C'è un piccolo sporco segreto sull'intelligenza artificiale:è alimentata da centinaia di migliaia di persone reali.

Dai truccatori in Venezuela alle donne nelle zone conservatrici dell'India, le persone in tutto il mondo stanno facendo l'equivalente digitale del ricamo:disegnando scatole intorno alle auto nelle foto di strada, taggare le immagini, e trascrivere frammenti di discorso che i computer non riescono a distinguere.

Tali dati si alimentano direttamente negli algoritmi di "apprendimento automatico" che aiutano le auto a guida autonoma a muoversi nel traffico e consentono ad Alexa di capire che si desidera che le luci siano accese. Molte di queste tecnologie non funzionerebbero senza enormi quantità di questi dati etichettati dall'uomo.

Questi compiti ripetitivi pagano un centesimo a testa. Ma alla rinfusa, questo lavoro può offrire un salario dignitoso in molte parti del mondo, anche negli Stati Uniti. Questa fiorente ma in gran parte sconosciuta industria a domicilio rappresenta le fondamenta di una tecnologia che potrebbe cambiare l'umanità per sempre:l'intelligenza artificiale che ci guiderà in giro, eseguire comandi verbali senza errori, e, possibilmente, un giorno pensa da solo.

___

Questo settore dell'input umano è stato a lungo nutrito dai motori di ricerca Google e Bing, che per più di un decennio hanno utilizzato le persone per valutare l'accuratezza dei loro risultati. Dal 2005, Il servizio Mechanical Turk di Amazon, che abbina i lavoratori autonomi con lavori online temporanei, ha anche messo a disposizione dei ricercatori di tutto il mondo l'immissione di dati crowd-sourced.

Più recentemente, gli investitori hanno investito decine di milioni di dollari in startup come Mighty AI e CrowdFlower, che stanno sviluppando software che semplificano l'etichettatura di foto e altri dati, anche su smartphone.

Il venture capitalist S. "Soma" Somasegar afferma di vedere "miliardi di dollari di opportunità" nel soddisfare le esigenze degli algoritmi di apprendimento automatico. La sua azienda, Madrona Venture Group, investito in Mighty AI. Gli umani saranno nel giro "per molto, lungo, molto tempo a venire, " lui dice.

Un'etichettatura accurata potrebbe fare la differenza tra un'auto a guida autonoma, distinguendo tra il cielo e la fiancata di un camion:una distinzione che la Model S di Tesla ha fallito nel primo incidente mortale noto che coinvolge i sistemi di guida autonoma nel 2016.

"Non stiamo costruendo un sistema per giocare, stiamo costruendo un sistema per salvare vite, ", afferma Daryn Nakhuda, CEO di Mighty AI.

___

Marjorie Aguilar, una truccatrice freelance di 31 anni a Maracaibo, Venezuela, trascorre dalle quattro alle sei ore al giorno a disegnare scatole attorno agli oggetti del traffico per aiutare ad addestrare i sistemi di guida autonoma per Mighty AI.

Guadagna circa 50 cent all'ora, ma in un paese devastato dalla crisi con un'inflazione galoppante, poche ore di lavoro possono pagare un mese di affitto in bolivar.

"Non sembrano molti soldi, ma per me è abbastanza decente, "dice. "Puoi immaginare quanto sia importante per me essere pagata in dollari USA."

Aria Crisna, un 36enne padre di tre figli a Tegal, Indonesia, dice che fare cose come aggiungere tag di parole alle immagini di abbigliamento su siti Web come eBay e Amazon lo paga circa $ 100 al mese, circa la metà del suo reddito.

E per la venticinquenne Shamima Khatoon, il suo lavoro annotando auto, indicatori di corsia e semafori in un avamposto tutto al femminile della società di etichettatura dati iMerit a Metiabruz, India, rappresenta l'unica possibilità che ha di lavorare fuori casa nella sua comunità musulmana conservatrice.

"È una buona piattaforma per aumentare le tue capacità e sostenere la tua famiglia, " lei dice.

___

Grandi case automobilistiche come Toyota, Nissan e Ford, compagnie di corse come Uber e altri giganti della tecnologia come Waymo di Alphabet Inc. stanno pagando risme di etichettatrici, spesso tramite fornitori di terze parti.

