Hàng ngàn người bán danh tính để huấn luyện AI – nhưng với cái giá nào?

Một buổi sáng năm ngoái, Jacobus Louw bắt đầu chuyến đi bộ hàng ngày quanh khu phố để cho những con hải âu ăn. Lần này, anh quay nhiều video về đôi chân và cảnh vật khi đi bộ trên vỉa hè. Video này mang về cho anh 14 đô la, gấp khoảng 10 lần mức lương tối thiểu của đất nước, hoặc đối với Louw, một thanh niên 27 tuổi ở Cape Town, Nam Phi, đó là nửa tuần chi phí mua sắm thực phẩm.
Video này là cho một nhiệm vụ "Điều hướng Đô thị" mà Louw tìm thấy trên Kled AI, một ứng dụng trả tiền cho người đóng góp khi tải lên dữ liệu của họ, chẳng hạn như video và ảnh, để huấn luyện các mô hình trí tuệ nhân tạo. Trong vài tuần, Louw kiếm được 50 đô la bằng cách tải lên ảnh và video về cuộc sống hàng ngày của mình.
Cách đó hàng ngàn dặm ở Ranchi, Ấn Độ, Sahil Tigga, một sinh viên 22 tuổi, thường xuyên kiếm tiền bằng cách cho phép Silencio, một nền tảng thu thập dữ liệu âm thanh cho việc huấn luyện AI, truy cập micro điện thoại của anh để ghi lại tiếng ồn xung quanh thành phố, chẳng hạn như bên trong nhà hàng hoặc tiếng giao thông tại một giao lộ đông đúc. Anh cũng tải lên các bản ghi âm giọng nói của mình. Sahil đi lại để ghi lại các bối cảnh độc đáo, như sảnh khách sạn chưa được ghi lại trên bản đồ của Silencio. Anh kiếm được hơn 100 đô la mỗi tháng cho việc này, đủ để trang trải tất cả chi phí ăn uống của mình.
Và ở Chicago, Ramelio Hill, một thợ hàn tập sự 18 tuổi, đã kiếm được vài trăm đô la bằng cách bán các cuộc trò chuyện riêng tư trên điện thoại với bạn bè và gia đình cho Neon Mobile, một nền tảng huấn luyện AI đàm thoại trả 0,50 đô la mỗi phút. Đối với Hill, phép tính rất đơn giản: anh cho rằng các công ty công nghệ đã thu thập quá nhiều dữ liệu riêng tư của anh, nên anh cũng có thể kiếm được một phần lợi nhuận.
Những người huấn luyện AI làm việc tự do này – những người tải lên mọi thứ từ cảnh vật xung quanh họ đến ảnh, video và âm thanh của chính họ – đang ở tuyến đầu của một cuộc đua vàng dữ liệu toàn cầu mới. Khi nhu cầu về dữ liệu chất lượng cao, cấp độ con người của Thung lũng Silicon vượt xa những gì có thể thu thập từ internet mở, một ngành công nghiệp thị trường dữ liệu đang phát triển đã xuất hiện để thu hẹp khoảng cách. Từ Cape Town đến Chicago, hàng ngàn người hiện đang cấp phép siêu nhỏ danh tính sinh trắc học và dữ liệu thân mật của họ để huấn luyện thế hệ AI tiếp theo.
Nhưng nền kinh tế tự do mới này đi kèm với những đánh đổi. Đổi lại vài đô la, những người huấn luyện này đang thúc đẩy một ngành công nghiệp cuối cùng có thể khiến kỹ năng của họ trở nên lỗi thời, đồng thời khiến một số người dễ bị tổn thương trước tương lai của deepfakes, đánh cắp danh tính và khai thác kỹ thuật số mà họ mới chỉ bắt đầu hiểu.
