《你不知道的線上零工經濟》:無人知曉的幽靈工作,揭露人工智慧背後的「工人智慧」

《你不知道的線上零工經濟》:無人知曉的幽靈工作,揭露人工智慧背後的「工人智慧」
Photo Credit: Shutterstock / 達志影像
我們想讓你知道的是

按需發案勞工平台為今日的線上企業提供了與人類勞工結合的人工智慧,創造出巨大且隱形的勞工族群,也就是這些線上零工:幽靈勞工。

文:瑪莉.葛雷(Mary L. Gray)、西達爾特.蘇利(Siddharth Suri)

幽靈工作如何運作?

電腦程式就是一串指示,告訴電腦要做什麼。兩個電腦程式(或軟體和硬體)之間需要溝通時,必須先建立共通的語言;這就要靠API(應用程式介面)來達成。API定義了程式要接受哪些指示,以及執行指示後會發生什麼事,這就是一種共通的溝通「語言」。可以這麼說,API具體定出了電腦程式的「交涉規則」。比方說,市面上現在如果沒有幾千種不同的電腦,少說也有幾百種吧,因此,要為每一型電腦寫出獨有的軟體系統,會複雜到難以想像。

而當市面上所有的機器(至少有很大一部分)都遵守同樣的API時,程式設計師就能一次為所有機型寫出程式碼,因為API能保證所有的機器都了解同樣的語言。這一類的API只能指定電腦能做的事,但軟體開發人員可以用MTurk API來寫程式(用的指示只有一點點差異),也就創造出可自動付費給接案人類的程式了。

一般來說,程式設計師要進行運算時,會透過作業系統定義的API來與CPU(中央處理器)互動。如果程式設計師用幽靈勞工來完成工作,則透過按需發案的勞力平台API與人合作互動。程式設計師發案給人,利用這個人的創意能力——和接案的時間——來回應人力召募。人類不像CPU,他們有動力會為自己做決定。CPU只會執行收到的指令,人類卻會做出自發、有創造力的決定,加入自己的解讀——跟API的互動結束後,人類有自己的需要、動機和偏見。而輸入同樣的資訊,CPU一定會輸出同樣的東西。

反過來看,讓肚子很餓的人進超市,他們買的東西會跟不餓的時候有很大的差別。這種衝動和自發性換來CPU缺乏的東西,那就是人類的創造力和創新能力。喬安、卡拉和賈斯丁都參與了不斷成長的經濟,這個經濟體隱藏在API的後方,從幽靈工作中得到運行下去的燃料。

不到二十年前,軟體開發人員只寫給電腦執行的程式碼。MTurk API與後續的機制,讓程式設計人員能用真人執行電腦做不到的工作,比方說喬安和卡拉所做的工作:判斷內容有無色情成分,正確做出快速的主觀判斷。事實上,無論是誰坐在網路瀏覽器前,遇到軟體自動請求協助都能快速回應。API、機械運算和人類的智謀結合在一起,就是企業所謂的「群眾外包」、「微工作」(microwork)或「眾包工作」。電腦科學家稱之為「人智運算」。可以切分成一系列獨立工作的專案就可以用人智運算來解決。軟體可以用這些API來管理工作流程,處理電腦和人類個體的輸出結果,在人完成工作後付費。我們現在用的很多現代人工智慧系統、網站和應用程式看似自動,其實背後的動力卻來自這些人。

假設有一名二十多歲的女性,叫她艾米莉好了,她站在芝加哥的路邊打開智慧型手機上的Uber(優步)應用程式,一名Uber駕駛回應了叫車需求。艾米莉跟駕駛都不知道他們的相會是取決於遠隔重洋的一名女性,假定她的名字是艾耶莎好了。

艾米莉跟駕駛都不知道,Uber軟體才剛特別標記了他的帳號。駕駛——先叫他山姆吧——前一晚為了慶祝女友的生日把鬍子刮掉了。他今天早上的自拍照——Uber的一套即時身分辨識機制,於二○一六年推出來認證駕駛人——跟紀錄中身分證的相片不符。山姆沒想到的是,在他兩張照片(一張有鬍子,一張沒鬍子)中,臉部的不一致會自動使帳號遭停權。同樣也在他渾然不覺時,山姆的生計突然岌岌可危。