I vantaggi di una maggiore precisione possono essere immediati.

In InterContinental Hotels Group, ogni chiamata che la sua assistente digitale Amelia può ricevere da un essere umano fa risparmiare da $ 5 a $ 10, dice il direttore della tecnologia dell'informazione Scot Whigham.

Quando Amelia fallisce, il programma ascolta mentre una chiamata viene reindirizzata a uno dei circa 60 addetti al service desk. Impara dalla loro risposta e prova la tecnica alla chiamata successiva, liberare i dipendenti umani per fare altre cose.

"Abbiamo trasformato quei lavori, "dice Whigham.

Quando un computer non riesce a distinguere la chiamata di un cliente alla catena Hyatt Hotels, uno snippet audio viene inviato al call center basato sull'intelligenza artificiale Interactions in un vecchio edificio di mattoni a Franklin, Massachusetts.

Là, mentre il cliente aspetta al telefono, uno di una stanza piena di "analisti dell'intento" che indossano le cuffie trascrive di tutto, dai numeri scritti male alle parolacce e indica rapidamente al computer come rispondere.

Quell'informazione ritorna nel sistema. "La prossima volta, abbiamo maggiori possibilità di avere successo, "dice Robert Nagle, Chief Technology Officer di Interazioni.

___

I ricercatori hanno cercato di trovare soluzioni alternative ai dati etichettati dall'uomo, ma i risultati sono spesso insufficienti.

In un progetto che ha utilizzato le immagini di Google Street View di auto parcheggiate per stimare la composizione demografica dei quartieri, L'allora ricercatrice di Stanford Timnit Gebru ha cercato di addestrare la sua intelligenza artificiale raschiando le foto di Craigslist di auto in vendita che sono state etichettate dai loro proprietari.

Ma le riprese del prodotto non assomigliavano per niente alle immagini delle auto in Street View, e il programma non poteva riconoscerli. Alla fine, lei dice, ha speso $ 35, 000 per assumere esperti di concessionari di auto per etichettare i suoi dati.

La necessità di etichettatori umani è "enorme" e "dinamica, "dice Robin Bordoli, CEO della società di tecnologia di etichettatura CrowdFlower. "Non puoi fidarti dell'algoritmo al 100%."

___

Al momento, capire come fare in modo che i computer apprendano senza i cosiddetti dati di "verità di base" forniti dagli esseri umani rimane una questione di ricerca aperta.

Trevor Darrell, un esperto di machine learning presso l'Università della California Berkeley, dice che si aspetta che ci vorranno dai cinque ai dieci anni prima che gli algoritmi dei computer possano imparare a funzionare senza la necessità di etichettatura umana.

Il suo gruppo da solo spende centinaia di migliaia di dollari l'anno pagando le persone per annotare le immagini. "Proprio adesso, se vendi un prodotto e vuoi la perfezione, sarebbe negligente non investire i soldi in quel tipo di annotazione, " lui dice.

Diverse aziende come Waymo di Alphabet e il produttore di giochi Unity Technologies stanno sviluppando mondi simulati per addestrare i loro algoritmi in scenari controllati in cui ogni oggetto è predefinito.

Per la maggior parte, anche le aziende che cercano di spingere gli umani fuori dal giro fanno ancora affidamento su di loro.

CloudSight, ad esempio, offre agli sviluppatori di siti Web e app uno strumento utile per caricare una foto e ottenere qualche parola in più per descriverla. Il rivenditore Kohl's utilizza il servizio per una funzione di ricerca visiva "Snap and Shop" sulla sua app.

Ma non è solo un programma per computer di fantasia che sputa risposte. Se l'algoritmo non ha una buona risposta, uno dei suoi 800 dipendenti in posti come l'India, Sud-est asiatico o Africa digita la risposta in tempo reale.

"Vogliamo essere quelli che possono etichettare qualsiasi immagine senza alcun coinvolgimento umano, "dice Ian Parnes, Responsabile dello sviluppo aziendale di CloudSight. "Quanto tempo ci vorrà è di nessuno indovinare."

© 2018 The Associated Press. Tutti i diritti riservati.