为什么人工智能要在印度农村接受培训

维鲁杜讷格尔是印度东南部的一个小镇，拥有数千年前的寺庙。

但在距离这些古老遗址不远的地方，人们正在研究最新的技术——人工智能。

莫汉·库马尔就是其中之一。

“我的角色是人工智能注释。我从各种来源收集数据，对其进行标记，并训练人工智能模型，以便它们能够识别和预测对象。随着时间的推移，这些模型将成为半监督的，可以自行做出决策，”他说。

印度长期以来一直是外包 IT 支持中心，班加罗尔或金奈等城市是此类工作的传统中心。

但近年来，公司已将工作转移到更偏远的地区，那里的员工和空间成本较低。

这一趋势被称为“云农业”，而人工智能又给了它另一个推动力，维鲁杜讷格尔等许多城镇都拥有从事人工智能研究的公司。

那么库马尔先生是否认为自己因为不在大城市而错过了机会呢？

“在专业上，没有真正的区别。无论是在小城镇还是大都市，我们与来自美国和欧洲的相同全球客户合作，所需的培训和技能是相同的，”库马尔先生说。

Kumar 先生在 Desicrew 工作。它成立于 2005 年，是云农业领域的先驱。

Desicrew 首席执行官 Mannivannan J K 表示：“我们意识到，我们可以将工作机会带到人们已经居住的地方，而不是强迫人们迁移到城市寻找工作。”

“长期以来，机会都集中在城市，而农村青年却被抛在后面。我们的使命始终是在离家更近的地方创造世界一流的职业，同时证明可以在任何地方提供高质量的工作。”

Desicrew 从事各种外包工作，包括为初创公司进行软件测试、构建数据集来训练人工智能以及审核内容。

目前，其 30% 到 40% 的工作与人工智能相关，“但很快，这一比例将增长到 75% 到 100%，”J K 先生说。

其中大部分工作是转录——将音频转换为文本。

“机器能更好地理解文本，”他解释道。

“为了让人工智能自然地发挥作用，机器必须接受训练来理解人们说话方式的变化。这就是为什么转录是如此关键的一步，它构成了机器跨语言、方言和上下文理解和响应的基础。”

J K 先生说，在小城镇做这样的工作并不是一个缺点。

“人们常常认为农村意味着不发达，但我们的中心在各个方面都反映了城市 IT 中心——安全的数据访问、可靠的连接和不间断的电力。唯一的区别是地理位置。”

他的员工中大约 70% 是女性：“对于许多人来说，这是他们的第一份带薪工作，这对他们的家庭产生了变革性的影响——从经济保障到孩子的教育，”J K 先生说。

NextWealth 成立于 2008 年，也是云农业的先行者。

该公司总部位于班加罗尔，在印度各地小城镇设有 11 个办事处，拥有 5,000 名员工。

NextWealth 联合创始人兼董事总经理 Mythily Ramesh 表示：“印度 60% 的毕业生来自小城镇，但大多数 IT 公司只从大都市招聘人才。这留下了巨大的未开发人才库，即聪明的第一代毕业生。”

“这些学生中有许多是第一代毕业生。他们的父母是农民、织布工、裁缝、警察——这些家庭靠贷款来资助他们的教育，”她说。

NextWealth 最初是从大公司的后台外包工作，但五年前进入了人工智能领域。

“世界上最先进的算法正在印度的小镇上进行训练和验证，”拉梅什女士说。

其大约 70% 的作品来自美国。

“每个人工智能模型，从类似 ChatGPT 的系统到面部识别，都需要大量的人类标记数据。这是云农业工作的支柱。”

她认为还有很多工作要做。

“未来 3-5 年，人工智能和 GenAI 将在培训、验证和实时处理方面创造近 1 亿个就业岗位。印度的小城镇可以成为这批劳动力的支柱。”

她希望印度能够继续成为此类工作的中心。

“像菲律宾这样的国家可能会迎头赶上，但印度在人工智能采购方面的规模和起步较早为我们提供了五到七年的优势。我们必须在差距缩小之前利用它，”她说。

KS Viswanathan 是一名技术顾问，曾在印度国家软件和服务公司协会（外包公司贸易协会）工作。

“硅谷可能正在构建人工智能引擎，但保持这些引擎可靠的日常工作越来越多地来自印度的云农业产业，”他说。

“我们确实正处于一个转折点。如果云农业继续扩大规模，印度小镇很可能成为世界上最大的人工智能运营中心，就像二十年前成为 IT 服务中心一样。”

但成功并不能保证。

虽然 Next Wealth 和 Desicrew 都表示他们可以使用可靠且安全的互联网连接，但维斯瓦纳坦表示，印度小城镇的情况并非总是如此。

“可靠的高速互联网和安全的数据中心并不总是与地铁相提并论，这使得数据保护成为人们持续关注的问题。”

即使建立了良好的联系，也需要努力让客户放心。

“更大的挑战是认知而不是技术。国际客户经常认为小城镇无法满足数据安全标准，即使系统很强大。必须通过交付来赢得信任。”

回到 NextWealth，Dhanalakshmi Vijay 对人工智能进行了“微调”。例如，如果它混淆了两个看起来相似的物品，例如蓝色牛仔夹克和海军蓝衬衫，她会纠正模型。

“然后，这些修正会反馈到系统中，对模型进行微调，以便下次看到类似情况时，它会表现得更好。随着时间的推移，人工智能模型会积累经验，就像使用定期补丁更新软件一样，使其更加准确和可靠，”维杰女士说。

这样的工作在现实世界中产生了影响。

“我和团队间接训练人工智能模型，让您的在线购物体验变得轻松无忧，”她说。