同時,在外號印度矽谷的海德拉巴(Hyderabad),艾耶莎坐在廚房裡,瞇著眼睛看她的筆記型電腦。她才接了一份從Uber發送給CrowdFlower軟體的工作,而現在也加入了這趟行程,可是別人看不到她。CrowdFlower的競爭對手也取了一樣時髦又有科技感的名字,例如CloudFactory、PlaymentClickworker,這些公司提供自己平台上的軟體來服務案主,這些案主需要在短時間內找到一群可以立即上工的人力。艾耶莎跟其他數萬人每天都會登入CrowdFlower這一類的眾包平台尋找客戶發的案件。艾耶莎——或任何其他回應了CrowdFlower召募而來的隱形勞工——會決定山姆能不能接送艾米莉。

在愈來愈壯大的服務供應鏈裡,Uber和CrowdFlower是兩個連結點,使用API和人類運算來指派工作。Uber用CrowdFlower的API付費給人去審查艾耶莎提供的結果,如果能通過考驗,在幾分鐘內,就會把Uber支付的款項給她。如果達不到預先用程式設定的門檻,艾耶莎付出的努力就得不到酬勞,她也沒有機會去投訴。API的設計並不包含傾聽艾耶莎的需求。

當艾耶莎比對排在一起的兩張照片,CrowdFlower網頁右上角的計時器會開始倒數,催促她動作快一點。如果在倒數結束前,她還沒提交回應,CrowdFlower就不會處理Uber給這件工作的款項。艾耶莎眨眨眼,瞄了一下計時器,瞇著眼睛細看縮圖大小的照片:對,同樣的棕色眼睛。同樣有酒窩的臉頰。她按下「OK」。

山姆把車停到路邊時,他的帳號也經審核通過,可以接送艾米莉了。艾米莉把目光從芝加哥擁擠的街道上移開,上了山姆的車,而在車門關上前,艾耶莎已經接到下一份工作了。她希望這天在結束接案前,可以多賺個幾盧比。

Uber的乘客和駕駛都沒發覺,可能在很遠的地方,也有可能就在同一條街上,有個人正在檢查他們的交易流程。在美國,上述這種覺察不到的交流每一百次Uber車程中就會有一次,所以每天可能約發生一萬三千次。我們永遠看不到艾耶莎幫CrowdFlower做的幽靈工作,但跟她以及其他的勞工接觸之後,我們就可以想像:那些短暫的勞力交易是艾米莉等消費者和山姆等駕駛永遠看不到的。艾耶莎只是唯一可讓我們追蹤到的幽靈勞動的一環,我們只能靠艾耶莎來想像幽靈勞工的經驗,而艾米莉和山姆早就不見人影了。

每天都有數十億人使用著網站內容、搜尋引擎查詢功能、推文、貼文和智慧型手機應用程式提供的服務。他們以為光靠科技的魔力就能買這買那。但事實上,背後的人力來自世界各地,這群人在幕後默默地工作。這些工作主要是自由業,難以預料什麼時候會有需求,因為不是全職工作,也不是按時計酬的職位,而沒有確定的合法地位。有時候,這些工作負有的重要性猶如「第二次機器時代」或「第四次工業革命」的先驅,或被納入更廣泛的數位或平台經濟範疇中。而又有時候,大家很順口就把這些工作叫作零工(gig)。

按需接案的零工經濟千奇百怪,可能不止一名雇主,也可能要透過網路平台來執行案件,現存的就業法還無法掌握這些工作。按需工作平台是零工經濟中的「工頭」,收入來自在線上買賣人力,產生一個兩面的市場,有形形色色的業務,以及一群又一群的無名勞工。媒體學者兼社會學家葛拉斯彼(Tarleton Gillespie)指出,平台不會創造我們在平台上可見到的內容,「但做出的決定又與之息息相關。」這一點不容忽視。

