布朗大学学生绘制出支撑人工智能的隐藏全球劳动力地图

要点

布朗大学大四学生马存彦发布了一张权力地图，将13家数据标注公司、141家企业AI客户和31个国家联系起来，揭露了推动现代AI发展的全球南方隐藏的低薪劳动力。

---

地图展示的内容

• 节点与连接：交互式图表将数据标注公司（劳动力提供方）与其企业客户（AI开发者）以及标注工作者的实际地理位置连接起来。
• 规模：当前版本的地图覆盖了13家标注公司、141个AI产品客户以及31个设有标注中心的国家。
• 地理分布：大多数标注站点位于肯尼亚、印度尼西亚、哥伦比亚等全球南方国家，清晰展示了离岸劳动力输送链。
• 内容曝光：工人经常审查令人不安的内容——儿童色情、兽交、暴力内容——以训练安全过滤器，凸显了这些低薪标注者所承受的道德负担。

“这在现实中表现为，公司将这项工作外包给全球南方……世界各地的人们不得不逐段阅读AI生成的儿童色情、兽交、暴力内容……只是为了训练AI变得安全。” – 马存彦

地图的重要性

• 透明度：AI供应链故意不透明；该地图使劳动力层面可见，便于公众监督和潜在的监管行动。
• 问责制：通过将企业客户直接与生成训练数据的工人联系起来，地图建立了可追溯的责任线。
• 工人团结：该可视化工具可以帮助孤立的标注者发现同行，这是集体谈判或工会化的先决条件。
• 教育工具：教授和活动家可以利用该地图说明AI是人类努力的集合，反驳将AI描绘为自主实体的叙事。

“底层都是人类……当前关于AI的许多讨论的问题在于它试图忽视这一点。” – Suresh Venkatasubramanian，布朗大学计算机科学教授

Hacker News上的社区反应

评论者	主要观点	视角
@datsci_est_2015	赞扬了绘制劳动与资本互动的努力，并指出历史上的剥削背景。	支持该项目，认为其是必要的揭露。
@Frieren	强调工人孤立放大了企业权力，并呼吁进行法律调查。	强调潜在的政策影响。
@arjie	分享了21世纪初零工工作的个人经历，认为这类工作可能是摆脱贫困的自愿途径。	提供了关于工人能动性的细致、基层视角。
@atleastoptimal	批评“殖民主义”框架，认为寻求廉价劳动力是资本主义长期存在的特征，可能提升经济。	质疑术语，但承认经济动态。
@htrp	链接到关于肯尼亚工人参与早期RLHF流程的外部报道，强化了地图的相关性。	提供了离岸标注的额外证据。
@vanuatu	指出许多大型平台现在使用西方标注者，其收入是当地中位工资的数倍，表明地图可能低估了高薪群体。	指出劳动力市场的异质性。
@danans	询问为什么欧洲客户和工人往往位于同一地点，暗示监管或物流因素。	为进一步研究开辟了思路。
@rito	质疑“殖民主义”的夸张说法，并认为许多标注者是受过教育、精通英语并自愿选择这份工作的人。	呼吁更精确的语言和背景。

讨论反映了两种观点：一种认为地图是揭露剥削的关键一步，另一种则认为术语过于夸张或强调工人能动性。

当前地图的局限性

• 覆盖范围：地图并不详尽；许多较小的标注公司和自由职业平台被遗漏。
• 数据时效性：企业关系变化迅速；如果没有持续更新，快照可能过时。
• 地理粒度：一些国家设有多个交付中心，但地图在国家层面进行了聚合。
• 工资差异：地图未编码工资水平，因此无法直接评估薪酬差距。

创建者设想的后续步骤

1. 扩展数据集，纳入更多标注公司、自由职业市场和新兴的AI训练流程（例如，基于人类反馈的强化学习环境）。
2. 添加额外属性，如平均时薪、内容类型和合同稳定性，以深化分析。
3. 绘制相关供应链，从半导体制造开始，以说明AI的更广泛物质性。
4. 开发面向工人的界面，使标注者能够找到同行、共享资源并协调集体行动。

对AI治理的更广泛影响

• 监管监督：劳动力链的可见性可以为劳动权利立法、强制性披露要求或道德AI数据采购认证计划提供信息。
• 企业责任：公司可能面临声誉压力，以改善工作条件或转向高工资市场。
• 公众认知：理解AI系统建立在人类劳动之上，可能会抑制炒作，并培养对AI能力和伦理的更现实期望。

---

该地图仍在完善中，但其存在标志着朝着揭开AI背后隐藏的人类基础设施迈出了具体一步，并开启了关于智能系统时代公平劳动实践的对话。