L. Bardon . – Au début des années 2000, Amazon a commencé à étendre ses services au-delà de la vente de livres. Au fur et à mesure que la variété des produits sur le site augmentait, l’entreprise a dû trouver de nouvelles façons de les classer et de les organiser. Les ingénieurs de l’entreprise ont essayé de créer un logiciel capable d’éliminer automatiquement tous les doublons sur le site. Mais ils ont vite abandonné, qualifiant le défi informatique d’”insurmontable”. Un manager d’Amazon, Venky Harinarayan, a trouvé une solution. Son brevet décrivait un ” système hybride machine/ordinateur humain ” qui décomposerait les tâches en petites unités ou ” sous-tâches ” et les distribuerait à un réseau de travailleurs humains. Ce système distribué offrait un avantage crucial : les travailleurs n’avaient pas besoin d’être centralisés en un seul endroit, mais pouvaient plutôt effectuer les sous-tâches sur leur propre ordinateur personnel, où qu’ils se trouvent et quand bon leur semblait. Harinaryran a mis au point un moyen efficace de distribuer des travaux peu spécialisés mais difficiles à automatiser à un vaste réseau d’humains qui pourraient travailler en parallèle. La méthode s’est avérée si efficace dans les opérations internes d’Amazon que Jeff Bezos a décidé que ce système pourrait être vendu comme un service à d’autres entreprises. Ainsi est né Amazon Mechanical Turk, ou mTurk pour faire court.
La plupart des modèles d’apprentissage par machine les plus réussis et les plus utilisés sont formés grâce à des milliers de travailleurs mal payés. Des millions de personnes dans le monde entier gagnent de l’argent sur des plateformes comme Amazon Mechanical Turk, qui permettent aux entreprises et aux chercheurs de sous-traiter de petites tâches à des travailleurs en ligne. Selon une estimation, plus d’un million de personnes aux États-Unis seulement gagnent de l’argent chaque mois en travaillant sur ces plateformes. Environ 250 000 d’entre elles gagnent au moins les trois quarts de leurs revenus de cette manière. Mais même si beaucoup travaillent pour certains des laboratoires d’IA les plus riches du monde, ils sont payés en dessous du salaire minimum et n’ont aucune possibilité de développer leurs compétences.
Beaucoup de tâches impliquent l’étiquetage des données – en particulier des données d’images – qui sont introduites dans des modèles d’apprentissage machine supervisés. D’autres tâches impliquent la transcription du son. Par exemple, lorsque vous parlez à Alexa d’Amazon, des travailleurs transcrivent ce que vous dites afin que l’algorithme de reconnaissance vocale apprenne à mieux comprendre la parole. Des personnes sont engagées pour effectuer ces tâches sur des plateformes comme Amazon Mechanical Turk. Les grandes entreprises technologiques peuvent utiliser des versions internes – Facebook et Microsoft ont les leurs, par exemple. La différence avec Amazon Mechanical Turk est que tout le monde peut l’utiliser. Les chercheurs et les start-ups peuvent se brancher sur la plateforme et s’alimenter grâce à ces travailleurs invisibles.
La suite ici (Will Douglas Heaven)
