Pekerja Foxconn mengalir ke pabrik pelabelan AI

Sumber asli: Times Finance

Kredit gambar: Dihasilkan oleh AI‌ Tak Terbatas

Pada paruh pertama tahun ini, lingkaran teknologi kota tingkat pertama diaktifkan oleh kecerdasan buatan.

Model-model besar seperti Wenxinyiyan, Tongyiqianwen, dan Light Years Away menyebarkan gelombang panas demi gelombang. Para petinggi dengan sumber daya tingkat atas berdiri di inti acara akbar ini. Mereka telah mengirimkan pos-pos pahlawan satu demi satu. Pertarungan untuk mendapatkan yang besar bakat model juga ada di atas meja.

Sebagai tautan yang terkait erat dengan rantai industri AI, Pangkalan Industri Data Taiyuan di Shanxi, 500 kilometer jauhnya dari Beijing, tenang. Ribuan pelabel kecerdasan buatan telah berkumpul di sini. Topik yang mereka bicarakan tetap pada kemajuan proyek, kecepatan menggambar kotak sesuai standar, dan makan tiga kali sehari.

"Kegembiraan adalah milik mereka, dan kami hanya memiliki kotak yang tak terhitung jumlahnya." Seorang pelabel data memberi tahu Times Finance.

Untuk mengenang He Qing, pemilik perusahaan pelabelan data, kegembiraan terjadi empat atau lima tahun lalu. Untuk pertama kalinya, angin musim semi kecerdasan buatan berhembus ke kota barat tengah ini Pengusaha yang sensitif mulai menyusun wilayah dan merekrut orang, menyediakan aliran "nutrisi" yang stabil untuk kecerdasan buatan. Kebanyakan dari mereka adalah orang awam kecerdasan buatan, karena permintaan tenaga kerja yang tiba-tiba sangat besar, mereka memiliki hubungan yang luar biasa dengan teknologi mutakhir.

"Saat itu, banyak bos membawa semua anggota keluarga mereka ke sini, dan mereka bisa menghasilkan uang hanya dengan menggerakkan jari mereka." He Qing telah mendengar banyak berita menarik di industri pelabelan data-beberapa orang menghasilkan jutaan dalam tiga bulan, dan lain-lain Pesanan yang direbut bisa diantrikan ke tahun kedua.

Tapi hari-hari baik seperti itu berangsur-angsur memudar.

"Pipa" yang layak

Pada pukul 8:45 pagi, kerumunan orang yang padat memblokir pintu masuk lift, hanya sepertiga dari orang yang masuk ke lift pertama, dan tujuan akhir semua orang ada di lantai enam.

Pintu lift terbuka perlahan, dan kerumunan menyebar ke segala arah, dan masuk ke kantor di mana tidak ada perbedaan Ruang seluas sekitar 100 meter persegi diisi dengan ratusan komputer.

“Selama kamu mengikuti nomor rumah dan bertanya satu per satu, semuanya akan ditandai dengan data.” Penjual di lantai dasar taman menjelaskannya seperti ini.

Basis pelabelan data ini, yang telah menarik hampir seribu orang, seperti kafe Internet tersembunyi yang tersembunyi di taman. Orang-orang yang duduk di depan komputer dengan terampil mengklik keyboard dan mouse, dan meja seluas sekitar satu meter persegi ditempati oleh komputer besar.

Sumber pemberi label data di tempat kerja: Foto oleh Times Finance

Satu-satunya hal yang dapat menunjukkan individualitas mereka adalah headphone warna-warni yang dikenakan di kepala mereka.Mereka memiliki identitas yang sama: label data.

Mouse mengklik tombol kiri dan kanan bolak-balik, dan gambar di layar diperbesar dan diperkecil, dan kursor dengan cepat menggambar bingkai dengan ukuran berbeda... Setelah tindakan berulang berlangsung selama setengah jam, Meiling memutar lehernya sedikit. , dan tulang-tulang di tulang punggungnya berderit terdengar.