按需工作平台很容易變默不作聲的合作夥伴,立場較傾向願意付費給平台尋找勞工的公司,而較少顧及來到平台找工作的勞工。

從最大的企業到最小的新創事業,每一家公司都要仰賴按需工作平台所積累的接案勞工。消費者已經習慣一發出要求,就期望在幾秒內得到回應,企業便用這一群勞工來滿足消費者。企業放棄傳統的派遣仲介公司,轉向這種人才庫,趕著在最後一刻填滿團隊裡的空缺。從人才庫找人,加快新專案的速度:或許是要測試新軟體的隱私設定,也或許是要調查適合各地的乳酪通心麵口味該怎麼描述為佳。

此類新嘗試的不確定性太高,或者說沒人有把握值不值得為新嘗試雇用全職員工,甚或企業不想花人事費用,連約聘人員都不想找。不先評估消費者的反應,企業便不想投資在新的服務或產品上。顧客口味和滿意度的風向一直在變,必須隨之起舞的服務業可以先用幽靈勞工貢獻的想法來實驗,反覆測試代表一般消費者的這群勞工有什麼反應再說。

機器人可能快來了,但是還沒真的來臨

幾乎每個星期,我們都會看到新聞頭條高聲疾呼:人類快要沒有工作了。我們都看到這類警告:過不了多久,機器人會興起、打倒我們。大家都明白自動化及一旁輔佐自動化的大功臣——人工智慧,正在逐步淘汰人力。機器手臂可以把金屬片從工廠這頭移到那頭;軟體機器人可以接下用文字簡訊傳來的披薩訂單;無人機可以把包裹送到我們的家門口。這些智慧科技系統現在可見於許多傳統的工作場所,據說就預示了人力會從職場中快速消失的命運。另有一說,人工智慧一定會勝利,只有具備獨特資格的勞工才不會失業——每個人都需要提升技能,而且是立刻提升。

Tesla(特斯拉)和SpaceX的創辦人馬斯克(Elon Musk)、知名的物理學家霍金(Stephen Hawking),以及谷歌創辦人之一佩吉(Larry Page)等卓越人士都曾發表過上述言論。他們可能很焦慮,覺得我們「召來了(人工智慧)的魔鬼」,不然就是開始懷念人工智慧前的時代,那時的人類似乎能控制自己的命運。但聳動的標題讓已經更混亂的現實益發晦澀難懂。儘管機器人毫無疑問確實是在興起,但大多數自動化工作仍需要人類參與,二十四小時從旁工作,通常是兼職或約聘人員在機器卡住或出問題時,微調並照看自動化的程序,技術系統跟人類一樣,也會生病倒下。

此外在歷史上,朝著自動化前進的征途上也帶來了新的需求,更創造出不同類型的人力來滿足這些需求。從這個角度來看,由軟體管理的新興工作世界其實也很類似組裝汽車的工廠,把勞工放在產線上最需要人力的地方。這也很像十九世紀的女性和小孩在農場上做的計件工作:組裝一個火柴盒可以賺個幾毛錢。當然,也很像把醫療轉錄和電話客服等任務外包給全球南營(Global South),國家在一九九○年代末期,因為網際網路的擴展,這些國家也跟著興盛起來。

工廠工作、計件工作和外包都可說是線上發案的先驅,因為工作量很小、重複性高,也對產業整體無足輕重。這些工作多半不穩定,也無人支援,通常接這些工作的人在經濟學家眼中為「可有可無」,或「低技能」。市場稱之為「人力資本」,倒不是反諷。按下「狗」或「貓」來標記影像,最後iPhone就會認得出大家家裡養的寵物,確實有些類似轉轉螺絲,最後就能組出一台福特卡車的概念——但相似之處僅此而已。

人工智慧技術取得進步後,最明顯的目標就是要用來做藍領生產工作。二○一六年,鴻海公司製造iPhone的工廠據說用機器人取代了六萬名員工。亞馬遜的二十個出貨中心據說在同年,也配置了四萬五千個機器人,與二十三萬名員工並肩工作。然而,這些數字造成了混淆,使我們忽略自動化創造了多少工作。媒體在報導人工智慧對藍領工作造成衝擊時,也會讓我們忽視了一種新型態的人工勞動模式,而且它發展得還很快,因為在人工智慧達到極限時,這些勞工能補足機械不足處,或照看自動化的生產系統。

