Amazon ఒక గడువు తేదీని నిర్ణయించింది. జూలై 30, 2026 నాటికి, Mechanical Turk కొత్త కస్టమర్లను స్వీకరించడం ఆపివేస్తుంది. ప్రస్తుతం ఉన్న ఖాతాలు కొనసాగుతాయి, మరియు ప్లాట్‌ఫారమ్ యొక్క భద్రత మరియు అప్‌టైమ్‌ను (uptime) తాను కొనసాగిస్తామని Amazon చెబుతోంది. అయితే, ఇకపై ఎటువంటి కొత్త ఫీచర్లు రావు అని కూడా కంపెనీ స్పష్టం చేసింది. ఇంటర్నెట్ శ్రమ యొక్క ఒక శకాన్ని నిర్వచించడంలో సహాయపడిన సేవకు, ఇది ఒక ముగింపు నోటీసు (sunset notice) వంటిదే.

అసలైన గిగ్ వర్క్ మార్కెట్‌ప్లేస్

Uber లేదా TaskRabbit వంటి యాప్‌లు చిన్న చిన్న పనులను (piecemeal labor) అందరికీ తెలిసిన కాన్సెప్ట్‌గా మార్చకముందే, 2005లో Mechanical Turk ప్రారంభమైంది. సాఫ్ట్‌వేర్ ఇంకా చేయలేని చిన్న చిన్న పనుల కోసం, అంటే "human intelligence tasks" కోసం Amazon దీనిని ఒక మార్కెట్‌ప్లేస్‌గా నిర్మించింది. ప్రపంచవ్యాప్తంగా అజ్ఞాతంగా ఉన్న కార్మికులు, ఆడియో క్లిప్‌లను ట్రాన్స్‌క్రిబ్ చేయడానికి, స్టోర్‌ఫ్రంట్ అడ్రస్‌లను ధృవీకరించడానికి, కంటెంట్‌ను మోడరేట్ చేయడానికి మరియు చిత్రాలకు ట్యాగ్‌లు వేయడానికి లాగిన్ అయ్యేవారు. ఒక CAPTCHAను పరిష్కరించడానికి, సెర్చ్ రిజల్ట్స్‌ను ర్యాంక్ చేయడానికి లేదా ఒక ప్రొడక్ట్ రివ్యూ సానుకూలంగా ఉందా లేదా కోపంగా ఉందా అని నిర్ణయించడానికి ఎవరైనా కావాలా? MTurk దానికి సరైన ప్రదేశం.

ధరలు తరచుగా సెంట్లు (cents) లలో ఉండేవి. వెయ్యి ఇమేజ్ క్లాసిఫికేషన్ల బ్యాచ్‌కు ఒక్కో దానికి ఒక పెన్నీ మాత్రమే లభించేది. పరిశోధకులు, మార్కెటర్లు మరియు స్టార్టప్‌లకు ఇది విప్లవాత్మకమైనది. అకస్మాత్తుగా మీరు ఒక మధ్యాహ్నంలో వందలాది మంది పాల్గొనే సర్వేను నిర్వహించవచ్చు, లేదా పూర్తి స్థాయి అనోటేషన్ సిబ్బందిని నియమించుకోకుండానే కంప్యూటర్ విజన్ మోడల్ కోసం ట్రైనింగ్ డేటాను లేబుల్ చేయవచ్చు. ఈ ప్లాట్‌ఫారమ్ ఒక మౌలిక సదుపాయంగా (infrastructure) మారింది. సోషల్ సైంటిస్టులు దీనిపై ప్రయోగాలు చేశారు. టెక్ కంపెనీలు ఇంటర్‌ఫేస్‌లను పరీక్షించాయి. AI టీమ్‌లు డేటాసెట్‌లను నిర్మించాయి.

