На этой неделе стартап по обучению ИИ под названием Shift объявил, что будет бесплатно убирать дома жителей Нью-Йорка, с планами расширения на другие города, включая Лондон. Оглядывая свою собственную квартиру, я понимаю привлекательность. Но есть подвох — всегда есть подвох.

В обмен на уборку Shift хочет получить видеозапись работы своих уборщиков: мытьё посуды, протирка столешниц, вытирание пыли, мытьё полов. Им нужно видео всей той скучной домашней работы, которую мы с радостью передали бы на аутсорсинг, если бы могли — и которую компании-робототехники мчатся научить машины делать, чтобы продать нам что-то для этого. Это сложнее, чем кажется. В отличие от чат-ботов, генераторов изображений и других ИИ-инструментов, взорвавшихся в последние годы, роботам приходится иметь дело с физическим миром — понимать пространство, движение, силу, трение, странные формы и материалы, неудобное освещение и всё остальное, что люди постигают инстинктивно. Именно поэтому вещи, обычно лёгкие для нас, такие как складывание одежды, поднятие яблока или наливание стакана воды, оказались безумно сложными для кодификации робототехниками.

Обучение машин этим вещам требует много данных. Текст, изображения и видео можно легко собрать из интернета в промышленных масштабах — часто без компенсации тем, кто их создал. Физический мир сложнее собрать, и ещё сложнее собрать тихо, не заплатив за это. Это делает доступ к высококачественным данным огромным узким местом для компаний, разрабатывающих физический ИИ, поэтому стартапы вроде Shift становятся креативными. Они не одиноки. В Индии недавние репортажи показали, что платформа домашних услуг Pronto использует дома клиентов как источник обучающих кадров для ИИ для таких задач, как приготовление пищи, уборка и стирка. Pronto утверждает, что записывает видео только в том случае, если клиенты явно соглашаются — неясно, что клиенты получают взамен, кроме копии видео — но эта практика вызвала волну критики, и конкурирующие стартапы настаивают, что никогда не записывали внутри домов для обучения ИИ.

Другие стартапы сосредоточены на масштабировании сбора данных. Кремниевая долина Human Archive надеется сотрудничать с компаниями вроде Pronto и заставить работников гиг-экономики записывать свои действия с помощью не очень стильных камер-шляп. Шляпы собирают видео с точки зрения носителя — именно те «эгоцентрические» данные от первого лица, которые нужны компаниям-робототехникам, чтобы научить машины, как люди ориентируются в физическом пространстве. Shift также обращается напрямую к потребителям, утверждая, что заплатил десяткам тысяч людей в 15 странах за запись их действий через своё приложение. Некоторые компании вообще пропускают полезную работу, платя работникам за выполнение одних и тех же физических задач снова и снова, пока камеры и датчики фиксируют каждое движение — превращая рутинную физическую активность вроде складывания полотенец, поднятия чашек и переноски коробок в ценный материал для обучения ИИ.

А некоторые данные поступают от роботов, уже находящихся в мире. Несмотря на ажиотаж, настоящая автоматизация ещё далека — отсюда и потребность во всех этих данных — но компании стремятся выпускать продукты в любом случае, используя данные из домов клиентов для улучшения продукта. Многие полагаются на удалённых работников, которые вмешиваются, когда роботы неизбежно застревают; они тоже будут использовать эти данные. Конечно, обмен данных на что-то ценное — не новость: компании годами предлагали скидки, удобство и бесплатные услуги в обмен на доступ к вашим данным, от карт лояльности и куки до видеорегистраторов, страховых приложений, отслеживающих стиль вождения, и этого гнусного умного телевизора, который всегда показывает рекламу. Новым является вид данных, за которые компании готовы платить. Пока это означает, возможно, позволить человеку бесплатно убрать ваш дом в шикарной шляпе, чтобы в конечном итоге компания могла продать вам робота для этого.