"Cukup bagi pendatang baru untuk melewati minggu pertama, dan cepat terbiasa," kata Meiling kepada Times Finance sambil tetap menatap layar. Jumlah orang yang menyerah di minggu pertama mencapai 30%. .

Setiap dua minggu, Ms.Zhou, sang mandor, akan memimpin lebih dari selusin pendatang baru untuk memulai magang mereka.Pekerjaan yang berulang dan membosankan seperti itu telah membuat banyak anak muda enggan.

Dua tahun lalu, Meiling bertransformasi dari seorang guru taman kanak-kanak menjadi pemberi label data. Di kampung halamannya, Luliang, hanya ada sedikit pekerjaan, dan pemasaran jarak jauh adalah salah satu tujuan yang lebih terhormat.Sekarang, di bawah pengaruh gelombang kecerdasan buatan, pemberi label data memberikan pilihan lain bagi wanita di daerah tersebut.

Enam bulan lalu, karena perubahan basis pelabelan, Meiling pindah dari kampung halamannya ke Taiyuan, ibu kota provinsi. "Mengemudi otomatis atau pengenalan wajah tidak memerlukan partisipasi label berskala besar." Dia menunjukkan ekspresi bangga Di mata keluarganya, duduk di kantor dan mengoperasikan komputer, dengan pendapatan bulanan lebih dari 3.000 yuan , perawatan telah melampaui sebagian besar kabupaten. Sudah bekerja.

Pada tahun 2005, Zhu Songchun, seorang ahli visi komputer, kembali ke kampung halamannya di Ezhou, Hubei dari Amerika Serikat, mendirikan Lembaga Penelitian Lianhuashan, dan membentuk tim pelabelan data besar paling awal di Tiongkok. Selanjutnya, pabrik pelabelan data secara bertahap mengakar di kota-kota lapis kedua dan ketiga, dan klaster industri muncul di Hebei, Henan, Shandong, Shanxi, dan wilayah lainnya.

Melalui pelatihan label berulang, kecerdasan buatan dapat mencapai momen "kebangkitan", menurut Meiling, ini sama dengan pekerjaan guru taman kanak-kanak sebelumnya.

Pelabelan data adalah tautan pertama dalam kelahiran produk kecerdasan buatan, diikuti oleh pelatihan dan pengoptimalan model, manajemen model, aplikasi penalaran, dll. Memberi makan produk kecerdasan buatan membutuhkan ratusan juta data, yang pertama-tama akan mengalir ke komputer "kecantikan".

Namun, fantasi Meiling tentang "teknologi tinggi" sedikit demi sedikit hancur oleh suara mouse mekanis yang berulang-ulang. Dia telah menghitung bahwa 1.500 bingkai adalah batas beban kerja harian, begitu garis peringatan ini dilanggar, bola mata akan sakit.

Setelah pulang kerja, bahkan saat menghadap TV, yang dia lihat adalah mozaik mozaik, yang terlihat seperti gambar kabur yang perlu ditandai setelah diperbesar.

“Selalu ada wajah asing di kursi sebelah, dan ada sedikit komunikasi antar rekan kerja.” Setelah bekerja selama satu setengah tahun, Wu Xia, yang bekerja di markas yang sama, belum terbiasa dengan kesunyian di kantor .

Setelah lulus dari sekolah menengah pertama, dia awalnya masuk pabrik dengan teman sekelasnya, tetapi karena perubahan proyek dan kepergian teman sekelasnya, dia menjadi "penjaga tunggal". Segera setelah pekerjaan dimulai, kantor tersebut menjadi "bengkel" tempat jalur perakitan otomatis dimulai, dengan suasana industri yang dingin dan sedikit sentuhan manusia.

Salah satu ciri industri pelabelan data adalah penghitungan bagian individu dan tidak perlu kerja tim, yang membentuk metode manajemen yang berbeda dari pekerja kerah putih biasa.

