Amazon ने एक समाप्ति तिथि (expiration date) तय कर दी है। 30 जुलाई, 2026 को, Mechanical Turk नए ग्राहकों को स्वीकार करना बंद कर देगा। मौजूदा खाते चलते रहेंगे, और Amazon का कहना है कि वह प्लेटफॉर्म की सुरक्षा और अपटाइम (uptime) बनाए रखेगा। लेकिन कंपनी ने यह भी स्पष्ट कर दिया है कि कोई नए फीचर्स नहीं आ रहे हैं। एक ऐसी सेवा के लिए जिसने इंटरनेट श्रम (internet labor) के एक युग को परिभाषित करने में मदद की, यह एक 'सनसेट नोटिस' (sunset notice) के समान है।

मूल गिग वर्क मार्केटप्लेस

Mechanical Turk 2005 में लॉन्च हुआ था, Uber या TaskRabbit जैसे ऐप्स के टुकड़ों में काम (piecemeal labor) को एक घरेलू अवधारणा बनाने से बहुत पहले। Amazon ने इसे "human intelligence tasks" के लिए एक मार्केटप्लेस के रूप में बनाया था — छोटे काम जिन्हें सॉफ्टवेयर अभी तक नहीं संभाल सकता था। कर्मचारी, जो ज्यादातर गुमनाम थे और दुनिया भर में फैले हुए थे, ऑडियो स्निपेट्स को ट्रांसक्राइब करने, स्टोरफ्रंट पते सत्यापित करने, कंटेंट को मॉडरेट करने और इमेज को टैग करने के लिए लॉग इन करते थे। क्या आपको CAPTCHA हल करने, सर्च रिजल्ट्स को रैंक करने, या यह तय करने के लिए किसी की ज़रूरत है कि प्रोडक्ट रिव्यू सकारात्मक लग रहा है या गुस्से वाला? MTurk ही वह जगह थी।

कीमतें अक्सर सेंट्स (cents) में मापी जाती थीं। एक हज़ार इमेज क्लासिफिकेशन के बैच के लिए शायद एक-एक पेनी (penny) मिलती थी। शोधकर्ताओं, मार्केटर्स और बूटस्ट्रैप्ड स्टार्टअप्स के लिए, यह क्रांतिकारी था। अचानक आप एक दोपहर में सैकड़ों प्रतिभागियों के साथ एक सर्वे चला सकते थे, या पूर्ण एनोटेशन स्टाफ को काम पर रखे बिना कंप्यूटर विजन मॉडल के लिए ट्रेनिंग डेटा को लेबल कर सकते थे। यह प्लेटफॉर्म एक बुनियादी ढांचा (infrastructure) बन गया। सामाजिक वैज्ञानिकों ने इस पर प्रयोग किए। टेक कंपनियों ने इंटरफेस का परीक्षण किया। AI टीमों ने डेटासेट बनाए।

2018 के आसपास, Amazon ने उस भूमिका को आधुनिक बनाने की कोशिश की। इसने Mechanical Turk को न्यूरल नेटवर्क के लिए एक डेटा एनोटेशन इंजन के रूप में पुनर्गठित किया, और इसे Amazon SageMaker AI से अधिक निकटता से जोड़ा। विचार मशीन लर्निंग पाइपलाइन को फीड करना था: इंसान उस कच्चे माल को साफ करेंगे, लेबल करेंगे और सत्यापित करेंगे जिसकी एल्गोरिदम को सीखने के लिए आवश्यकता होती है। MTurk अब केवल छोटे-मोटे काम नहीं रह गया था। इसे AI बूम के लिए मानवीय रीढ़ (human backbone) माना जा रहा था।

वह बूम बढ़ता रहा। लेकिन Mechanical Turk उसके साथ नहीं बढ़ा।

जब मानवीय परत (Human Layer) AI का उपयोग करने लगती है

विरोधाभास चुपचाप आया, और फिर अचानक सामने आ गया। 2023 के एक विश्लेषण में पाया गया कि 33% से 46% MTurk कार्यकर्ता उन कार्यों को पूरा करने के लिए Large Language Models का उपयोग कर रहे थे जिनके लिए उन्हें हाथ से काम करने के पैसे दिए जाते थे। शोधकर्ताओं ने मानवीय निर्णय (human judgment) के लिए भुगतान किया था। उन्हें इसके बजाय ChatGPT मिला।

यह केवल काम चोरी करने वाले श्रमिकों की कहानी नहीं है। जब एक एनोटेटर ग्राहक समीक्षाओं में भावना (sentiment) को लेबल करने के लिए, या चिकित्सा पाठ को वर्गीकृत करने के लिए, या चैटबॉट ट्रेनिंग सेट के लिए संवाद लिखने के लिए LLM का उपयोग करता है, तो डेटा मानवीय-आधारित सत्य (human-grounded truth) नहीं रह जाता। यह एक मशीन के सर्वोत्तम अनुमान की फोटोकॉपी बन जाता है। उस फोटोकॉपी को 'ग्राउंड ट्रुथ' के रूप में दूसरे मॉडल में वापस फीड करें, और यह चक्र और गहरा हो जाता है। सिग्नल शोर (noise) में बदल जाता है। "ह्यूमन इन द लूप" उस सॉफ्टवेयर के लिए केवल एक रबर स्टैम्प बनकर रह जाता है जो पहले से ही बैकग्राउंड में चल रहा था।

AI उद्योग के लिए, यह एक व्यावहारिक संकट है। टीमें MTurk अनुबंधों पर हजारों डॉलर खर्च करती हैं, यह विश्वास करते हुए कि वे विविध, जैविक मानवीय दृष्टिकोण (organic human perspective) खरीद रही हैं। यदि उस श्रम का एक बड़ा हिस्सा स्वचालित (automated) है, तो परिणामी डेटासेट उस LLM के पूर्वाग्रहों (biases), ब्लाइंड स्पॉट्स और मतिभ्रम (hallucinations) को अपना लेता है जो वास्तव में काम कर रहा है। गुणवत्ता नियंत्रण (quality control) कठिन होता जाता है। शोधकर्ताओं को यह साबित करने के लिए कि वास्तव में वहां कोई इंसान है, तेजी से जटिल 'अटेंशन चेक' और 'ट्रैप प्रश्न' डिजाइन करने पड़ते हैं। यह रक्षात्मक रुख लागत बढ़ाता है और परियोजनाओं को धीमा कर देता है।