रोबोट-प्रशिक्षण स्टार्टअप घरगुती फुटेजच्या बदल्यात मोफत साफसफाई देत आहे

मोफत सेवेच्या रूपात सादर केलेली घरगुती डेटा-संकलन मोहीम

MicroAGI नावाचे एक स्टार्टअप आपल्या Shift अॅपद्वारे न्यूयॉर्क सिटीमधील रहिवाशांना मोफत घर साफसफाईची सेवा देत आहे, पण खरे उत्पादन साफसफाई नाही. खासगी घरांच्या आत काम करणाऱ्या साफसफाई कर्मचाऱ्यांचे पहिल्या व्यक्तीचे व्हिडिओ कंपनीला हवे आहेत, आणि त्या रेकॉर्डिंग्जमुळे पुढच्या पिढीचे घरगुती रोबोट प्रशिक्षित होतील, असे कंपनी म्हणते.

ही ऑफर अत्यंत थेट आहे. स्रोत मजकुरानुसार, Shift न्यूयॉर्ककरांना पहिल्या व्यक्तीच्या साफसफाई फुटेजच्या बदल्यात मोफत व्यावसायिक घर साफसफाई करणाऱ्यांशी जोडते. सुमारे दोन तास चालणाऱ्या अपॉइंटमेंटसाठी बुकिंग करण्यापूर्वी ग्राहकांकडून फोन नंबर, ईमेल पत्ता, घराचा पत्ता आणि प्रवेशसूचना अशी माहिती मागितली जाते.

हे का वेगळे आहे

AI कंपन्या, विशेषतः रोबोटिक्समध्ये, उच्च-गुणवत्तेच्या प्रत्यक्ष-जगातील प्रशिक्षण डेटाच्या गरजेबद्दल नेहमी बोलतात. Shift ला उल्लेखनीय बनवणारी गोष्ट म्हणजे ते डेटा संकलनाला सर्वात खाजगी मानल्या जाणाऱ्या वातावरणांपैकी एक, म्हणजे घर, इथे घेऊन येते. रोबोट प्रशिक्षण बहुतेकदा गोंधळलेल्या, बदलत्या, सामान्य मानवी जागांच्या उदाहरणांवर अवलंबून असते, आणि कॅमेरा घातलेला घर साफ करणारा कर्मचारी नेमके तसलेच साहित्य तयार करू शकतो.

तांत्रिक दृष्टीने तर्क स्पष्ट आहे. घरगुती कामे स्वयंचलित करणे कठीण असते, कारण घरे एकसारखी नसतात. स्वयंपाकघरांची मांडणी वेगळी असते, पसारा रोज बदलतो, पृष्ठभाग वेगळ्या प्रकारे प्रकाश परावर्तित करतात, आणि प्रभावी स्वच्छतेसाठी आवश्यक क्रियाक्रम संदर्भावर अवलंबून असतो. माणसे ती कामे करताना दाखवणारा मोठा व्हिडिओ डेटासेट embodied AI प्रणालींसाठी मौल्यवान प्रशिक्षण साहित्य ठरू शकतो.

सामाजिक दृष्टीने पाहता, ही ऑफर बरीच कमी सरळ आहे. मोफत साफसफाई आकर्षक वाटू शकते, पण इथे देवाणघेवाण पैशांच्या बदल्यात श्रम अशी नाही. ती खाजगी पर्यावरणीय डेटाच्या बदल्यात श्रम अशी आहे. त्यामुळे ही सेवा सामान्य घरगुती बाजारपेठेपेक्षा डेटा-संकलन मोहिमेसारखी अधिक वाटते.

MicroAGI ची गोपनीयता भूमिका

Shift FAQ नुसार, नावे, चेहरे आणि इतर वैयक्तिक माहिती आपोआप अज्ञात केली जाते, आणि संवेदनशील तपशील फुटेज वापरण्यापूर्वीच धूसर केले जातात. त्याच्या गोपनीयता धोरणात म्हटले आहे की स्मार्ट ग्लासेस किंवा इतर कॅप्चर उपकरणांवर थेट चालणारी प्रगत मशीन-लर्निंग मॉडेल्स क्लाउड सर्व्हरवर कोणताही डेटा अपलोड होण्यापूर्वी स्वयंचलित चेहरा धूसर करणे आणि ओळखचिन्ह लपवणे अशा अपरिवर्तनीय प्रक्रिया करतात.

हे अनेक ग्राहक AI उत्पादनांपेक्षा अधिक विचारपूर्वक मांडलेले गोपनीयता विधान आहे, पण त्यामुळे मुख्य चिंता दूर होत नाही. स्रोत मजकुरात नमूद केले आहे की धोरणात हे सांगितलेले नाही की लोक आपल्या घर साफसफाईच्या व्हिडिओंना प्रशिक्षण डेटासेटमधून काढून टाकण्याची विनंती करू शकतात का. अनामिकीकरण घराच्या मांडणी, वस्तू किंवा इतर संदर्भ संकेतांवरून घर ओळखले जाऊ नये यासाठी पुरेसे आहे का, हेही उघडेच राहते.

या किरकोळ बाबी नाहीत. चेहरे आणि नावे काढून टाकल्यानंतरही घर सवयी, मालमत्ता, कुटुंबरचना, दिनक्रम आणि सामाजिक-आर्थिक संकेत उघड करू शकते. स्क्रीन किंवा ओळखपत्र धूसर करणे एका प्रकारच्या गोपनीयता धोक्याला संबोधित करते. पण एक राहण्याजोगी जागा ही स्वतःच ओळख देणारा डेटा आहे, ही व्यापक बाब आपोआप दूर होत नाही.

Embodied AI मधील मोठा मुद्दा

उपयुक्त घरगुती रोबोट तयार करण्याची शर्यत, पूर्णपणे स्वायत्त यंत्रे येण्यापूर्वीच, अस्वस्थ श्रम आणि संमतीच्या व्यवस्थांवर अवलंबून असू शकते, याचीही Shift आठवण करून देते. रोबोट स्वतः शिकण्याऐवजी, कंपन्यांना प्रथम मशीन लर्निंगसाठी अनुकूल परिस्थितीत माणसांकडून प्रचंड डेटासेट तयार करवून घ्यावे लागू शकतात. त्या अर्थाने, ही सेवा AI मधील मोठ्या पॅटर्नचा भाग आहे, ज्यात स्वयंचलन अनेकदा मानवी डेटा निर्मितीच्या तीव्रीकरणातून सुरू होते.

कंपनीच्या वेबसाइटवर “काहीही लपलेले नाही” असे म्हटले आहे, पण प्रत्यक्षात एक लपलेली गोष्ट आहे: ते फुटेज. हा व्यवहार स्वीकारार्ह वाटेल की नाही, हे लोक अनामिकीकरण प्रक्रियेवर किती विश्वास ठेवतात आणि भविष्यातील डेटा वापराबद्दल कंपनी किती स्पष्टपणे सांगते, यावर अवलंबून असेल. सध्या Shift ची ऑफर रोबोटिक्स विकास कुठे चालला आहे याचे एक तीक्ष्ण उदाहरण आहे. घर प्रशिक्षणाचे मैदान बनत आहे, आणि गोपनीयता प्रवेशाचा खर्च बनत आहे.

हा लेख Ars Technica च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.