Di sini, pemberi label tidak memiliki posisi tetap, tetapi secara acak menugaskan ratusan orang ke arah aliran sesuai dengan perubahan proyek. Proyek terpanjang adalah 2-3 bulan, dan proyek jangka pendek hanya 2-3 hari Tim proyek lebih dari selusin orang memiliki administrator untuk mengawasi kemajuan pekerjaan semua orang.

Anotator tidak akan menghabiskan energinya untuk mengelola hubungan antar rekan kerja. Jenis pekerjaan borongan memperhatikan efisiensi dan konsentrasi, serta waktu dan uang saling terkait. Untuk menyelesaikan rata-rata 1.000 bingkai berarti rata-rata 2 bingkai harus diselesaikan per menit.

“Ketika kamu berbicara dengan orang lain, kamu akan kehilangan beberapa kotak uang,” kata Meiling.

Pekerja Foxconn mengalir ke pabrik pelabelan

Di taman pelabelan data, juga tersebar lembaga penelitian teknologi dan basis kewirausahaan bagi mahasiswa asing. Dalam pandangan Meng Ran, posisi "kelas atas" ini jauh darinya.

Sebelum masuk universitas, dia tidak pernah meninggalkan kampung halamannya Linfen. Setelah lulus universitas, keluarganya berharap agar dia tidak meninggalkan provinsi tersebut. Dua kilometer dari pangkalan adalah Taman Industri Sains dan Teknologi Foxconn Taiyuan. Area pabrik ini paling banyak menyerap tenaga kerja lokal, dan pada puncaknya hampir 60.000 orang aktif di jalur perakitan area pabrik.

Tidak peduli seberapa keras dia berusaha, radius berburu pekerjaan mahasiswa Meng Ran tidak pernah melebihi 5 kilometer. Dia pernah pindah dari fase kedua basis pelabelan data ke fase ketiga; sebelum resmi menjadi pelabel data, Foxconn di sebelahnya adalah tempat dia membakar masa mudanya.

Sumber taman Foxconn berjarak kurang dari 2 kilometer dari basis data pelabelan: Foto oleh Times Finance

Meng Ran pernah memasuki pabrik selama dua liburan berturut-turut untuk menghasilkan uang, dan setiap kali dia pergi dengan tergesa-gesa setelah menerima gaji beberapa ribu yuan.

Setiap liburan musim dingin dan musim panas, pintu masuk kampus Foxconn penuh dengan mahasiswa dengan tas besar dan tas kecil, dan tujuan setiap orang adalah mendapatkan potongan harga tertinggi dan biaya per jam sepanjang tahun. "Semua orang datang ke sini untuk menghasilkan uang dengan cepat, dan mereka berkemas dan pergi begitu musim puncak berakhir. Pabrik terlalu sibuk untuk bekerja, dan sulit untuk bertahan lama."

Meng Ran tidak menyukai suasana kerja di Foxconn. Sebelum memasuki bengkel, peralatan elektronik harus diserahkan, dan satu-satunya hal yang harus dihadapi setiap hari adalah kerumunan pekerja yang bergegas dengan pakaian serupa dan bangunan pabrik yang suram dan dingin. Ketika Anda bertemu dengan pemimpin tim yang pemarah, Anda sering dilecehkan secara verbal setiap hari.

Dengan deru jalur produksi dimulai, pekerja perlu memasang bagian tertentu secara terus menerus, dan tindakan seperti itu seringkali berlangsung lebih dari 10 jam. Di ruang yang benar-benar tertutup, bahkan kesurupan adalah sebuah kemewahan. Meng Ran tidak berani berbicara dengan para pekerja di sekitarnya sampai mandor sedikit melonggarkan manajemennya.

Pada tahun 2018, setelah menyelesaikan basis pelabelan data terdekat, Meng Ran memiliki pilihan kedua untuk karyanya. Hanya satu blok jauhnya, ada pekerjaan yang lebih nyaman di ujung jari Anda.