2018 ప్రాంతంలో, Amazon ఆ పాత్రను ఆధునీకరించడానికి ప్రయత్నించింది. ఇది Mechanical Turkను న్యూరల్ నెట్‌వర్క్‌ల కోసం ఒక డేటా అనోటేషన్ ఇంజిన్‌గా మార్చి, Amazon SageMaker AIకి మరింత దగ్గరగా అనుసంధానించింది. మెషిన్ లెర్నింగ్ పైప్‌లైన్‌కు అవసరమైన ముడి పదార్థాలను (raw material) మనుషులు శుభ్రం చేయడం, లేబుల్ చేయడం మరియు ధృవీకరించడం ద్వారా అల్గారిథమ్‌లకు నేర్పించడం దీని ఉద్దేశ్యం. MTurk ఇక కేవలం చిన్న చిన్న పనులకే పరిమితం కాలేదు. ఇది AI విప్లవానికి మానవ వెన్నెముకగా ఉండాలి.

ఆ విప్లవం పెరుగుతూనే ఉంది. కానీ Mechanical Turk దానితో పాటు పెరగలేదు.

మానవ శ్రమ కూడా AIని ఉపయోగించడం ప్రారంభించినప్పుడు

ఈ వైరుధ్యం నిశ్శబ్దంగా మొదలై, ఒక్కసారిగా బయటపడింది. 2023 విశ్లేషణ ప్రకారం, MTurk కార్మికులలో 33% నుండి 46% మంది తాము చేతులతో చేయాల్సిన పనులను పూర్తి చేయడానికి Large Language Models (LLMs)ను ఉపయోగిస్తున్నారు. పరిశోధకులు మానవ విచక్షణ (human judgment) కోసం డబ్బు చెల్లించారు, కానీ వారికి బదులుగా ChatGPT లభించింది.

ఇది కేవలం కార్మికులు పనులను సులభతరం చేసుకోవడం (cutting corners) గురించి మాత్రమే కాదు. ఒక అనోటేటర్ కస్టమర్ రివ్యూలలో సెంటిమెంట్‌ను లేబుల్ చేయడానికి, లేదా మెడికల్ టెక్స్ట్‌ను వర్గీకరించడానికి, లేదా చాట్‌బాట్ ట్రైనింగ్ సెట్ కోసం సంభాషణలను రాయడానికి LLMని ఉపయోగించినప్పుడు, ఆ డేటా మానవ ఆధారిత సత్యం (human-grounded truth) కాకుండా పోతుంది. అది ఒక మెషిన్ యొక్క అంచనా యొక్క ఫోటోకాపీలా మారుతుంది. ఆ ఫోటోకాపీని మరొక మోడల్‌కు ground truthగా అందించినప్పుడు, ఆ చక్రం మరింత సంక్లిష్టమవుతుంది. సిగ్నల్ నాయిస్‌గా మారుతుంది. "human in the loop" అనేది ఇప్పటికే బ్యాక్‌గ్రౌండ్‌లో నడుస్తున్న సాఫ్ట్‌వేర్‌కు కేవలం ఒక రబ్బరు స్టాంప్‌లా మారుతుంది.

AI పరిశ్రమకు ఇది ఒక ఆచరణాత్మక సంక్షోభం. వైవిధ్యమైన, సహజమైన మానవ దృక్పథాన్ని కొనుగోలు చేస్తున్నామని నమ్మి, బృందాలు MTurk ఒప్పందాల కోసం వేల డాలర్లు ఖర్చు చేస్తాయి. ఒకవేళ ఆ శ్రమలో ఎక్కువ భాగం ఆటోమేటెడ్ అయితే, ఫలితంగా వచ్చే డేటాసెట్, అసలు పని చేస్తున్న LLM యొక్క పక్షపాతాలు (biases), లోపాలు (blind spots) మరియు భ్రమలను (hallucinations) కలిగి ఉంటుంది. క్వాలిటీ కంట్రోల్ కష్టమవుతుంది. ఒక మనిషి నిజంగా అక్కడ ఉన్నాడని నిరూపించడానికి పరిశోధకులు మరింత సంక్లిష్టమైన అటెన్షన్ చెక్‌లు మరియు ట్రాప్ ప్రశ్నలను రూపొందించాల్సి వస్తుంది. ఈ రక్షణ చర్యలు ఖర్చులను పెంచుతాయి మరియు ప్రాజెక్టుల వేగాన్ని తగ్గిస్తాయి.