人間の仕事は人型ロボットの陰に隠れている

食器を解体したり車を組み立てたりする人型ロボットの新たなデモンストレーションが示唆するのは、単一目的のロボットアームで人間の手足を複製するのは自動化の古い方法であるということだ。新しいアプローチは、人間が考え、学習し、働くときに適応する方法を再現することを目的としています。問題は、そのようなロボットの訓練や操作に関わる人間の労働に関する透明性の欠如が、一般の人々にロボットが実際に何ができるかを誤解させ、ロボットの周囲で行われている奇妙な新しい形式の仕事に気づかないことである。

AI 時代において、ロボットが仕事のやり方をデモンストレーションする人間からどのように学ぶことが多いかを考えてみましょう。このデータの大規模な活用が現在進められています ブラックミラーっぽいシナリオ。たとえば、上海の労働者は最近、隣のロボットを訓練するために電子レンジのドアを1日に何百回も開閉しながら、仮想現実ヘッドセットと外骨格を装着して1週間過ごした。 世界の残りの部分 通報済み。北米でも、ロボット工学会社フィギュア社が同様のことを計画している。同社は9月、10万戸の住宅を管理する投資会社ブルックフィールド社と提携し、「さまざまな家庭環境」で「膨大な量」の実世界データを収集すると発表した。 (チトラはこの取り組みに関する質問には応じなかった。)

私たちの言葉が大規模な言語モデルのトレーニング データになったのと同じように、私たちの動きも同じ道をたどるようになりました。ただし、人類は将来さらにひどい状況に直面する可能性があり、それはすでに始まっています。ロボット工学者のアーロン・プラサー氏は、従業員が箱の移動中に動作追跡センサーを装着している配送会社との最近の仕事について私に語った。収集されたデータはロボットの訓練に使用されます。ヒューマノイドを作成する取り組みでは、肉体労働者が大規模なデータ収集者として機能する必要があります。 「奇妙なことになるだろう」とプラザー氏は言う。 「何のメッセージもありません。」

あるいは遠隔操作を検討してください。ロボット工学の最終目標は、単独でタスクを完了できる機械ですが、ロボット企業はロボットを遠隔操作する人を雇用しています。新興企業1Xの2万ドルの人型ロボット、ネオは今年家庭に出荷される予定だが、同社の創設者ベルント・オイビンド・ボルニッチ氏は最近、一定レベルの自律性にはコミットしていないと語った。ロボットが立ち往生したり、顧客がロボットに難しい作業を実行してもらいたい場合は、カリフォルニア州パロアルトの本社にいるテレオペレーターがロボットを操作し、衣服にアイロンをかけたり、食器洗い機から荷物を降ろしたりする様子をカメラを通して監視する。

これは本質的に有害ではありません – 1X は遠隔操作モードに切り替える前に顧客の同意を得ます – しかし、私たちが知っているように、遠隔オペレーターがロボットを介して自宅で操作している世界ではプライバシーは存在しません。そして、家庭用ヒューマノイドが真に自律的ではないとしても、この取り決めは、ギグワークのダイナミクスを再現しながら、初めて労働力が最も安価な場所で肉体労働を行えるようにする、賃金裁定の一形態として理解される方がよいだろう。

私たちは以前にも同じような道を歩いたことがあります。ソーシャル メディア プラットフォームで「AI を活用した」コンテンツ モデレーションを実行したり、AI 企業のトレーニング データを収集したりするには、多くの場合、低賃金国の労働者が不快なコンテンツを閲覧する必要があります。そして、AI が間もなくその出力に対して十分なトレーニングを受けて自ら学習するようになるという主張にもかかわらず、最良のモデルであっても意図したとおりに機能するには多くの人間によるフィードバックが必要です。

これらの人間の労働力は、AI が単なるヴェイパーウェアであることを意味するものではありません。しかし、機械は目に見えないままであるにもかかわらず、一般の人々は機械の真の能力を過大評価し続けています。

これは投資家や宣伝にとっては素晴らしいことですが、すべての人に影響を及ぼします。例えば、テスラが自社の運転支援ソフトウェアを「オートパイロット」として売り出したとき、そのシステムが安全に何ができるかについての国民の期待が高まった。マイアミの陪審は最近、22歳の女性が死亡した衝突事故に歪みが寄与したと認定した（テスラは2億4000万ドルの損害賠償の支払いを命じられた）。

人型ロボットにも同じことが言えます。 Huang 氏の指摘が正しく、物理的な AI が私たちの職場、家庭、公共スペースにやってくるとしたら、そのようなテクノロジーをどのように説明し、検証するかが重要になります。しかし、ロボット企業は、AI企業がトレーニングデータについて不透明であるのと同じくらい、トレーニングと遠隔操作について不透明です。これが変わらなければ、私たちは隠れた人間の労働を機械の知能と誤解する危険があり、実際に存在するよりもはるかに多くの自律性が見られることになります。