Faye Wong pernah menjadi perekrut Foxconn. Musim sepi pabrik dan pergantian personel, ditambah dengan potongan harga yang ambigu dan seringnya perubahan pendapatan, membuatnya sering terlibat konflik tanpa akhir dengan pekerja migran.Anotator adalah pilihan yang lebih baik untuknya.

"Dalam beberapa tahun terakhir, ambang pelabelan data rendah dan harga unit tinggi. Saya dapat mempertahankan pendapatan bulanan sebesar 4.000 yuan, dan proyek yang saya lakukan semuanya terkait dengan pabrik besar, yang relatif aman." Faye Wong telah melihat banyak pekerja terampil meninggalkan pangkalan untuk mencari pekerjaan lain Menyingkir, tetapi kembali lagi dalam lingkaran.

Banyak anotator memiliki lintasan kerja yang mirip dengan Meng Ran.Pengalaman kerja di pabrik elektronik adalah poin umum dari resume mereka.Pabrik anotasi data telah menjadi perhentian mereka berikutnya setelah keluar dari pengecoran elektronik.

Ciri-ciri umum dari jumlah pekerja yang besar, pendapatan yang besar, dan pengoperasian yang sederhana telah membangun jembatan sepanjang dua kilometer secara virtual, yang menghubungkan dua pabrik super itu bersama-sama.

Proyek dan perusahaan yang hilang

Bagi pemberi label, perasaan intuitif adalah saat-saat indah akan segera berakhir.

Proyek dengan harga satuan beberapa sen menghilang, dan harga kotak label dikurangi menjadi beberapa sen; kotak gambar titik gambar bidang sederhana menghilang, digantikan oleh proyek awan titik yang membutuhkan pelabelan multidimensi; karyawan tetap secara bertahap meninggalkan tim proyek, dan pekerja magang Taller yang hemat biaya mendukung lebih dari setengah beban kerja.

He Qing, pemilik perusahaan pelabelan data, belum pernah ke pangkalan selama setengah tahun, dan dia secara bertahap mengurangi investasinya di perusahaan.

Sejak paruh kedua tahun lalu, timnya tidak pernah dapat menerima proyek dengan pesanan pelanggan yang tinggi, dan periode tagihan pelanggan telah ditunda dari tiga bulan menjadi setengah tahun. "Banyak pabrik kecil dengan arus kas yang tidak mencukupi dan tidak ada kemampuan untuk memajukan modal telah tutup, dan anggota tim kami kehilangan sepertiganya."

Tiga tahun lalu, antusiasme Li Wei dipicu oleh kerangka panggilan, dia lambat dan tidak pandai berkomunikasi, dan dia merasa telah menemukan pekerjaan yang "dipilih".

Li Wei mengambil alih proyek dengan harga satuan 0,25 yuan. Ketika efisiensinya tinggi, dia dapat menggambar 1.200 bingkai sehari dan menghasilkan hampir 8.000 yuan sebulan. "Untuk menghasilkan lebih banyak uang, seseorang membeli hosti dan mulai bekerja di rumah, kalau sudah mahir, penghasilanmu akan bertambah.”

Seperti orang lain, Li Wei samar-samar merasa bahwa era demam emas telah berakhir.

Perusahaan telah meluncurkan proyek baru. Apa yang disajikan di depan kami bukan lagi peta jalan dunia nyata, tetapi peta model yang terdiri dari ribuan titik hijau, ungu, dan biru. Gambar lengkap mencakup Ada hampir seratus kotak bertanda, dan satu set pertanyaan terdiri dari lusinan gambar dengan perbedaan yang tidak kentara.

Sumber diagram antarmuka operasi yang rumit: disediakan oleh orang yang diwawancarai

"Perlu untuk berulang kali beralih antara tampilan rencana dan 3D. Beberapa gambar yang diblokir harus dilengkapi dengan otak, dan keakuratan bingkai juga harus dikontrol pada 0,01 meter. Performa biaya pekerjaan semakin rendah dan lebih rendah." Selama penyimpangan dari kisaran yang diperlukan lebih dari 1 mm, Mereka akan dipukul mundur dengan kejam oleh review.

