ChatGPT может заменить низкооплачиваемых работников, обучающих искусственный интеллект, – исследование
Исследователи из Цюрихского университета обнаружили, что ChatGPT может превзойти работников, выполняющих задачи по маркировке текста, который будет использоваться для обучения ИИ-системе. Они узнали, что ChatGPT может маркировать текст с большей точностью и последовательностью.
Исследователи предоставили ChatGPT выборку из 2 382 твитов и попросили его классифицировать текст по релевантности, теме, позиции, формулировке проблемы или решения, а также формулировке политики. Используя ChatGPT, исследователи получили более высокую точность и согласованность между кодировщиками. К тому же использование ИИ было в двадцать раз дешевле оплаты труда людей.
Это исследование является дополнением к дискуссии о том, как повлияет на рабочие места быстрое развитие языковых моделей ИИ, таких как GPT от OpenAI.
Технологические компании используют десятки тысяч работников для ручной маркировки и фильтрации контента из наборов данных ШИ-моделей. Это связано с тем, что искусственный интеллект часто еще не способен распознавать нюансы изображения, особенно когда он учится. В январе журнал Times сообщил, что OpenAI платил кенийским работникам менее $2 в час, чтобы сделать своего чат-бота более безопасным в использовании. Работники регулярно сталкивались с травматическим, неприличным контентом, включая графический текст о сексуальном насилии над детьми, зоофилии, убийствах, самоубийствах и пытках.
Замена работников, обучающих ИИ, искусственным интеллектом не только не решает проблемы их ужасающих условий труда, но и отнимает у них работу.
Исследователи отмечают, что еще слишком рано говорить о том, насколько ChatGPT может заменить рабочую силу:
«Наша работа демонстрирует потенциал ChatGPT для задач по аннотированию данных, но для полного понимания возможностей ChatGPT требуются дополнительные исследования. К примеру, наши тесты использовали твиты на английском языке и выполняли относительно ограниченное количество задач. Будет важно расширить анализ на большее количество задач, типов данных и языков», – говорит соавтор статьи Фабрицио Джиларди.
