OC
Mechanical Turk 将关闭:“人工人工智能”退场后,数据劳动没有消失
科技 · 2026-08-26 · AI 与社会 · 阅读 5

Mechanical Turk 将关闭:“人工人工智能”退场后,数据劳动没有消失

据 CNBC 报道,Amazon 将在 2026 年 9 月 30 日关闭运营 21 年的 Mechanical Turk。这个曾被 Jeff Bezos 称为“人工人工智能”的平台,把计算机做不了的小任务分发给真人完成。

CNBC 报道Amazon 将在 2026 年 9 月 30 日关闭运营 21 年的 Mechanical Turk。这个曾被 Jeff Bezos 称为“人工人工智能”的平台,把计算机做不了的小任务分发给真人完成。

一句话结论:MTurk 被 AI 和新数据平台挤出市场,不代表机器已经不需要人,而是人的工作从公开、零散的小任务,迁移到了更集中、更专业也更不透明的训练与评测供应链。

Mechanical Turk 2005 年上线,名称来自十八世纪那台看似会下棋、实际上藏着真人棋手的“土耳其行棋傀儡”。平台上的工作也有相似结构:系统把图片标注、音视频转录、问卷和内容审核包装成 Human Intelligence Tasks,再由全球工作者以几美分一单的价格完成。

Amazon 最初用它处理自家电商数据,后来又将劳动力提供给研究机构和企业。公司曾称平台拥有超过 50 万名工作者。对雇主来说,它是一种随取随用的人力 API;对工作者来说,它提供远程和弹性时间,也长期伴随低单价、任务拒付、申诉困难和收入不稳定。

过去几年,生成式 AI 同时从两端侵蚀这个模式。一端是原本需要人工完成的简单分类和转写开始自动化;另一端是训练更强模型需要的数据劳动变复杂了。Scale AI、Mercor、Prolific 等平台不只寻找点击标签的人,还要招募程序员、医生、律师和领域专家制作偏好数据、评估推理过程或验证 Agent 输出。数据劳动没有被删除,而是重新分层。

旧式微任务平台关闭后,工作者转向更专业的数据评测岗位

更讽刺的是,AI 也进入了 MTurk 自身。报道援引 2023 年一项研究称,最多 46% 的受调查 MTurk 工作者曾使用 AI 完成任务。这会让依赖“真人回答”的研究和标注数据受到污染:客户以为自己购买的是人类判断,得到的可能是另一套模型生成的答案。平台如果没有可靠的身份、过程和质量控制,廉价人力池就很难继续作为可信数据源。

关闭带来的成本不会平均分配。企业可以迁移到其他供应商,但仍依靠 MTurk 获得收入的人必须重新建立评分、客户关系和工作流程。Turkopticon 的工作者组织者 Krista Pawloski 告诉 CNBC,仍有人把它当成全职工作;远程、可碎片化完成的任务,对照护家庭成员、行动受限或难以进入传统职场的人尤其重要。

这也是为什么“AI 替代低技能任务”的叙事太简单。平台退出既有技术原因,也有 Amazon 减少投入、竞争者改善产品和客户转移的商业原因。下一代数据平台如果只是把工人藏得更深、把绩效监控做得更细,所谓产业升级未必会变成劳动条件升级。

关键事实

  • 上线与关闭:MTurk 于 2005 年推出,计划 2026 年 9 月 30 日关闭。
  • 工作内容:图片标注、转录、问卷、人工审核等微任务。
  • 历史规模:Amazon 曾称平台服务超过 50 万名工作者。
  • 近期信号:Amazon 此前已停止接收新的 MTurk 客户。

OC 判断

MTurk 的终点不是“人类标注结束”,而是廉价、匿名、通用微任务模式失去优势。模型越强,剩下的人类工作越可能需要专业知识和责任承担;工资、申诉和数据质量制度理应同步升级。

为什么重要

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4