Το πρόβλημα του αόρατου εργάτη

{Ο Αφηγητής και η Marla Singer συναντιούνται και συζητούν μπροστά από την τζαμαρία, πάνω από είκοσι χρόνια μετά. Μιλούν λίγο για τις τράπεζες που θα έπεφταν, για το κραχ που θα ακουγόταν, για τον εαυτό τους που θα άλλαζε αλλά και για τα πράγματα που τους τρόμαζουν σήμερα. Δεν κρατούν αποστάσεις, καπνίζουν νευρικά και αμήχανα: ανέμεναν εδώ και χρόνια να ξαναβρεθούν}

ΜS:  Τα μάθες για τον αόρατο εργάτη; Συζητάει ο κόσμος τα προβλήματά του, έχουν αρχίσει λέει να τον βλέπουν πίσω από τους αριθμούς και τα μοντέλα μηχανικής μάθησης.

ΑΦ: Έχω ακούσει ότι ο αόρατος εργάτης είναι εκείνος που ταΐζει την τεχνητή νοημοσύνη και σιγά σιγά φέρνει τον νέο κόσμο. Μπορεί ένας εργάτης να τα κάνει αυτά;

ΜS: Δεν είναι ένας ρε συ, είναι εκατομμύρια χαμηλά αμειβόμενοι εργαζόμενοι στο διαδίκτυο.

ΑΦ: Δουλεύουν δηλαδή διαδικτυακά;

MS: Όχι δουλεύουν από τα σπίτια τους, τις περισσότερες φορές μετά από 8ώρα και την “κανονική” δουλειά τους. Λένε, ότι ο αόρατος εργάτης βγάζει το χαρτζιλίκι του.

Λένε, ότι εκατομμύρια άνθρωποι σε όλο τον κόσμο κερδίζουν χρήματα σε πλατφόρμες όπως το Amazon Mechanical Turk, το οποίο επιτρέπει σε εταιρείες και ερευνητές να αναθέτουν μικρές εργασίες σε online “συνεργάτες”.

Πολλά από τα πιο επιτυχημένα και ευρέως χρησιμοποιούμενα μοντέλα μηχανικής μάθησης εκπαιδεύονται μέσα από τη δουλειά τους – εκείνοι βέβαια αμοίβονται για τις μικρές τους εργασίες και μετά βγαίνουν από την εξίσωση. Εξ’ ου και μας είναι αόρατοι.

Κανείς δεν μετράει ότι οι εργασίες δημιουργούν τις προϋποθέσεις για νέες οντότητες τις οποίες δεν μετρά κανείς: ότι “έξυπνο” υπάρχει (αμάξια, κινητά, σπίτια κοκ) γίνεται έξυπνο από το μυαλό χιλιάδων αόρατων εργατών. Για φαντάσου, τα “έξυπνα” πράγματα στις ζωές μας βγαίνουν από εκείνους που αν τους βλέπαμε στο δρόμο θα λέγαμε:

“μην είσαι βλάκας μώρε, όλο δουλειά και σπίτι. Ζήσε λίγο”. 

ΑΦ: Θυμάμαι όταν πέρναγα και γω αριθμούς και το έλεγα δουλειά – τι μονότονη φρίκη.

Λένε ότι περισσότερα από ένα εκατομμύριο άτομα, στις ΗΠΑ μόνο, κερδίζουν χρήματα κάθε μήνα κάνοντας δουλειά σε αυτές τις πλατφόρμες. Παρόλο που ο αόρατος εργάτης εργάζεται για μερικά από τα πλουσιότερα εργαστήρια τεχνητής νοημοσύνης στον κόσμο, πληρώνεται κάτω από τον ελάχιστο μισθό και δεν έχουν καμία ευκαιρία να αναπτύξουν τις δεξιότητές τους.

MS: Κάνουν αλήθεια “σπουδαία” δουλειά! Σπαταλούν τον ελεύθερό τους χρόνο για λίγα δολλάρια παραπάνω, χωρίς να υπάρχει κανείς να τους δει. Να μιλήσει για τις συνθήκες εργασίας του, ίσως να πεί “δείτε, δουλεύουν αυτοί, είναι εργαζόμενοι, δεν είναι συνθήκες εργασίας αυτές- τους κλέβουν.”

ΑΦ: Είναι μακρινά προβλήματα αυτά για τους ανθρώπους- που να προλάβουν μες την καθημερινότητα.

Και άντε και προλαβαίνουν, και άντε και τους νοιάζει, ποιος θα τους εξηγήσει, τι είδους δουλειές κάνουν αυτοί οι άνθρωποι; Πάνω σε τι εργάζεται ο αόρατος εργάτης;

MS: Από ότι καταλαβαίνω, πολλές εργασίες περιλαμβάνουν την καταχώρηση δεδομένων – ειδικά δεδομένων εικόνας – με τα οποία “ταΐζονται” μοντέλα μηχανικής μάθησης, έτσι ώστε η Alexa και η Siri να κατανοεί καλύτερα τον κόσμο.

