Amazon has set an expiration date. On July 30, 2026, Mechanical Turk will stop accepting new customers. Existing account

Amazon ഒരു കാലാവധി നിശ്ചയിച്ചിട്ടുണ്ട്. 2026 ജൂലൈ 30-ന് Mechanical Turk പുതിയ ഉപഭോക്താക്കളെ സ്വീകരിക്കുന്നത് നിർത്തും. നിലവിലുള്ള അക്കൗണ്ടുകൾ പ്രവർത്തിക്കുന്നത് തുടരും, പ്ലാറ്റ്‌ഫോമിന്റെ സുരക്ഷയും പ്രവർത്തനക്ഷമതയും (uptime) നിലനിർത്തുമെന്ന് Amazon പറയുന്നു. എന്നാൽ പുതിയ ഫീച്ചറുകൾ ഒന്നും തന്നെ വരാൻ പോകുന്നില്ലെന്നും കമ്പനി വ്യക്തമാക്കിയിട്ടുണ്ട്. ഇന്റർനെറ്റ് തൊഴിൽ മേഖലയുടെ ഒരു യുഗത്തെ നിർവചിക്കാൻ സഹായിച്ച ഒരു സേവനത്തെ സംബന്ധിച്ചിടത്തോളം, ഇതൊരു വിടവാങ്ങൽ അറിയിപ്പ് (sunset notice) പോലെയാണ്.

യഥാർത്ഥ ഗിഗ് വർക്ക് മാർക്കറ്റ് പ്ലേസ്

Uber അല്ലെങ്കിൽ TaskRabbit പോലുള്ള ആപ്പുകൾ ചെറുകിട ജോലികളെ ഒരു സാധാരണ സങ്കൽപ്പമാക്കി മാറ്റുന്നതിന് വളരെ മുമ്പ്, അതായത് 2005-ലാണ് Mechanical Turk ആരംഭിച്ചത്. സോഫ്റ്റ്‌വെയറുകൾക്ക് കൈകാര്യം ചെയ്യാൻ കഴിയാത്ത ചെറിയ ജോലികൾ അഥവാ "human intelligence tasks"-നുള്ള ഒരു മാർക്കറ്റ് പ്ലേസ് ആയിട്ടാണ് Amazon ഇതിനെ നിർമ്മിച്ചത്. ലോകമെമ്പാടുമുള്ള അജ്ഞാതരായ തൊഴിലാളികൾ ഓഡിയോ ഭാഗങ്ങൾ ട്രാൻസ്ക്രൈബ് ചെയ്യാനും, സ്റ്റോർഫ്രണ്ട് വിലാസങ്ങൾ പരിശോധിക്കാനും, ഉള്ളടക്കം നിയന്ത്രിക്കാനും (moderate content), ചിത്രങ്ങൾക്ക് ടാഗുകൾ നൽകാനും ഇതിലൂടെ ലോഗിൻ ചെയ്തിരുന്നു. ഒരു CAPTCHA പരിഹരിക്കാനോ, സെർച്ച് റിസൾട്ടുകൾ ക്രമീകരിക്കാനോ, അല്ലെങ്കിൽ ഒരു ഉൽപ്പന്ന റിവ്യൂ പോസിറ്റീവ് ആണോ നെഗറ്റീവ് ആണോ എന്ന് വിലയിരുത്താനോ ആരെങ്കിലും ആവശ്യമുണ്ടോ? എങ്കിൽ MTurk ആയിരുന്നു ആ ഇടം.

വില പലപ്പോഴും സെന്റുകളിൽ (cents) ആണ് കണക്കാക്കിയിരുന്നത്. ആയിരം ഇമേജ് ക്ലാസിഫിക്കേഷനുകൾ ചെയ്യുന്ന ഒരു ബാച്ചിന് ഓരോന്നിനും ഒരു പെന്നി വീതം ലഭിച്ചേക്കാം. ഗവേഷകർക്കും മാർക്കറ്റർമാർക്കും ബൂട്ട്സ്ട്രാപ്പ്ഡ് സ്റ്റാർട്ടപ്പുകൾക്കും ഇത് വിപ്ലവകരമായിരുന്നു. പെട്ടെന്ന് തന്നെ ഒരു ഉച്ചകഴിഞ്ഞ് നൂറുകണക്കിന് പങ്കാളികളുമായി നിങ്ങൾക്ക് ഒരു സർവേ നടത്താനോ, അല്ലെങ്കിൽ ഒരു ഫുൾ അനോട്ടേഷൻ സ്റ്റാഫിനെ നിയമിക്കാതെ തന്നെ ഒരു കമ്പ്യൂട്ടർ വിഷൻ മോഡലിനായുള്ള ട്രെയിനിംഗ് ഡാറ്റ ലേബൽ ചെയ്യാനോ സാധിച്ചു. ഈ പ്ലാറ്റ്‌ഫോം ഒരു അടിസ്ഥാന സൗകര്യമായി (infrastructure) മാറി. സോഷ്യൽ സയന്റിസ്റ്റുകൾ ഇതിലൂടെ പരീക്ഷണങ്ങൾ നടത്തി. ടെക് കമ്പനികൾ ഇന്റർഫേസുകൾ പരിശോധിച്ചു. AI ടീമുകൾ ഡാറ്റാസെറ്റുകൾ നിർമ്മിച്ചു.

