Amazon نے ایک آخری تاریخ مقرر کر دی ہے۔ 30 جولائی 2026 کو، Mechanical Turk نئے صارفین کو قبول کرنا بند کر دے گا۔ موجودہ اکاؤنٹس چلتے رہیں گے، اور Amazon کا کہنا ہے کہ وہ پلیٹ فارم کی سیکیورٹی اور اپ ٹائم کو برقرار رکھے گا۔ لیکن کمپنی نے یہ بھی واضح کر دیا ہے کہ کوئی نئی خصوصیات (features) نہیں آئیں گی۔ انٹرنیٹ لیبر کے ایک دور کی تعریف کرنے میں مدد کرنے والی سروس کے لیے، یہ ایک 'سن سیٹ نوٹس' (sunset notice) کے مترادف ہے۔

اصل گگ ورک مارکیٹ پلیس

Mechanical Turk 2005 میں لانچ ہوا تھا، Uber یا TaskRabbit جیسی ایپس کے ٹکڑوں میں کام (piecemeal labor) کو ایک گھریلو تصور بنانے سے بہت پہلے۔ Amazon نے اسے "انسانی ذہانت کے کاموں" (human intelligence tasks) کے لیے ایک مارکیٹ پلیس کے طور پر بنایا تھا — یعنی وہ چھوٹے کام جو سافٹ ویئر ابھی تک نہیں سنبھال سکتا تھا۔ کارکن، جو زیادہ تر گمنام تھے اور دنیا بھر میں پھیلے ہوئے تھے، آڈیو کے ٹکڑوں کو تحریر کرنے (transcribe)، اسٹور فرنٹ کے پتے کی تصدیق کرنے، مواد کی نگرانی کرنے اور تصاویر کو ٹیگ کرنے کے لیے لاگ ان کرتے تھے۔ کیا آپ کو CAPTCHA حل کرنے، سرچ رزلٹس کو ترتیب دینے، یا یہ فیصلہ کرنے کے لیے کسی کی ضرورت ہے کہ پروڈکٹ کا ریویو مثبت ہے یا غصے والا؟ MTurk وہ جگہ تھی۔

قیمتیں اکثر سینٹ (cents) میں ناپی جاتی تھیں۔ ایک ہزار امیج کلاسیفیکیشنز کے بیچ میں سے ہر ایک کے لیے شاید ایک پینی ملتا تھا۔ محققین، مارکیٹرز اور نئے اسٹارٹ اپس کے لیے یہ انقلابی تھا۔ اچانک آپ ایک دوپہر میں سینکڑوں شرکاء کے ساتھ سروے کر سکتے تھے، یا مکمل اینوٹیشن عملے کو ہائر کیے بغیر کمپیوٹر ویژن ماڈل کے لیے ٹریننگ ڈیٹا کو لیبل کر سکتے تھے۔ یہ پلیٹ فارم ایک بنیادی ڈھانچہ (infrastructure) بن گیا۔ سماجی سائنسدانوں نے اس پر تجربات کیے۔ ٹیک کمپنیوں نے انٹرفیسز کا تجربہ کیا۔ AI ٹیموں نے ڈیٹا سیٹس بنائے ۔

2018 کے آس پاس، Amazon نے اس کردار کو جدید بنانے کی کوشش کی۔ اس نے Mechanical Turk کو نیورل نیٹ ورکس کے لیے ڈیٹا اینوٹیشن انجن کے طور پر دوبارہ متعارف کرایا، اور اسے Amazon SageMaker AI کے ساتھ زیادہ قریب سے جوڑ دیا۔ خیال یہ تھا کہ مشین لرننگ پائپ لائن کو ڈیٹا فراہم کیا جائے: انسان اس خام مال کو صاف کریں گے، لیبل کریں گے اور تصدیق کریں گے جس کی الگورتھم کو سیکھنے کے لیے ضرورت ہوتی ہے۔ MTurk اب صرف چھوٹے موٹے کاموں تک محدود نہیں رہا تھا۔ اسے AI کے عروج کے لیے انسانی ریڑھ کی ہڈی بننا تھا۔

وہ عروج بڑھتا رہا۔ لیکن Mechanical Turk اس کے ساتھ نہیں بڑھا۔

جب انسانی لیئر AI کا استعمال شروع کر دے

یہ تضاد خاموشی سے آیا، اور پھر اچانک سامنے آگیا۔ 2023 کے ایک تجزیے سے معلوم ہوا کہ 33% سے 46% کے درمیان MTurk کارکن ان کاموں کو مکمل کرنے کے لیے Large Language Models کا استعمال کر رہے تھے جن کے لیے انہیں دستی طور پر کام کرنے کے پیسے دیے جاتے تھے۔ محققین نے انسانی فیصلے (human judgment) کے لیے ادائیگی کی تھی۔ انہیں اس کے بجائے ChatGPT ملا۔

یہ صرف کارکنوں کے کام چوری کرنے کی کہانی نہیں ہے۔ جب ایک اینوٹیشن کرنے والا کسٹمر ریویوز میں جذبات (sentiment) کو لیبل کرنے کے لیے، یا طبی متن کو درجہ بندی کرنے کے لیے، یا چیٹ بوٹ ٹریننگ سیٹ کے لیے مکالمے لکھنے کے لیے LLM کا استعمال کرتا ہے، تو ڈیٹا انسانی حقیقت (human-grounded truth) نہیں رہتا۔ یہ ایک مشین کے بہترین اندازے کی فوٹو کاپی بن جاتا ہے۔ اس فوٹو کاپی کو دوبارہ کسی دوسرے ماڈل میں 'گراؤنڈ ٹرتھ' کے طور پر ڈالیں، اور یہ چکر مزید تنگ ہوتا چلا جاتا ہے۔ سگنل شور (noise) میں تبدیل ہو جاتا ہے۔ "ہیومن ان دی لوپ" (human in the loop) اس سافٹ ویئر کے لیے محض ایک مہر بن کر رہ جاتا ہے جو پہلے ہی پس منظر میں چل رہا تھا۔

AI انڈسٹری کے لیے، یہ ایک عملی بحران ہے۔ ٹیمیں MTurk کے معاہدوں پر ہزاروں ڈالر اس یقین کے ساتھ خرچ کرتی ہیں کہ وہ متنوع اور قدرتی انسانی نقطہ نظر خرید رہی ہیں۔ اگر اس محنت کا ایک بڑا حصہ خودکار (automated) ہو جائے، تو حاصل ہونے والا ڈیٹا سیٹ اس LLM کے تعصبات (biases)، اندھے پن (blind spots) اور وہم (hallucinations) کا وارث بن جاتا ہے جو اصل کام کر رہا ہوتا ہے۔ کوالٹی کنٹرول مشکل ہوتا جا رہا ہے۔ محققین کو صرف یہ ثابت کرنے کے لیے کہ وہاں واقعی کوئی انسان موجود ہے، تیزی سے پیچیدہ 'اٹینشن چیکس' اور 'ٹریپ سوالات' ڈیزائن کرنے پڑتے ہیں۔ یہ دفاعی انداز اخراجات بڑھاتا ہے اور منصوبوں کی رفتار کو سست کر دیتا ہے۔