Ljudi koji treniraju robote

Kada se govori o treniranju robota, ljudi obično zamišljaju inženjere, labove i skupu opremu. Stvarnost je manje glamurozna: sve više tog posla radi se kod kuće, uz iPhone, ring light i jednostavne zadatke koji stvaraju podatke za humanoidne modele. To nije sitnica na margini, nego nova infrastrukturna slojnost za embodied AI.

Gig radnici širom svijeta, uključujući i one u Hrvatskoj, treniraju robote kod kuće koristeći svoje iPhoneove i ring lightove. Ova metoda omogućava jeftiniju i učinkovitiju kolekciju podataka za treniranje robota. MIT Technology Review to opisuje kao rastući tržišni sloj, a micro1-ova robotics stranica pokazuje da se podaci za robote već kupuju, kuriraju i prodaju kao ozbiljan proizvodni pipeline.

Prema dostupnim informacijama, tvrtke poput Micro1 vode ovaj trend i nude gig radnicima mogućnost da zarade novac tako što će snimati sebe kako obavljaju različite zadatke. To mijenja ulogu radnika: više nisu samo izvršitelji, nego i “učitelji” modela koji će kasnije pokušati ponoviti njihove pokrete. Ljudi koji su ranije bili ograničeni na tradicionalne poslove sada sudjeluju u stvaranju datasetova koji bi mogli oblikovati buduće robote.

Ali upravo tu priča postaje zanimljiva. Ako je rad fragmentiran, slabo plaćen i bez dugoročnih prava na podatke, onda novi posao samo prepakira staru prekarizaciju. Zbog toga je važno pitati tko zadržava vlasništvo nad datasetom, kako se mjeri kvaliteta i hoće li radnici dobiti išta više od jedne kratke isplate.

Ako se ovaj model potvrdi, tržište rada dobit će novu podjelu: jedni će trenirati robote, drugi će ih servisirati, treći će ih implementirati. To ne znači da će tradicionalni poslovi odmah nestati, ali znači da će se dio vrijednosti premjestiti prema ljudima koji mogu proizvesti korisne fizičke podatke.

Istodobno, postoji i tehnička granica. Snimanje pokreta ne rješava samo po sebi sigurnost, robusnost ili ponašanje u složenim uvjetima. Ako je dataset loše kuriran, model će učiti lošu verziju stvarnosti. Zato se ovdje ne radi samo o “novom poslu”, nego o novoj vrsti odgovornosti u lancu treniranja.

Drugim riječima, gig ekonomija ne nestaje, nego dobiva važniju ulogu u infrastrukturi robotike. To može biti dobra vijest ako rad bude bolje plaćen i jasnije reguliran. Ako ne, samo ćemo imati moderniji način da se isti rad rasprši na tisuće malih zadataka.