2018-ഓടെ Amazon ആ പങ്ക് ആധുനികവൽക്കരിക്കാൻ ശ്രമിച്ചു. Amazon SageMaker AI-യുമായി കൂടുതൽ അടുപ്പിച്ചുക്കൊണ്ട്, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾക്കായുള്ള ഒരു ഡാറ്റ അനോട്ടേഷൻ എഞ്ചിനായി Mechanical Turk-നെ പുനർനിർമ്മിച്ചു. മെഷീൻ ലേണിംഗ് പൈപ്പ്‌ലൈനിൽ വിവരങ്ങൾ എത്തിക്കുക എന്നതായിരുന്നു ഇതിന്റെ ലക്ഷ്യം: അൽഗോരിതങ്ങൾക്ക് പഠിക്കാൻ ആവശ്യമായ വിവരങ്ങൾ മനുഷ്യർ വൃത്തിയാക്കുകയും ലേബൽ ചെയ്യുകയും പരിശോധിക്കുകയും ചെയ്യും. MTurk വെറുമൊരു ചെറിയ ജോലികൾക്കുള്ള ഇടം മാത്രമായിരുന്നില്ല. അത് AI കുതിപ്പിന്റെ മനുഷ്യസഹായമായ നട്ടെല്ലായി മാറേണ്ടതായിരുന്നു.

ആ കുതിപ്പ് വളർന്നുകൊണ്ടേയിരുന്നു. എന്നാൽ Mechanical Turk അതിനൊപ്പം വളർന്നില്ല.

മനുഷ്യർ AI ഉപയോഗിക്കാൻ തുടങ്ങുമ്പോൾ

വൈരുദ്ധ്യം നിശബ്ദമായി വന്നു, പിന്നീട് പെട്ടെന്ന് തന്നെ പ്രകടമായി. 33% മുതൽ 46% വരെ MTurk തൊഴിലാളികൾ തങ്ങൾ കൈകൊണ്ട് ചെയ്യേണ്ട ജോലികൾ പൂർത്തിയാക്കാൻ Large Language Models ഉപയോഗിക്കുന്നുണ്ടെന്ന് 2023-ലെ ഒരു വിശകലനം കണ്ടെത്തി. മനുഷ്യന്റെ വിവേചനബുദ്ധിക്കായി (human judgment) ഗവേഷകർ പണം നൽകി. പകരം അവർക്ക് ലഭിച്ചത് ChatGPT ആയിരുന്നു.

ഇത് തൊഴിലാളികൾ എളുപ്പവഴികൾ തേടുന്നതിനെക്കുറിച്ചുള്ള കഥ മാത്രമല്ല. ഒരു അനോട്ടേറ്റർ ഉപഭോക്താക്കളുടെ റിവ്യൂവിലെ വികാരം (sentiment) ലേബൽ ചെയ്യാനോ, മെഡിക്കൽ ടെക്സ്റ്റ് തരംതിരിക്കാനോ, അല്ലെങ്കിൽ ഒരു ചാറ്റ്ബോട്ട് ട്രെയിനിംഗ് സെറ്റിനായുള്ള സംഭാഷണങ്ങൾ എഴുതാനോ ഒരു LLM ഉപയോഗിക്കുമ്പോൾ, ആ ഡാറ്റ മനുഷ്യകേന്ദ്രീകൃതമായ സത്യമല്ലാതായി മാറുന്നു. അത് ഒരു മെഷീന്റെ ഊഹം മാത്രമായി മാറുന്നു. ആ വിവരങ്ങൾ മറ്റൊരു മോഡലിലേക്ക് ground truth ആയി നൽകിയാൽ, ആ ചക്രം കൂടുതൽ സങ്കീർണ്ണമാകും. സിഗ്നലുകൾ ശബ്ദകോലാഹലങ്ങളായി (noise) മാറും. പശ്ചാത്തലത്തിൽ ഇതിനകം പ്രവർത്തിച്ചുകൊണ്ടിരിക്കുന്ന സോഫ്റ്റ്‌വെയറിന് വെറുമൊരു അംഗീകാരം നൽകുന്ന ഒരു 'റബ്ബർ സ്റ്റാമ്പ്' മാത്രമായി "human in the loop" മാറുന്നു.

AI വ്യവസായത്തെ സംബന്ധിച്ചിടത്തോളം ഇതൊരു പ്രായോഗിക പ്രതിസന്ധിയാണ്. വൈവിധ്യമാർന്നതും സ്വാഭാവികവുമായ മനുഷ്യ കാഴ്ചപ്പാടുകൾ ലഭിക്കുമെന്ന് വിശ്വസിച്ച് ടീമുകൾ MTurk കരാറുകൾക്കായി ആയിരക്കണക്കിന് ഡോളർ ചെലവഴിക്കുന്നു. ആ ജോലിയുടെ വലിയൊരു ഭാഗം ഓട്ടോമേറ്റഡ് ആണെങ്കിൽ, resulting dataset-ൽ യഥാർത്ഥ ജോലി ചെയ്യുന്ന LLM-ന്റെ പക്ഷപാതങ്ങളും (biases), കാഴ്ചപ്പാടില്ലായ്മകളും (blind spots), തെറ്റായ വിവരങ്ങളും (hallucinations) ഉണ്ടാകും. ഗുണനിലവാര നിയന്ത്രണം (Quality control) കൂടുതൽ പ്രയാസകരമാകും. ഒരു മനുഷ്യൻ അവിടെ ഉണ്ടെന്ന് തെളിയിക്കാൻ പോലും ഗവേഷകർക്ക് കൂടുതൽ സങ്കീർണ്ണമായ അറ്റൻഷൻ ചെക്കുകളും ട്രാപ്പ് ചോദ്യങ്ങളും രൂപകൽപ്പന ചെയ്യേണ്ടി വരും. ഈ പ്രതിരോധ നിലപാടുകൾ ചെലവ് വർദ്ധിപ്പിക്കുകയും പ്രോജക്റ്റുകളുടെ വേഗത കുറയ്ക്കുകയും ചെയ്യുന്നു.