過去二十年來,獲利最高的可能原本是大量製造耐用商品的公司,例如家具和衣物。而時移世易,販售服務的企業現在才是大發利市的業種,其中可能包含醫療服務、消費者分析和零售,也就是把體驗賣給消費者,例如小口喝一杯拿鐵或看看娛樂資訊節目,這些都比製造電視機更賺錢。

形形色色的企業利用並管控一群臨時勞工,以此來控制成本。只在有需要的時候才找來你要的人,這種做法已有半個世紀的歷史,企業用這個策略規避和全職員工的協商必要,也規避保護勞工的法定職業分類與就業法。

人類與人工智慧結合,重塑了製造、零售、行銷和顧客服務的樣貌,也超越了我們熟悉的就業類別。全職的生產輪班工作在工廠的控制下,不斷重複,一環環緊密相連,但任務導向的服務就不一樣了,例如正確修改客戶的報稅表單,或即時翻譯影片並上字幕,都需要人類無數次反覆辨識和預測內容,這樣的工作不是每天工作八小時、一星期工作五天就能順利完成的。此類工作並非千篇一律,變數很多,因此很難完全不用人力。

大多數人以為人工智慧很聰明,或是怕人工智慧比我們聰明,其實不然。以仰賴人工智慧的AlphaGo當例子好了,AlphaGo的成就眾所周知,最近才被寫入技術專家哈特利(ScottHartley)的著作《書呆與阿宅》(The Fuzzy and the Techie)。二○一七年五月,AlphaGo成為第一個打敗世界圍棋冠軍柯潔的電腦程式。五個月後,AlphaGo輸給它的下一代AlphaGoZero。

不過,也不必一味嘖嘖稱奇,別忘了:圍棋有固定的規則,不會變動,也在封閉的環境裡對戰,只有兩名棋手的行為能決定結果。開發AlphaGo和AlphaGoZero的程式設計師在谷歌所投資的DeepMind公司工作,他們給了程式關於輸贏的明確定義——下棋要贏,就是要能預見下棋時每一步怎麼走,會帶來什麼影響更遠的結果。

AlphaGo的訓練資料來自很大的資料庫,例如有人類高手對弈的幾十億種棋勢,也有機器自己跟自己下的棋局,這些都有助於將更好、更有利的下法與棋勢學起來。接下來,AlphaGoZero徹底從這些之前的經驗裡做好充足準備,並跟自己的前代AlphaGo對戰。研究人工智慧的知名專家迪特里奇(Tom Dietterich)認為,「我們必須仰賴人類,把他們對這個世界的廣博知識填補回來」,才能讓機器完成大多數的日常任務。真實生活比一局圍棋複雜多了。

媒體把人工智慧渲染成智慧無邊的東西,大幅報導機器人必然會興起,然而,把工作轉交給喬安、卡拉、賈斯丁和艾耶莎等人的新型線上工作平台卻顛覆了這些故事。真實世界的任務,例如辨別仇恨言論、把某個出租場地分類為適合在春天舉辦婚禮的空間、正確修改稅單報表,都需要靠人類的判斷力。這不像圍棋棋局,不能明確指定唯一的最佳選擇為何。

比方說,我們能列舉出「最佳」婚禮場地的所有特質嗎? 應該很難。就算能做到,關於場地的特質,人人都有自己的偏好,何況目前也沒有能教導人工智慧識別「最佳選擇」的訓練資料。此外,無數的外在因素,例如某地的俚語、氣候變遷引發的颶風,以及無計畫的稅制改革立法,都可能造成干擾、影響結果。在很多狀況下,變數太多了,我們無法訓練目前的人工智慧培養出夠高的察覺力,或具備足夠的經驗,來明智回應意料之外的情形。這就是為什麼人工智慧必須回過頭仰賴人腦,用人類廣博的知識來彌補決策過程中的不足處。