Data, daya komputasi, dan algoritme adalah tiga landasan kecerdasan buatan.Semakin besar kuantitas dan semakin tinggi kualitas data, model besar yang lebih matang dapat dilatih, yang diwujudkan dalam karya annotator yang terus meningkatkan akurasinya .

"Aturan telah disesuaikan dalam beberapa hari terakhir, dan persyaratan akurasi telah ditingkatkan menjadi lebih dari 80%." Akurasi telah menjadi "titik kematian" pemberi label, dan ini juga merupakan kosakata frekuensi tinggi yang muncul saat mereka mengeluh.

Gambar yang ditandai harus melalui 2-3 langkah seperti peninjauan dan pemeriksaan kualitas, jika tidak maka tidak dapat memasuki siklus penyelesaian.

Terkadang, Wu Xia merasa seperti terjebak dalam labirin yang rumit, dan dia tidak bisa keluar bagaimanapun caranya. Dia telah didera oleh proyek baru selama hampir seminggu — saat mengajukan pertanyaan, dia terus-menerus dipanggil kembali, yang membuatnya menjadi cemas. "Jika pertanyaannya terlalu sering dikembalikan, itu akan diberikan kepada orang lain, dan energi sebelumnya akan sia-sia."

Kecemasan Meng Ran adalah jenis lain. Sejak Agustus tahun lalu, pekerjaannya menjadi lebih santai, dalam 5 menit terakhir, puluhan ribu data telah terkumpul, dan sekarang tidak akan ada garis merah beban selama setengah jam.

"Mungkin jumlah data pada platform telah berkurang, atau mungkin efisiensi peninjauan mesin telah meningkat." Rasa tidak aman Meng Ran dengan cepat dikonfirmasi. Karena pengurangan paksa dalam beban kerjanya, pendapatan hariannya turun dari satu menjadi dua ratus yuan menjadi beberapa ratus yuan, puluhan dolar.

Perlombaan sistem gugur menyebar di antara agensi-agensi utama. Meng Ran telah melihat sebuah tim dibubarkan dalam semalam, dan lebih dari selusin karyawan yang terutang upah menggugat perusahaan ke biro tenaga kerja; jika situasinya sedikit lebih baik, mereka akan dipindahkan ke agen berikutnya bersama dengan komputer dan karyawan.

“Agar aman, pergilah ke tim dengan lebih dari 30 orang.” Ini adalah saran Meng Ran untuk pendatang baru.

Anotator keluar dari tahap sejarah

Setelah seminggu pelatihan dan setengah bulan periode pemula, pada bulan Mei tahun ini, Xiaoting, yang berada di Hunan, akhirnya beradaptasi menjadi pelabel data, tetapi menyaksikan penurunan pesat perusahaan hingga kehancurannya.

"Setelah satu bulan bekerja, perusahaan tidak akan dapat bertahan. Bos mentraktir semua orang untuk makan malam, tetapi gaji harus menunggu beberapa bulan. "Dalam pandangan Xiaoting, industri pelabelan data saat ini penuh dengan "ranjau darat", dan risikonya jauh lebih besar daripada pendapatan.

Apakah itu pengusaha pelabelan data atau puluhan ribu pemberi label, tidak ada cara untuk menghindari fakta bahwa pelabelan data manual secara bertahap menjadi tidak signifikan pada tahap model skala besar.

Yang berbeda dari pekerjaan guru prasekolah Meiling adalah siswa tidak akan begitu cepat mengambil pekerjaan guru. Saat ini, teknologi model besar yang diasuh oleh pemberi label dengan cepat memberi umpan balik pada proses pelabelan data.

Mengambil Tesla sebagai contoh, ia terus mengembangkan teknologi pelabelan otomatis sejak 2018, dari pelabelan manual 2D hingga pelabelan otomatis ruang 4D. Kemajuan teknologi telah melahap ruang operasi untuk pelabelan manual Pada tahun 2021, tim pelabelan manual Tesla akan melebihi 1.000 orang, dan pada tahun 2022, lebih dari 200 karyawan akan diberhentikan.

