Crowd Workers สำหรับการรวบรวมข้อมูล – ส่วนที่ขาดไม่ได้ของ AI ที่มีจริยธรรม

ในการสร้างโซลูชัน AI ที่แข็งแกร่งและเป็นกลาง จำเป็นอย่างยิ่งที่เราต้องมุ่งเน้นการฝึกฝนโมเดลด้วยชุดข้อมูลที่เป็นกลาง เปลี่ยนแปลงได้ และเป็นตัวแทนที่ดี กระบวนการรวบรวมข้อมูลของเรามีความสำคัญอย่างมากในการพัฒนาโซลูชัน AI ที่น่าเชื่อถือ ในแง่นี้ การรวบรวมข้อมูลสำหรับการฝึกฝน AI ผ่านแรงงานจากกลุ่มคนจึงเป็นส่วนสำคัญของกลยุทธ์การรวบรวมข้อมูล

ในบทความนี้ เราจะมาสำรวจบทบาทของแรงงานจากกลุ่มคน (crowd workers) ผลกระทบต่อการพัฒนาอัลกอริธึมการเรียนรู้ ของ AI และโมเดล ML ตลอดจนความจำเป็นและประโยชน์ที่แรงงานจากกลุ่มคนเหล่านี้มอบให้แก่กระบวนการทั้งหมด

เหตุใดฝูงชนจึงต้องสร้างแบบจำลอง AI

ในฐานะมนุษย์ เราสร้างข้อมูลจำนวนมหาศาล แต่มีเพียงส่วนน้อยของข้อมูลที่สร้างและรวบรวมมาเท่านั้นที่มีคุณค่า เนื่องจากขาดมาตรฐานการวัดคุณภาพข้อมูล ข้อมูลส่วนใหญ่ที่รวบรวมมาจึงมีอคติ มีปัญหาด้านคุณภาพ หรือไม่เป็นตัวแทนของสภาพแวดล้อมที่แท้จริง เนื่องจาก มีการพัฒนาโมเดล การเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกมากขึ้นเรื่อยๆ ซึ่งทำงานบนข้อมูลจำนวนมหาศาล ความต้องการชุดข้อมูลที่ดีกว่า ใหม่กว่า และหลากหลายกว่าจึงเพิ่มมากขึ้นเรื่อยๆ

เป็นที่ที่ฝูงชนเข้ามามีบทบาท

ข้อมูลการจัดหาฝูงชนกำลังสร้างชุดข้อมูลที่มีส่วนร่วมของคนกลุ่มใหญ่ กลุ่มคนทำงานใส่ปัญญามนุษย์เข้าไปในปัญญาประดิษฐ์

แพลตฟอร์มการระดมความคิดจากกลุ่มคน (Crowd-sourcing)มอบงานขนาดเล็กด้านการรวบรวมและติดป้ายกำกับข้อมูลให้กับกลุ่มคนจำนวนมากและหลากหลาย การระดมความคิดจากกลุ่มคนช่วยให้บริษัทต่างๆ สามารถเข้าถึงแรงงานจำนวนมหาศาลที่มีความยืดหยุ่น คุ้มค่า และปรับขนาดได้

แพลตฟอร์มการระดมทรัพยากรจากกลุ่มคนจำนวนมากที่ได้รับความนิยมมากที่สุดอย่าง Amazon Mechanical Turk สามารถจัดหาบทสนทนาระหว่างมนุษย์ด้วยกันได้ถึง 11 บทสนทนาภายใน 15 ชั่วโมง และจ่ายเงินให้ผู้ทำงาน0.35 ดอลลาร์สหรัฐต่อบทสนทนาที่สำเร็จแต่ละครั้ง การจ้างคนทำงานจากกลุ่มคนจำนวนมากด้วยค่าตอบแทนที่น้อยนิดเช่นนี้ ชี้ให้เห็นถึงความสำคัญของการสร้างมาตรฐานด้านจริยธรรมในการจัดหาข้อมูล

ในทางทฤษฎี ดูเหมือนเป็นแผนการที่ชาญฉลาด แต่ก็ไม่ใช่กลยุทธ์ที่ง่ายในการดำเนินการ การไม่เปิดเผยตัวตนของฝูงชนทำให้เกิดปัญหาเกี่ยวกับค่าจ้างต่ำ การไม่คำนึงถึงสิทธิของคนงาน และงานที่มีคุณภาพต่ำซึ่งส่งผลกระทบต่อประสิทธิภาพของโมเดล AI 

ประโยชน์ของการมีคนทำงานจำนวนมากในแหล่งข้อมูล

นักพัฒนาโซลูชันที่ใช้ AI สามารถกระจายงานขนาดเล็กและรวบรวมข้อสังเกตที่หลากหลายและแพร่หลายได้อย่างรวดเร็วด้วยต้นทุนที่ค่อนข้างต่ำ โดยการมีส่วนร่วมกับกลุ่มคนทำงานจำนวนมาก

ประโยชน์ที่โดดเด่นบางประการของการจ้างฝูงชนสำหรับโครงการ AI ได้แก่

เวลาในการออกสู่ตลาดที่เร็วขึ้น:จากการวิจัยของ Cognilytica พบว่าเกือบ 80% ของ เวลาในโครงการ ปัญญาประดิษฐ์ (AI)หมดไปกับกิจกรรมการรวบรวมข้อมูล เช่น การทำความสะอาดข้อมูล การติดป้ายกำกับ และการรวบรวมข้อมูล ส่วนเวลาที่ใช้ในการพัฒนาและการฝึกอบรมมีเพียง 20% เท่านั้น อุปสรรคแบบดั้งเดิมในการสร้างข้อมูลถูกกำจัดออกไป เนื่องจากสามารถสรรหาผู้ร่วมงานจำนวนมากได้ในเวลาอันสั้น

โซลูชันที่คุ้มค่า: การรวบรวมข้อมูลจากแหล่งต่างๆช่วยลดเวลาและพลังงานที่ใช้ในการฝึกอบรม สรรหา และการรับเข้าทำงาน ซึ่งช่วยลดต้นทุน เวลา และทรัพยากรที่จำเป็น เนื่องจากพนักงานได้รับการว่าจ้างในรูปแบบการจ่ายค่าตอบแทนตามงานที่ทำ

เพิ่มความหลากหลายในชุดข้อมูล:ความหลากหลายของข้อมูลมีความสำคัญอย่างยิ่งต่อการฝึกฝนโซลูชัน AI ทั้งหมด เพื่อให้โมเดลสร้างผลลัพธ์ที่เป็นกลาง จำเป็นต้องฝึกฝนด้วยชุดข้อมูลที่หลากหลาย การรวบรวมข้อมูลจากแหล่งต่างๆ ทำให้สามารถสร้างชุดข้อมูลที่หลากหลาย (ทางภูมิศาสตร์ ภาษา สำเนียง) ได้โดยใช้ความพยายามและต้นทุนน้อย

เพิ่มความสามารถในการขยายขนาด:เมื่อคุณสรรหาผู้ทำงานจากกลุ่มคนที่มีความน่าเชื่อถือ คุณจะมั่นใจได้ว่า การเก็บรวบรวมข้อมูล มีคุณภาพสูงและสามารถขยายขนาดได้ตามความต้องการของโครงการ