我們剛才已經帶大家檢視過人工智慧的「影子」——你會發現在這勞動的新世界裡,軟體管理著人類,而人類在做電腦做不到的事情。建置人員創造出系統,把任務從人類身上轉交給機器,卻也令新的問題浮上檯面,在自動化的過程中有待解決。舉例來說,網路成為主流後,Facebook、Twitter 和Instagram等公司便接到愈來愈多的要求,要他們審查線上內容,而自動化審查工具的能力有限,無法勝任此工作。同時,新穎的系統上線後,通常會碰到意料之外的問題,無法履行承諾,這時候需要喬安和卡拉等人的工作就出現了。

自動化審查軟體愈來愈進步,都要歸功於這些勞工,但軟體的表現距離完美還差得遠。自動化程序在邁向完美的路途上一定有出錯的時候,於是便產生了須假人類之手的臨時工作。一旦人工智慧訓練成功、表現得跟人類一樣好,勞工則會接下工程師交付的下一階段工作,繼續挑戰自動化的極限。我們不斷幻想出人工智慧的新用法,終點線也就跟著推移改變,所以也就不能確定能否走完完全自動化的「最後一哩」。這叫作「自動化最後一哩的矛盾」。

人工智慧持續進步,同時創造出臨時的勞動市場,此市場需求的工作類型超乎預期。自動化非常矛盾,因為要消除人力的欲望總會為人類產生新的任務。我們所謂的「最後一哩」正是指人類能做的事和電腦能做的事之間的缺口,軟體工程師理所當然會用幽靈勞工來進行手邊的任務,好讓人工智慧得以突破極限。同理可證,愈來愈多的公司野心勃勃,想帶給我們利用人工智慧的「智慧」來運作的數位助理,幫忙管理我們的行事曆以及協助訂機票,但在人工智慧日漸滿足不了我們益發嚴格而精確的種種需求時,就需要更多人來插手。

事實上,在科技邁向自動化的長征之路上,一直都得仰賴臨時人力。現代工程師的目標是透過演算法和人工智慧來解決問題,他們來到了人工智慧最後一哩矛盾的最新迭代週期。在技術發展的前沿,臨時工作的高峰與低谷會一直變動,同時也不斷在過程中重新定義人機之間的關係。

按需發案勞力平台興起,表示愈來愈多人傾向用API安排、派送和排程工作。從本書提到的例子來看,這種使用臨時勞力來發展新科技的新導向,為近年來的「人工智慧革命」提供了動力。手機應用程式或線上服務背後的人工智慧系統如果不確定接下來該怎麼回應顧客,就需要人力介入協助,而且要馬上有人協助才行,使用者往往期待執行搜尋引擎和社群媒體的軟體在幾毫秒內就要有反應,因此傳統的雇傭方法這時就不管用了。比方說,如果人工智慧需要弄清楚突發自然災害發生後,某詞彙激增的搜尋次數跟災害之間的關聯,就會需要人類立即介入協助。

災害終究會過去,而軟體從人類大量的輸入中也能學到它該懂的東西。時刻待命的一群勞工接上了API,就能提供這樣的結果。軟體開發人員可以寫出程式碼,自動雇用某個人來解決眼前的問題、檢查他們的工作,並支付工作酬勞。同樣地,使用現代機器學習系統的科學家和研究人員則需要乾淨無誤的訓練資料。他們需要自動化的方法來幫他們產生和清理所要用到的資料,這時也要仰賴世界各地的許多人來做這樣的工作。

按需發案勞工平台為今日的線上企業提供了與人類勞工結合的人工智慧,創造出巨大且隱形的勞工族群,也就是這些線上零工:幽靈勞工。按需求交付服務和勞動可能就是未來的工作型態中少不了的要件,而在設計和管理上一定要謹慎,並且也要注意這種勞動型態是怎麼重新建構人類就他們原先擁有的正職所賦予的工作意義,另外它又是怎麼改變人類在過去所習慣的傳統就業經驗。倘若不加以留意,可能會有預期之外的結果,說不定還會造成災害。

書籍介紹

本文摘錄自《你不知道的線上零工經濟:揭露人工智慧中的工人智慧,以及網路眾包人力低薪、無保障的真相,新型態的雇傭關係將如何改變我們的未來?》,臉譜出版

作者:瑪莉.葛雷(Mary L. Gray)、西達爾特.蘇利(Siddharth Suri)
譯者:嚴麗娟

瓦解中的傳統職場、崛起的網路眾包發案平台、全面自動化的逐步迫近……
資訊時代新型的勞動模式,會把我們職涯的未來帶往何方?