Άλλες φορές είναι απλά το “κουτάλι” τους, άλλες φορές είναι και η φωνή:

Για παράδειγμα, όταν μιλάς στη Siri, ενδέχεται ένας αόρατος εργάτης να ακούει και να αναγνωρίζει την φωνή σου, έτσι ώστε ο αλγόριθμος αναγνώρισης φωνής να μαθαίνει και να κατανοεί καλύτερα το πως μιλάς και ακούγεσαι.

Ή άλλες είναι η ηθική μας:

Οι αόρατοι εργάτες αναζητούν και καταγράφουν ιστότοπους που μπορεί να γεμίζουν με ρητορική μίσους, fake news ή παιδοφιλία.

ΑΦ: Από αυτά που λες, εγώ καταλαβαίνω ότι έχει γίνει πολύ εύκολο για τις εταιρείες να προσθέτουν εξωτερικό εργατικό δυναμικό.

Αυτό όμως δημιουργεί πολλά προβλήματα. Το πρώτο είναι ότι οι αόρατοι εργάτες κερδίζουν πολύ χαμηλούς μισθούς.

Και αυτό φέρνει άλλα προβλήματα, για παράδειγμα οι πλατφόρμες διακόπτουν επίσης τις μελλοντικές ευκαιρίες απασχόλησης, κομματιάζουν την εργατική τους δύναμη: αν πουν ότι δούλευαν σε αυτό το πλαίσιο, οι περισσότεροι εργοδότες δεν θα γνωρίζουν καν τι είναι! Εδώ, εμείς – που καθόμαστε και τα συζητάμε – συνήθως ξεχνάμε ότι πίσω από την τεχνητή νοημοσύνη βρίσκονται εργαζόμενοι.

Νομίζω ότι είναι πολύ σημαντικό να συνειδητοποιήσουμε ότι ένα αυτο-οδηγούμενο αυτοκίνητο δεν υπάρχει λόγω του Musk (φτού!) και άλλων λαμογιών που δεν πληρώνουν τον ελάχιστο μισθό.

MS: Δεν είναι μόνο αυτό. Νομίζω ότι απλά υποτιμούν τι κάνουν και τι μπορούν να κάνουν οι εργαζόμενοι. Υπερεκτιμούν για πόσο καιρό θα μείνουν αόρατοι.

Βγάζουν απλώς μια πλατφόρμα στο διαδικτυακό και λένε στα άλλα αφεντικά:

εδώ βάλε τις δουλειές σου, σπάσ’ τες όσο περισσότερο γίνεται – είναι φθηνό.

Λένε στους εργαζόμενους/ες:

εδώ κατέθεσε το χρόνο σου, βγάλε λίγα λεφτά παραπάνω, δεν είναι κανονική δουλειά, από το σπίτι σου θα ΄σαι.

ΑΦ:Ναι ακριβώς. Τι μπορούμε να κάνουμε γι ‘αυτό όμως;

MS: Ξέρω γω, λίγα πράγματα.

Ο αόρατος εργάτης παρουσιάζεται ως ψηφιακός εργάτης και η δουλειά του ως ψηφιακή.

Η πλάτη που πονάει μετά από ώρες στη καρέκλα του υπολογιστή, οι μαύρες σακούλες κάτω από τα ματιά, οι άλλοι που βγάζουν λεφτά από σένα παρουσιάζονται όλα ως ζητήματά έξω από το πραγματικό, ζητήματα του ψηφιακό κόσμου.

Η πραγματικότητα όμως παραμένει ενιαία, η εργασία και η εκμετάλλευση παραμένουν αναλογικές – το κεφάλαιο είναι που ψηφιοποιείται. 

Και με τον COVID, για πολλούς ανθρώπους η πραγματικότητά της ανεργίας, μοιάζει ως εξής:

“Θα κάνω ότι δουλειά βρώ, και τα αφεντικά το ξέρουν”.

Δεν αφορά μόνο τη τεχνολογία λοιπόν, αφορά την ισορροπία δύναμης για όλους/ες μας.

ΑΦ: Ας δούμε λοιπόν τον κόσμο να καίγεται.

MS: Το βαρέθηκα και αυτό.

(Οι φίλοι μας κοιτούν το κενό και σταματούν τη κουβέντα).

Για να υπερασπιστούμε τους εαυτούς μας αλλά και για να μιλήσουμε για το μέλλον της εργασίας, πρέπει να απαντήσουμε και εμείς στο “Τι μπορούμε να κάνουμε γι ‘αυτό;”

Δεν αρκεί να καταλαβαίνουμε τις χρήσεις της τεχνολογίας, αλλά να βλέπουμε τι είδους κοινωνική πραγματικότητα παράγει η τεχνολογία σε χρήση:

Διατηρώντας τις τρέχουσες κοινωνικές ιεραρχίες, συνήθως δημιουργούμε, εγγενώς, νέες τεχνικές που περιορίζουν τις συλλογικές μας δυνατότητες και τη κοινωνική δημιουργικότητα.

Δεν αρκεί απλά να σκεφτόμαστε πως διαμορφώνεται ένα εργαλεία, πόσο κουράζει ο προγραμματισμός, ποιος κερδίζει ή πως πραγματοποιείται ο έλεγχος.

Χρειάζεται να δούμε μέσα στο μαύρο κουτί της τεχνολογίας.