Perusahaan mobil lainnya, termasuk Xiaopeng Motors dan Momo Zhixing, juga telah meluncurkan alat pelabelan otomatis. Gu Weihao, CEO Momo Zhixing, secara terbuka menyatakan bahwa saat ini, untuk mendapatkan garis jalur, peserta lalu lintas, dan informasi lampu lalu lintas, biaya pelabelan manual sekitar 5 yuan per gambar, sedangkan biaya Momo DriveGPT hanya 0,5 yuan.

Pada tahun 2019, Wu Di, seorang pelatih data AI di kota tingkat pertama, memiliki firasat akan langit-langit karirnya, perusahaannya bertanggung jawab untuk mengembangkan proyek layanan pelanggan yang cerdas dari platform e-niaga. Kemajuannya lebih cepat dari yang dia bayangkan, dalam waktu kurang dari setahun, tim pelabelan data 10 orang yang dia pimpin terputus, dan hanya operator sporadis yang tersisa.

"Hari di mana proyek terus matang adalah saat kita tidak lagi dibutuhkan."

Evolusi model besar seperti sungai yang deras, selalu melakukan serangan mendadak pada saat tertentu, meninggalkan tim buatan.

Dalam laporan survei oleh University of Zurich pada bulan Maret tahun ini, para peneliti menemukan melalui pengukuran aktual bahwa kemampuan pemrosesan ChatGPT dalam 15 tugas pelabelan lebih tinggi daripada crowdsourcer.

Pada awal April tahun ini, Li Jie, seorang mahasiswa kedokteran di sekolah, menyelesaikan pelabelan teks sebuah pabrik besar di bidang medis dalam waktu satu bulan. Proyek ini akan digunakan untuk menyediakan layanan diagnosis dan dialog yang cerdas. Ini juga membuat Li Jie merasakan evolusi model besar untuk pertama kalinya dalam kecepatan.

"Pada awalnya, kami terus memberi makan platform dengan istilah medis rahasia, dan di minggu kedua, sistem dapat secara otomatis mewujudkan klasifikasi kata benda dasar, dan tingkat akurasi melebihi 90%."

Di Taiyuan, Shanxi, Ms. Zhou, mandor pangkalan, mulai membujuk pendatang baru untuk mengambil alih proyek yang lebih sulit, karena sulit bagi perusahaan untuk menahan tekanan dari proyek yang ditunda lagi dan lagi. "Saat ini, semakin sederhana bisnis pelabelan, semakin tipis keuntungannya, dan beberapa proyek akan kuning jika setengah selesai, dan biaya tenaga kerja tidak dapat menutupi pendapatan proyek sama sekali."

Seorang perekrut di industri pelabelan data mengatakan kepada Times Finance bahwa sejak tahun ini, ambang perekrutan secara bertahap bergeser dari mahasiswa junior ke mahasiswa sarjana. "Dulu, pada dasarnya tidak ada persyaratan pengalaman untuk labeler. Sekarang banyak perusahaan berharap karyawan baru dapat mulai mengerjakan proyek secara langsung, yang dapat mengurangi biaya pelatihan awal."

Saat ini, pelabelan cerdas secara kasar dapat menangkap bentuk dasar dan posisi objek, tetapi dalam hal akurasi, masih tertinggal dari pelabel profesional.

Tidak ada yang tahu kapan pelabelan cerdas akan membawa ledakan besar, tetapi Li Wei selalu disertai dengan rasa tidak aman. Setiap kali dia membuka halaman proyek baru, kotak merah yang mewakili pelabelan pintar selalu muncul lebih dulu, seolah mengingatkan orang di depan layar sepanjang waktu:

Suatu hari, itu akan menggantikannya.

(Orang yang diwawancarai dalam artikel ini semuanya adalah nama samaran.)