  • 2000年代之初,網路技術尚未發展到今日的程度,本書所述的工作幾乎無人從事。而據2015年一項調查──在10多年之間──光是歐、美就有2500萬人投入資訊類線上零工經濟。
  • 他們為亞馬遜一類的電商網頁校對圖片、修正錯字、檢查商品留言;為臉書等社群媒體過濾不雅內容;更不斷改進搜尋引擎演算法精準度,產生使用者最需要的搜尋結果。
  • 預計在2025年以前,經線上按需發案平台實現的白領資訊服務工作,會讓全球GDP增加2.7兆美元。
  • 到了2030年代初期,單看美國,科技上的創新就會分解掉約38%的工作,並轉為半自動化。
  • 照目前的發展趨勢研判,預計在2055年以前,全球將有半數以上工作會以某種形式轉換成按需式線上零工經濟。

當傳統就業環境龜裂、崩解,企業不願再負擔龐大人事成本,應用更靈活彈性的資訊技術來促成線上接發工作案件的平台異軍突起,新的雇傭生態系也應運而生。

  • 參與這種勞動市場的人有什麼樣的面貌?
  • 這些平台又是怎麼運作、誰在運作、利用什麼樣的人力運作?
  • 網路與資訊科技未來將怎麼形塑新時代的勞動市場?

人類發展科技以求更高效工作並非本世紀獨有。從工業革命的紡織機代替紡織工人、
電腦代替人腦達成高速運算等前例中,都可見到以下矛盾──
「真人」與「機器」先是互助合作,卻隨技術進步演變為得要提防機器取代原屬於「人」的工作機會。
到了網路時代,同樣的故事還在上演──無論技術再怎麼進步,
總是有最後一些小任務無法讓機器代勞,需要人類輔助,
而這些任務就很適合以按需發案工作平台,將工作發給臨時勞動力來完成。

按需發案工作平台指的是一種可促成無數個別工作案件的雙邊媒合平台,
將案主零碎、可在外部執行的小任務,外包給四散各地的線上按需接案工作者。
如亞馬遜、臉書、各大旅遊訂房網等企業可透過平台來發布工作案件,
將校正、勘誤文字、整理分類圖片,或檢查有無不雅內容等工作交由平台發布出去,
與接案者相互媒合、發案,最後支給酬勞。
簡言之是一種具備人機合作、群眾外包、按件計酬等特性的線上勞動體系。

本書即是一位人類學家和一位電腦學家召集的研究小組,自2013年開始的五年深入研究結果,
講述方興未艾的平台雇傭模式崛起、壯大,甚至可能失控的發展軌跡,
探究早已行之有年、卻仍若隱若現於全球經濟體系的線上勞動世界。

除了詳盡闡明線上零工經濟的內幕與趨勢,也提出有關勞權、科技公司獲利模式、社會公平性等問題──

  • 線上平台接案工作者等於自由工作者嗎?他們又能享有多大的自由?
  • 按需發案工作平台可以取代企業中人事部門與事業團隊嗎?去人性化的工作環境是否為長久之計?
  • 按需發案工作平台百害而無一利嗎?有沒有政府或輿論參與改良、討論的空間?
  • 這些平台供應商有沒有回饋社會的方式,與接案勞工的在地社群建立良性互動與連結?

這本由產業界核心人士所挖掘的第一手調查報告,
要逐步帶領讀者洞悉線上零工、平台經濟、傳統職業AI化的趨勢表面下,更深層而複雜的結構性問題。

getImage
Photo Credit: 臉譜出版

責任編輯:翁世航
核稿編輯:潘柏翰