一个几美分一单,却曾托起整个深度学习时代的跑腿众包平台。
现在,它要关门了。
亚马逊刚刚宣布,旗下众包平台Mechanical Turk将于今年9月30日彻底停止服务。
巅峰时期,平台上超50万人在线打杂,看图、分类、标注,把电脑当时还学不会的小事,一单单全人工完成。
后来,这股庞大的「人肉算力」直接参与撑起了ImageNet数据集——
没有MTurk,ImageNet上千万张图片的人工标注,几乎不可能完成。
没有ImageNet,李飞飞可能不会一夜成名。
Hinton师徒不会一战封神,深度学习可能也不会在2012年突然复兴。
21年后,真正的AI越来越会做这些作业了。
而当年替AI装聪明的那群人,连同这个平台一起,迎来了《下线通知》。
50万人在线打零工,MTurk找来真人“代班”
Mechanical Turk(MTurk)上线于2005年。
其实最开始吧,亚马逊压根没想着靠这玩意儿改写什么AI历史。
MTurk当时解决的是一个特别实际且抓马的问题:有些任务,对电脑难得要死,对人却简单得离谱。。。
于是亚马逊干脆想了个非常直接的办法:既然程序搞不定,就把问题切碎了扔给真人呗~
于是乎,这些被拆出来的小任务,就被叫做HIT,也就是Human Intelligence Task。
比如一家公司手里有1万张图片要分类,MTurk的玩法,是直接拆成1万个独立任务,同时撒到平台上。
100个人可以一起干,1000个人也可以,几万人一起上线,就更快。
换句话说,MTurk并不是让单个人干得更快,而是把一件原本只能排队做的苦力活,变成了可以「全球并行」。
真·人工版数据飞轮了。。。
而Mechanical Turk这个名字,本身也刚好对应这套「玩法」。
18世纪,欧洲曾有一台著名的机械土耳其人,外面看,是一台会自己下国际象棋的机器,甚至还能跟拿破仑对弈。
后来大家才发现,机器里面一直藏着真人棋手!?(我大E了。。。)
亚马逊把这个典故搬到互联网上,几乎严丝合缝,程序表面上像在自动处理,真正干活的,却是屏幕后面的真人。
贝索斯当年给它起了一个堪称一语成谶的说法:
人工的人工智能(artificial artificial intelligence)。
这个点子一旦跑通,MTurk很快就从亚马逊自家的工具,长成了一个全球众包市场。
到2011年,MTurk上已经汇聚超过50万名Worker,覆盖190个国家。
人一多,能接的活也开始迅速膨胀,图片筛选、语音转写、文本分类、数据清洗、情绪判断、内容审核。
只要是那种「机器容易犯难,人几秒就能判断」的任务,都能往这里扔。
这一扔,就是21年。
没有MTurk,就没有如今的ImageNet和深度学习革命
时间回到2006年前后。
刚到普林斯顿任教不久的李飞飞,决定干一件在当时颇有些反潮流的事儿——
给机器造一本足够大的视觉百科全书。
彼时,主流计算机视觉数据集,往往只有几千到几万张图片,数据太少,模型很容易学成刷题家,能记住训练集里的套路,却很难真正理解现实世界里千奇百怪的物体。
于是李飞飞团队想干一件当时非常疯狂的事儿:给机器造一个「足够大」的视觉世界。
ImageNet数据集,由此诞生。
ImageNet以WordNet为骨架,把现实世界拆成一个个概念,再往每个概念下面塞进成百上千张真实图片。
狗、汽车、苹果、椅子、鸟、鱼......能被定义出来的东西,尽量都往里装。
但很快,一个更现实的问题迎面砸了过来——
图片不难找,Google、Yahoo、Flickr确实也都能搜,但真正麻烦的是搜回来的图,根本不一定对,甚至完全不相关的东西!!!