Giữ cho bánh xe AI quay
Các mô hình ngôn ngữ của AI, chẳng hạn như ChatGPT và Gemini, đòi hỏi lượng lớn tài liệu học tập để cải thiện, nhưng chúng đang đối mặt với tình trạng khan hiếm dữ liệu. Các nguồn huấn luyện được sử dụng nhiều nhất, chẳng hạn như C4, RefinedWeb và Dolma, chiếm một phần tư các bộ dữ liệu chất lượng cao nhất trên web, hiện đang hạn chế các công ty AI tạo sinh huấn luyện mô hình bằng dữ liệu của họ. Các nhà nghiên cứu ước tính các công ty AI sẽ hết văn bản chất lượng cao mới để huấn luyện vào đầu năm 2026. Mặc dù một số phòng thí nghiệm đã phải quay lại sử dụng dữ liệu tổng hợp mà AI của họ tạo ra, một quy trình lặp lại như vậy có thể dẫn đến việc các mô hình tạo ra những nội dung lỗi đầy rác rưởi gây sụp đổ.
Đây là lúc các ứng dụng như Kled AI và Silencio xuất hiện. Trên các loại thị trường dữ liệu này, hàng triệu người đang kiếm tiền từ danh tính của họ để cung cấp và huấn luyện AI. Ngoài Kled AI, Silencio và Neon Mobile, còn có nhiều lựa chọn khác cho người huấn luyện AI: Luel AI, được hỗ trợ bởi vườn ươm khởi nghiệp nổi tiếng Y-Combinator, cung cấp các cuộc trò chuyện đa ngôn ngữ với giá khoảng 0,15 đô la mỗi phút. ElevenLabs cho phép bạn sao chép giọng nói của mình bằng kỹ thuật số và cho phép bất kỳ ai sử dụng nó với phí cơ bản là 0,02 đô la mỗi phút.
Bouke Klein Teeselink, giáo sư kinh tế tại King’s College London, cho biết: "Huấn luyện AI tự do là một loại hình công việc mới nổi và nó sẽ phát triển đáng kể."
Tesselink cho biết các công ty AI biết rằng việc trả tiền cho mọi người để cấp phép dữ liệu của họ giúp tránh rủi ro tranh chấp bản quyền mà họ có thể gặp phải nếu họ hoàn toàn dựa vào nội dung được thu thập từ web. Veniamin Veselovsky, một nhà nghiên cứu AI, cho biết các công ty này cũng cần dữ liệu chất lượng cao để mô hình hóa các hành vi mới, cải tiến trong hệ thống của họ. Veselovsky nói thêm: "Dữ liệu con người, hiện tại, là tiêu chuẩn vàng để lấy mẫu bên ngoài phân phối của mô hình."
Những con người cung cấp năng lượng cho máy móc, đặc biệt là những người ở các nước đang phát triển, thường cần tiền và có ít lựa chọn khác để kiếm tiền. Đối với nhiều người huấn luyện AI tự do, làm công việc này là một phản ứng thực tế đối với sự bất bình đẳng kinh tế. Ở các quốc gia có tỷ lệ thất nghiệp cao và tiền tệ mất giá, việc kiếm tiền đô la Mỹ thường ổn định và có lợi hơn các công việc địa phương. Một số người trong số họ gặp khó khăn trong việc tìm kiếm các công việc nhập môn, và làm huấn luyện AI vì sự cần thiết. Ngay cả ở các quốc gia giàu có hơn, chi phí sinh hoạt ngày càng tăng đã biến việc bán mình thành một bước ngoặt tài chính hợp lý.
Tuy nhiên, những cạm bẫy của việc huấn luyện AI tự do có thể vô hình. Trên một số thị trường AI, người huấn luyện dữ liệu cấp các giấy phép không thể thu hồi, miễn phí bản quyền cho phép các công ty tạo ra "tác phẩm phái sinh", nghĩa là một bản ghi âm giọng nói dài 20 phút ngày nay có thể cung cấp năng lượng cho một bot dịch vụ khách hàng AI trong vài năm tới, mà người huấn luyện không bao giờ nhận được thêm một xu nào. Ngoài ra, do thiếu minh bạch trên các thị trường này, khuôn mặt của người dùng có thể xuất hiện trong cơ sở dữ liệu nhận dạng khuôn mặt hoặc quảng cáo săn mồi ở một nửa thế giới, với hầu như không có biện pháp pháp lý nào.
