Sửa các động lực khuyến khích lao động dữ liệu AI
Chuỗi cung ứng dữ liệu AI truyền thống thường dựa vào lao động vô hình, được trả công thấp.
Những người thực hiện công việc xếp hạng, gắn nhãn và đánh giá thường có rất ít quyền định giá và rất ít lợi ích gia tăng, ngay cả khi chính phán đoán của họ làm cho bộ dữ liệu trở nên có giá trị.
Reppo được thiết kế để thay đổi điều đó.
Vấn đề cốt lõi
Trong hầu hết các quy trình dữ liệu, người lao động được trả theo mức cố định cho các nhiệm vụ do người khác định nghĩa.
Mô hình đó có ba thất bại lặp đi lặp lại:
Quyền thương lượng thấp: những người đóng góp hiếm khi được chia sẻ phần giá trị gia tăng mà họ giúp tạo ra.
Động lực chất lượng yếu: khoản thanh toán thường gắn với khối lượng đầu ra, chứ không phải chất lượng phán đoán.
Thiếu minh bạch: người mua không dễ dàng biết dữ liệu đến từ đâu, được tuyển chọn như thế nào, hoặc ai đã được thưởng.
Reppo thay đổi mô hình khuyến khích như thế nào
Reppo biến công việc dữ liệu thành một thị trường với các khuyến khích rõ ràng và quá trình tuyển chọn được hậu thuẫn bởi cổ phần.
Chủ sở hữu datanet tạo ra thị trường
Chủ sở hữu khởi chạy datanet xung quanh các nhiệm vụ, lĩnh vực hoặc quy trình làm việc độc quyền cụ thể.
Họ thiết lập các quy tắc truy cập, phí đăng tải và cấu trúc khuyến khích.
Nhà xuất bản và chủ sở hữu dữ liệu mang nguồn cung
Những người đóng góp gửi dữ liệu thô, prompt, đầu ra, chú thích hoặc các tài liệu liên quan khác đến nhiệm vụ.
Việc đăng tải đi kèm chi phí, điều này làm nản lòng spam chất lượng thấp.
Người bỏ phiếu và người gắn nhãn mang đến phán đoán
Người tham gia khóa REPPO để nhận veREPPO và sử dụng nó để tuyển chọn những gì họ cho là có giá trị.
Điều đó biến việc đánh giá thành một hoạt động có trách nhiệm kinh tế, chứ không chỉ là kiểm duyệt không được trả công.
Tín hiệu hữu ích sẽ nhận được sự ủng hộ
Những bài đăng mạnh có thể thu hút sự ủng hộ bền vững.
Những bài đăng yếu có thể bị thách thức, xếp hạng thấp hơn hoặc dần bị loại khỏi cuộc chơi về giá.
Vì sao điều này cải thiện kết quả lao động
Reppo trao nhiều trọng số hơn cho phán đoán có hiểu biết.
Điều đó quan trọng vì nguồn lực khan hiếm trong dữ liệu AI chất lượng cao thường không phải là số giờ lao động thô. Đó là chuyên môn lĩnh vực, gu thẩm mỹ, bối cảnh và khả năng nhận ra tín hiệu sớm.
Trong mô hình này:
những người đóng góp có kỹ năng có thể tự chọn vào các thị trường nơi kiến thức của họ thực sự quan trọng
tuyển chọn và gắn nhãn trở thành công việc có thể được nhìn nhận bằng giá trị kinh tế
phần lợi ích gia tăng gắn trực tiếp hơn với các kết quả hữu ích
người mua dữ liệu có tín hiệu rõ ràng hơn về điều gì có giá trị và vì sao
Điều này quan trọng như thế nào đối với các nhóm AI
Các nhóm AI không chỉ cần nhiều dữ liệu hơn. Họ cần những bộ lọc tốt hơn để biết dữ liệu nào đáng sử dụng.
Reppo giúp điều phối chủ sở hữu dữ liệu, người gắn nhãn, người tuyển chọn và người mua trong cùng một thị trường, ताकि chất lượng được làm nổi bật thông qua các khuyến khích thay vì bị ẩn bên trong các quy trình nhà cung cấp mờ mịt.
Xem Cách Reppo hoạt động để xem luồng ở cấp hệ thống và Phương pháp thu thập để biết cách các loại phản hồi khác nhau được ghi nhận.
Khung nhìn rộng hơn
Reppo không nhất thiết phải là L1 hay L2 riêng của nó để cải thiện kinh tế lao động trong dữ liệu AI.
Vai trò của nó là hoạt động như một lớp điều phối, nơi phản hồi chất lượng cao từ con người có thể được tìm nguồn, đánh giá và tưởng thưởng với sự gắn kết tốt hơn giữa nỗ lực, chuyên môn và việc tạo ra giá trị.
Last updated