Han så porno 8 timer om dagen for at træne AI – og det kostede ham dyrt

Bag de avancerede AI-systemer, som vi dagligt bruger til alt fra søgning til billedgenkendelse, gemmer sig tusindvis af mennesker i en industri, de fleste aldrig hører om. Michael Geoffrey Asia fra Kenya er én af dem.

I otte måneder sad Michael foran en skærm i otte timer hver dag og kiggede på pornografisk indhold. Hans opgave var at tagge og kategorisere billederne i 10-12 kategorier pr. runde, så AI-modeller kunne lære at sortere og forstå eksplicit materiale i søgefunktioner. Det er en form for menneskelig dataetiketering, som er afgørende for mange AI-systemer.

Kroppen lukkede ned

Jobbet tog hårdt på ham. Michael udviklede søvnforstyrrelser og fik problemer med hukommelsen og intimiteten i sin hverdag. Han fortæller selv: "Hele min krop lukkede ned" efter den intensive eksponering.

Michael arbejdede også som menneskelig chatbot – han kommunikerede med onlinebrugere, der troede, de snakkede med en AI. Hvis brugerne opdagede, at det var et menneske i den anden ende, risikerede Michael at blive udelukket fra platformen og miste sin indkomst.

Teknikken bag: RLHF

Den metode, Michael deltog i, kaldes RLHF – Reinforcement Learning through Human Feedback. Princippet er relativt enkelt: menneskelige bedømmere vurderer AI-svar og "belønner" gode svar, mens dårlige "straffes". Over tid lærer modellen at producere bedre output. Det er fundamentet for mange af de sprogmodeller og billedgenkendelses-AI'er, vi kender i dag.

Et globalt og voksende fænomen

Professor Mikkel Flyverbom påpeger, at AI-træningsarbejde nu spreder sig til Danmark. Hvor det tidligere primært var lavtlønnet arbejde i lande som Kenya, Rwanda og Pakistan, rekrutteres nu også højtuddannede vestlige eksperter – læger, softwareingeniører og jurister – til at forbedre AI-modeller inden for deres specialer.

Skandalen voksede, da det kom frem, at Meta måtte opsige samarbejdet med firmaet Sama, efter at det blev afsløret, at private videoer optaget med brugernes AR-briller var blevet sendt til Kenya til analyse – uden samtykke fra brugerne.

Menneskene bag maskinerne

Historien om Michael er en påmindelse om, at selv de mest sofistikerede AI-systemer er bygget på menneskelig arbejdskraft – arbejde, der ofte er usynligt, dårligt betalt og psykisk belastende. Næste gang du får et præcist AI-søgeresultat, er der måske et menneske bag, som har gjort det muligt.