Dữ liệu con người, hiện tại, là tiêu chuẩn vàng để lấy mẫu bên ngoài phân phối của mô hình
Louw, người huấn luyện AI ở Cape Town, nhận thức được những đánh đổi về quyền riêng tư. Và mặc dù thu nhập không ổn định và không đủ để trang trải toàn bộ chi phí hàng tháng của anh, anh sẵn sàng chấp nhận những điều kiện này để kiếm tiền. Anh đã vật lộn với một chứng rối loạn thần kinh trong nhiều năm và không thể tìm được việc làm, nhưng số tiền kiếm được trên các thị trường AI, bao gồm Kled AI, đã cho phép anh tiết kiệm để tham gia một khóa đào tạo spa trị giá 500 đô la để trở thành một người mát-xa.
Louw nói: "Là một người Nam Phi, việc được trả bằng USD có giá trị hơn mọi người nghĩ."
Mark Graham, giáo sư địa lý internet tại Đại học Oxford và tác giả của Feeding the Machine, thừa nhận rằng đối với các cá nhân ở các nước đang phát triển, số tiền có thể có ý nghĩa trong ngắn hạn, nhưng cảnh báo rằng "về mặt cấu trúc, công việc này bấp bênh, không tiến bộ và thực sự là một ngõ cụt".
Graham nói thêm rằng các thị trường AI dựa vào "cuộc đua xuống đáy về tiền lương" và "nhu cầu tạm thời về dữ liệu con người". Một khi nhu cầu này thay đổi, "người lao động sẽ không còn được bảo vệ, không có kỹ năng chuyển đổi và không có mạng lưới an toàn".
Graham nói, người chiến thắng duy nhất xuất hiện là "các nền tảng ở miền bắc toàn cầu [những người] thu giữ tất cả giá trị lâu dài".
Quyền cho phép toàn quyền
Hill, người huấn luyện AI ở Chicago, có những cảm xúc lẫn lộn về việc bán các cuộc gọi riêng tư của mình cho Neon Mobile. Với khoảng 11 giờ gọi, anh kiếm được 200 đô la, nhưng anh nói rằng ứng dụng thường xuyên bị ngoại tuyến và không thanh toán các khoản nợ quá hạn. Hill nói: "Neon luôn mờ ám với tôi, nhưng tôi vẫn tiếp tục sử dụng nó để kiếm thêm tiền dễ dàng cho hóa đơn và các chi phí linh tinh khác."
Bây giờ anh đang suy nghĩ lại về việc số tiền đó dễ dàng như thế nào. Vào tháng 9, chỉ vài tuần sau khi ra mắt, Neon Mobile đã ngừng hoạt động sau khi TechCrunch phát hiện ra một lỗ hổng bảo mật cho phép bất kỳ ai truy cập số điện thoại, bản ghi âm cuộc gọi và bản ghi chép của người dùng. Hill nói Neon Mobile chưa bao giờ thông báo cho anh về điều này, và bây giờ anh lo lắng giọng nói của mình có thể bị lạm dụng trên internet.
Jennifer King, một nhà nghiên cứu về quyền riêng tư dữ liệu tại Viện Trí tuệ Nhân tạo Lấy Con người làm Trung tâm Stanford, cho biết điều đáng lo ngại là các thị trường AI không rõ ràng về cách thức và nơi dữ liệu của người dùng sẽ được triển khai. Bà nói thêm, nếu không đàm phán hoặc biết quyền của mình, "người tiêu dùng có nguy cơ dữ liệu của họ bị sử dụng lại theo những cách mà họ không thích hoặc không hiểu hoặc lường trước, và họ sẽ có ít biện pháp khắc phục nếu có".
Khi người huấn luyện AI chia sẻ dữ liệu của họ trên Neon Mobile và Kled AI, họ đang cấp một giấy phép toàn quyền (toàn cầu, độc quyền, không thể thu hồi, có thể chuyển nhượng và miễn phí bản quyền) để bán, sử dụng, hiển thị công khai và lưu trữ hình ảnh của họ – và thậm chí tạo ra các tác phẩm phái sinh từ chúng.
