ए आई उद्योग वैश्विक दक्षिण के देशों जैसे फिलीपींस, वेनेजुएला, केन्या और भारत में बड़ी संख्या में डेटा लेबलर को रोजगार देता है। इन देशों में काम करने वालों को स्थिर या सिकुड़ती हुई मजदूरी का सामना करना पड़ता है, और अक्सर ये न्यूनतम मजदूरी से बहुत कम कमाते हैं। कई डेटा लेबलर भीड़-भाड़ और धूल भरे वातावरण में काम करते हैं जो उनके स्वास्थ्य के लिए गंभीर जोखिम पैदा करते हैं। वे अक्सर स्वतंत्र ठेकेदारों के रूप में भी काम करते हैं, जिनके पास स्वास्थ्य देखभाल या मुआवजे जैसी सुरक्षा तक पहुंच नहीं होती है।
दुनिया भर में धूल भरी फैक्टरियों, तंग इंटरनेट कैफे और अस्थायी घरेलू दफ्तरों में लाखों लोग कंप्यूटर पर बैठकर डेटा को लेबल करते हैं। ये कर्मचारी उभरते हुए आर्टिफिशियल इंटेलिजेंस (।प्) उद्योग की जीवनरेखा हैं। उनके बिना, ब्ींजळच्ज् जैसे उत्पाद अस्तित्व में ही नहीं आ पाते। ऐसा इसलिए है क्योंकि वे जिस डेटा को लेबल करते हैं, वह ।प् सिस्टम को ‘‘सीखने’’ में मदद करता है।
लेकिन इस कार्यबल द्वारा उस उद्योग में महत्वपूर्ण योगदान के बावजूद, जिसका मूल्य 2027 तक 407 बिलियन अमेरिकी डालर होने की उम्मीद है, इसमें शामिल लोग बड़े पैमाने पर अदृश्य हैं और अक्सर उनका शोषण किया जाता है।
डेटा लेबलिंग कच्चे डेटा- जैसे कि छवियां, वीडियो या टेक्स्ट- को एनोटेट करने की प्रक्रिया है ताकि ।प् सिस्टम पैटर्न को पहचान सके और भविष्यवाणियां कर सके। उदाहरण के लिए, स्व-चालित कारें पैदल चलने वालों को सड़क के संकेतों से अलग करने के लिए लेबल किए गए वीडियो फुटेज पर निर्भर करती हैं। चैटजीपीटी जैसे बड़े भाषा माडल मानव भाषा को समझने के लिए लेबल किए गए टेक्स्ट पर निर्भर करते हैं। ये लेबल किए गए डेटासेट ।प् माडल की जीवनरेखा हैं। इनके बिना, ।प् सिस्टम प्रभावी ढंग से काम करने में असमर्थ होंगे।
मेटा, गूगल, ओपनएआई और माइक्रोसाफ्ट जैसी तकनीकी दिग्गज कंपनियां इस काम का ज्यादातर हिस्सा फिलीपींस, केन्या, भारत, पाकिस्तान, वेनेजुएला और कोलंबिया जैसे देशों में डेटा लेबलिंग फैक्टरियों को आउटसोर्स करती हैं। चीन भी डेटा लेबलिंग के लिए एक और वैश्विक केंद्र बन रहा है।
इस काम को सुगम बनाने वाली आउटसोर्सिंग कंपनियों में स्केल एआई, आईमेरिट और समसोर्स शामिल हैं। ये अपने आप में बहुत बड़ी कंपनियां हैं। उदाहरण के लिए, कैलिफोर्निया में मुख्यालय वाली स्केल एआई की कीमत अब 14 बिलियन अमेरिकी डालर है।
अल्फाबेट (गूगल की मूल कंपनी), अमेजन, माइक्रोसाफ्ट, एनवीडिया और मेटा जैसी प्रमुख प्रौद्योगिकी कंपनियों ने कम्प्यूटेशनल पावर और डेटा स्टोरेज से लेकर उभरती कम्प्यूटेशनल प्रौद्योगिकियों तक, एआई अवसंरचना में अरबों डालर का निवेश किया है।