于是搜索引擎负责把图捞回来之后,还得有人工去做最后一步:一张一张确认。
说个夸张的数字,ImageNet后来要处理的候选图片规模,超过 1.6亿张!!!这一下,人力问题彻底成了死结。。。
就在ImageNet快被海量人工筛图拖住时,李飞飞团队把目光转向了刚上线不久的Amazon Mechanical Turk。
ImageNet团队开始把海量图片筛选工作拆成微任务,再分发给MTurk平台上的全球Worker。
一个宏大的AI基础设施,就这样被拆成了无数次最普通的「鼠标点击」。
2009年发表的ImageNet论文里描述到,当时数据集里就已经收录5247个概念、320万张整理后的图片。
ImageNet团队后来回顾整个项目时给出的数字是:4.9万名MTurk工人,来自167个国家。
换句话说,ImageNet背后真正撑起这场筛图工程的,是一支横跨全球的临时标注大军。
这也就是为什么没有MTurk,ImageNet当年可能真做不出来。。。
ImageNet做起来之后,后面的故事才真正开始加速。
2010年,ImageNet挑战赛开打,全世界的模型开始拿同一套数据训练,再到同一张榜单上PK。
两年后,那个后来被反复写进AI史的组合登场了——
多伦多大学的Geoffrey Hinton,以及他的两个学生Alex Krizhevsky、Ilya Sutskever。
仨人拿着一个深度卷积神经网络参加ImageNet大规模视觉识别挑战赛。
硬是把2012年ImageNet挑战赛Top-5错误率直接压到约15%,一下甩开传统方法一大截。
这也让整个计算机视觉圈第一次如此直观地看到,海量数据、GPU算力和深度神经网络凑到一起,效果可以直接跨一个台阶。
从左到右:llya Sutskever、Geoffrey Hinton与Alex Krizhevsky
从此,Alex Krizhevsky的名字焊在AlexNet上。
Ilya后来去了Google Brain,参与创办OpenAI并担任首席科学家,离开后又创办SSI。
Hinton老爷子后来拿下图灵奖,也成了公认的深度学习教父之一。
李飞飞则回到斯坦福执教、联合领导HAI,并凭借ImageNet奠定了自己在现代计算机视觉史上的位置。
再往后,VGG来了,GoogLeNet来了,ResNet来了。
ImageNet榜单一年年被往下刷,深度学习从视觉一路冲进语音,再杀进自然语言处理,最后走到今天的大模型时代。
这个世界真的很神奇——
李飞飞团队借MTurk做出ImageNet;ImageNet让李飞飞声名大噪;Hinton师徒借ImageNet一战成名;深度学习又借这场胜利走向复兴。
来自167个国家的近5万名普通人,坐在电脑前,把上亿张候选图片一点一点「点」成了ImageNet。
AI终于学会干活了,MTurk却先下线
也正因为如此,Mechanical Turk今天关停,才显得格外像一个时代闭环。
亚马逊官方说法很克制,只表示持续评估旗下产品和服务,因此决定停止MTurk。
CNBC此前援引数据工人权益组织Turkopticon的Krista Pawloski称,MTurk这些年一直在衰退,亚马逊投入越来越少,新一代数据标注平台也在不断分走工人和客户。
但更直接的原因,说白了还是它当年最值钱的那些活,AI自己越来越会干了。。。
2005年你让机器判断一张图里有没有狗还是正经难题,但现在其实已经成了多模态模型顺手就能完成的基础任务。
与此同时,AI行业对「人」的需求也变了。
前沿模型更需要程序员、医生、律师等专业人士去评代码、审回答、测推理和安全。
于是乎,Scale AI、Mercor、Prolific等新平台崛起,开始筛选和管理专家,提供更专业的训练与评测数据。
相比之下,MTurk这种「谁都能接、几美分一单」的众包模式,也越来越跟不上时代了。。。
更魔幻的是,连MTurk工人自己都开始用AI!!!
2023年一项瑞士学者研究发现,受访MTurk工人中,使用AI模型完成文本任务的比例最高可达46%。
原本客户花钱买的是真人判断,结果有些工人可能接单后,再把题目交给ChatGPT之类的模型回答。
这件事多少有点黑色幽默了。。。
MTurk的命运,其实也是过去20年AI的一张缩影。
最早人类躲在机器背后,一张图一张图地点,硬生生攒出了ImageNet,也推开了深度学习时代的大门。
后来,AI沿着这些数据一路长大,终于学会自己看图、听声音、写文字。
21年后,当年替AI装聪明的人退场了。
那台藏着真人棋手的「机械土耳其人」,也终于可以关上柜门了。
参考链接:
[1]https://www.cnbc.com/2026/08/25/amazon-service-that-jeff-bezos-called-artificial-ai-is-shutting-down.html
本文来自微信公众号“量子位”,作者:梦瑶