Avi Patel, người sáng lập Kled AI, cho biết các thỏa thuận dữ liệu của công ty ông giới hạn việc sử dụng cho mục đích huấn luyện và nghiên cứu AI. "Toàn bộ hoạt động kinh doanh phụ thuộc vào sự tin tưởng của người dùng. Nếu những người đóng góp tin rằng dữ liệu của họ có thể bị lạm dụng, nền tảng sẽ ngừng hoạt động." Ông nói rằng công ty của ông thẩm định các doanh nghiệp trước khi bán bộ dữ liệu, để tránh làm việc với những bên có "ý định đáng ngờ", chẳng hạn như nội dung khiêu dâm, và "các cơ quan chính phủ" mà họ tin rằng có thể sử dụng dữ liệu theo những cách mâu thuẫn với sự tin tưởng đó.
Là một người Nam Phi, việc được trả bằng USD có giá trị hơn mọi người nghĩ
Neon Mobile đã không trả lời yêu cầu bình luận.
Theo Enrico Bonadio, giáo sư luật tại City St George’s, Đại học London, các điều khoản của các thỏa thuận này cho phép các nền tảng, cũng như khách hàng của họ, thực hiện "hầu như bất cứ điều gì với tài liệu đó, mãi mãi, không có thêm khoản thanh toán nào và không có cách nào thực tế để người đóng góp rút lại sự đồng ý hoặc đàm phán lại một cách có ý nghĩa".
Những rủi ro đáng lo ngại hơn bao gồm dữ liệu của người huấn luyện được sử dụng cho deepfakes và mạo danh. Mặc dù các thị trường dữ liệu tuyên bố loại bỏ mọi thông tin nhận dạng, như tên và địa điểm, khỏi dữ liệu trước khi bán, nhưng các mẫu sinh trắc học, về bản chất, rất khó để ẩn danh một cách mạnh mẽ, Bonadio nói thêm.
Hối tiếc của người bán
Ngay cả khi người huấn luyện AI có thể đàm phán các biện pháp bảo vệ chi tiết hơn về cách dữ liệu của họ sẽ được sử dụng, họ vẫn có thể cảm thấy hối tiếc. Khi Adam Coy, một diễn viên ở New York, bán hình ảnh của mình vào năm 2024 với giá 1.000 đô la cho Captions, một trình chỉnh sửa video được hỗ trợ bởi AI hiện được gọi là Mirage, thỏa thuận của anh đảm bảo danh tính của anh sẽ không được sử dụng cho bất kỳ mục đích chính trị nào hoặc để bán rượu, thuốc lá hoặc nội dung khiêu dâm, và giấy phép sẽ hết hạn sau một năm.
Captions đã không trả lời yêu cầu bình luận.
Không lâu sau, bạn bè của Adam bắt đầu gửi cho anh những video mà họ tìm thấy trên mạng có khuôn mặt và giọng nói của anh thu hút hàng triệu lượt xem. Trong một trong những video này, một reel trên Instagram, bản sao AI của Adam tuyên bố là "bác sĩ âm đạo" và quảng bá các chất bổ sung y tế chưa được chứng minh cho phụ nữ mang thai và sau sinh.
Coy nói: "Thật xấu hổ khi phải giải thích điều đó với mọi người."
Coy nói thêm: "Các bình luận thật kỳ lạ khi đọc vì họ bình luận về ngoại hình của tôi, nhưng đó không thực sự là tôi." "Cảm giác của tôi [khi quyết định bán hình ảnh của mình] là hầu hết các mô hình sẽ quét internet để lấy dữ liệu và hình ảnh [dù sao đi nữa], vì vậy tốt nhất là nên được trả tiền cho nó."
Coy nói anh chưa đăng ký bất kỳ công việc dữ liệu AI nào kể từ đó. Anh ấy nói, anh ấy sẽ chỉ xem xét nếu một công ty đưa ra mức bồi thường lớn.