बड़े पैमाने पर ।प् माडल को प्रशिक्षित करने में करोड़ों डालर खर्च हो सकते हैं। एक बार तैनात होने के बाद, इन माडलों को बनाए रखने के लिए डेटा लेबलिंग, शोधन और वास्तविक दुनिया परीक्षण में निरंतर निवेश की आवश्यकता होती है। लेकिन जबकि एआई निवेश महत्वपूर्ण है, राजस्व हमेशा अपेक्षाओं को पूरा नहीं करता है। कई उद्योग अभी भी एआई परियोजनाओं को अस्पष्ट लाभप्रदता पथों के साथ प्रयोगात्मक के रूप में देखते हैं।
इसके जवाब में, कई कंपनियां लागत में कटौती कर रही हैं, जिसका असर एआई आपूर्ति श्रृंखला के सबसे निचले स्तर पर स्थित उन लोगों पर पड़ रहा है, जो अक्सर अत्यधिक असुरक्षित होते हैंः डेटा लेबलर।
एआई सप्लाई चेन में शामिल कंपनियां लागत कम करने का एक तरीका ग्लोबल साउथ के देशों जैसे फिलीपींस, वेनेजुएला, केन्या और भारत में बड़ी संख्या में डेटा लेबलर नियुक्त करना है। इन देशों में कामगारों को स्थिर या सिकुड़ते वेतन का सामना करना पड़ता है। उदाहरण के लिए, वेनेजुएला में एआई डेटा लेबलर के लिए प्रति घंटे की दर 90 सेंट से लेकर 2 अमेरिकी डालर के बीच है। इसकी तुलना में, संयुक्त राज्य अमेरिका में यह दर 10 से 25 अमेरिकी डालर प्रति घंटे के बीच है। फिलीपींस में, स्केल एआई जैसी बहु-अरब डालर की कंपनियों के लिए डेटा लेबल करने वाले कर्मचारी अक्सर न्यूनतम वेतन से बहुत कम कमाते हैं।
कुछ लेबलिंग प्रदाता तो लेबलिंग के लिए बाल श्रम का भी सहारा लेते हैं।
लेकिन एआई सप्लाई चेन में कई अन्य श्रम मुद्दे भी हैं। कई डेटा लेबलर भीड़-भाड़ और धूल भरे वातावरण में काम करते हैं जो उनके स्वास्थ्य के लिए गंभीर जोखिम पैदा करता है। वे अक्सर स्वतंत्र ठेकेदारों के रूप में भी काम करते हैं, जिनके पास स्वास्थ्य देखभाल या मुआवजे जैसी सुरक्षा तक पहुंच नहीं होती है।
डेटा लेबलिंग कार्य का मानसिक बोझ भी काफी है, जिसमें दोहराए जाने वाले कार्य, सख्त समय सीमा और कठोर गुणवत्ता नियंत्रण शामिल हैं। डेटा लेबलर को कभी-कभी घृणास्पद भाषण या अन्य अपमानजनक भाषा या सामग्री को पढ़ने और लेबल करने के लिए भी कहा जाता है, जिसके नकारात्मक मनोवैज्ञानिक प्रभाव साबित हुए हैं।
गलतियों के कारण वेतन में कटौती या नौकरी छूट सकती है। लेकिन लेबल लगाने वालों को अक्सर इस बात में पारदर्शिता की कमी का सामना करना पड़ता है कि उनके काम का मूल्यांकन कैसे किया जाता है। उन्हें अक्सर प्रदर्शन डेटा तक पहुंच से वंचित रखा जाता है, जिससे उनके सुधार करने या निर्णयों को चुनौती देने की क्षमता में बाधा आती है।
साभार : www.svenssonstiftelsen.com
