurs collaboratifs ont utilisé de grands modèles lors du traitement de l'annotation de texte.

L'IA est sans aucun doute plus économe en temps et en travail que le travail manuel : les chercheurs ont déclaré que le coût unitaire de ChatGPT n'équivaut qu'à 1/20 de MTurk.

Daiyan est également prêt à ce que ce secteur d'activité soit remplacé à tout moment par "une IA plus parfaite". Il a parié l'avenir sur des étiquettes de conduite autonome plus exigeantes.

Mais l'étiquetage de la conduite autonome est également envahi par l'IA. Par rapport à la méthode de dessin de cadre manuel, l'étiquetage automatique ne nécessite qu'un grand modèle intégré. Après le paramétrage, le cadre rectangulaire qui nécessitait à l'origine un étiquetage manuel sera automatiquement généré. Le seul problème à l'heure actuelle est que le cadre rectangulaire généré présente des problèmes de qualité tels que le fait de marcher sur la ligne et un ajustement faible, ce qui nécessite une inspection manuelle une par une.

L'amélioration de l'efficacité a surpris les constructeurs automobiles. L'idéal est d'utiliser le grand modèle 2.0 pour l'étalonnage automatique, qui est 1000 fois plus efficace que l'homme ; Tesla a activement promu les progrès de l'étiquetage automatique, comme l'annulation de 200 vidéos d'étiquetage Tesla en juin 2022 pour améliorer le système d'assistance aux employés américains, car Tesla la capacité d'étiquetage automatique a été considérablement améliorée, étiquetant 10 000 vidéos de moins de 60 secondes, ne nécessite qu'un grand modèle pour fonctionner pendant une semaine, au lieu d'un étiquetage manuel pendant plusieurs mois.

Lin Qunshu, fondateur de la société de données AI Integer Intelligence, a déclaré que de plus en plus de constructeurs automobiles et d'entreprises AIGC utilisent des produits modèles à grande échelle pour l'étiquetage automatique, et que leurs revenus augmentent considérablement. Leur dernière décision est d'établir une branche de recherche et développement à Singapour.

**Cependant, les fournisseurs de services tiers ne sont pas aussi optimistes quant à la croissance de l'étiquetage automatisé. **Le chef de projet d'une plate-forme de crowdsourcing dans le Henan a déclaré que l'étiquetage automatisé ne peut pas remplacer plus de 60 % des exigences d'étiquetage et ne peut être utilisé que comme outil d'étiquetage auxiliaire pour traiter des données uniques ou spécifiques et améliorer l'efficacité humaine.

Le chef de produit d'une autre société d'étiquetage de données estime que l'étiquetage automatique ne peut filtrer que des données de base simples et ne peut pas identifier avec précision les objets de scènes complexes et controversées comme les humains. C'est aussi la raison pour laquelle le marché de l'étiquetage des données est encore dominé par les données d'étiquetage de la conduite autonome.

Cependant, tout le monde s'accorde à dire que l'étiquetage futur des données passera de la main-d'œuvre à la technologie.

En bref, être soit "pressé à mort" par des pairs, soit "pressé à mort" par la technologie. Mais il n'est certainement pas possible de rester assis, et les sociétés tierces qui marquent les données cherchent une issue à l'avenir.

Le plan de Daiyan est de suivre le marché, de rester vigilant, de licencier à tout moment, et en même temps d'évoluer vers un outil d'étiquetage automatisé. Le fondateur d'une plateforme de crowdsourcing a déclaré lors de la communication avec ses pairs qu'à l'avenir, nous ne devrions pas accumuler de main-d'œuvre, mais devons avoir des capacités de recherche et développement.

Qu'en est-il des particuliers ? Le cheminement de carrière diffusé dans l'industrie est celui des étiqueteurs novices-étiqueteurs expérimentés-administrateurs/gestionnaires de projets d'étiquetage-analystes de données de l'entreprise de la partie A, et finalement obtenir une promotion avec un salaire mensuel de dizaines de milliers.

Aucun des étiqueteurs de données que Dai Yan connaissait n'allait dans cette direction. Soit ils sont restés là où ils étaient, soit ils ont démissionné. Le meilleur scénario était de constituer leur propre équipe d'étiquetage comme Dai Yan l'a fait, mais il ne s'est pas senti plus à l'aise.

D'une part, il y a l'augmentation de la demande de projets provoquée par la tendance de l'IA, et d'autre part, il y a des enchères plus chaotiques, une valeur de production par habitant plus faible et une IA en croissance rapide. Les deux émotions sont liées, l'IA apportera des opportunités infinies, et l'IA éliminera également "nous".

(A la demande des interviewés, les noms dans l'article sont tous des pseudonymes)