在人工智能技术迅猛发展的当下，许多人被AI带来的便利和创新所吸引，然而鲜有人关注在光鲜表象背后，支撑这些技术运转的庞大且隐形的劳动力。实际上，无论是自驾车的远程监控，还是大型语言模型和图像生成系统的训练，都离不开成千上万的人工参与者进行数据标注、内容审查和安全测试。这些工作往往工作环境恶劣、待遇低廉，却是AI技术能够正常运作不可或缺的基础。 2023年，知名自动驾驶公司Cruise公开承认其所谓的“无人驾驶”出租车实际上在关键时刻需要由远程操作员接管。这一事实引发了公众的广泛关注，也让外界意识到即使是最先进的自动驾驶技术背后，也有真人在背负着直接的操控责任。对于这些工人来说，远程驾驶仅是他们繁重工作的冰山一角。
类似的，AI训练领域更是高度依赖大量低薪、临时工作的数据劳动者完成基本工作。 许多人工智能工具的核心数据来源于人工标注者的努力，他们负责为图像、文本和视频内容添加标签、划定重点区域、分类信息甚至评估模型输出的合理性和伦理性。举例来说，自驾车摄像头拍摄的影像需要有人精准地圈出可能的行人、红绿灯或障碍物，语言模型产生的回答需要人工评判其是否流畅、是否含有偏见，社交网络帖子也需要被筛查以辨别是否含有仇恨言论或暴力威胁。这类工作不仅技术要求不高，但却常常涉及大量令人不安、充满毒性内容的筛查，使劳动者面临巨大精神压力。 这种被称作“众包工作”或“幽灵劳动”的行业模式，在西方大多数消费者眼中几乎透明无形，因而得名“隐形劳动”。然而对于实际执行这些任务的劳动者来说，工作环境常常是艰苦的，待遇低劣，且缺乏基本的劳动保障和心理支持。
AI时代数据标注的兴起，很大程度上得益于亚马逊推出的Mechanical Turk平台，这一系统将小型任务拆分后分配给全球各地的自由职业者。名称来源于18世纪的一个假象自动国际象棋机，隐喻了表面自动背后隐藏的人工操作者。 ImageNet作为首批大规模图像标注数据集，是AI领域的里程碑项目。由斯坦福大学的李飞飞教授及其团队发起，依托于Mechanical Turk平台，耗时数年动用约5万名来自167个国家的劳动者，对超过1400万张图像进行分类和标注，为深度学习模型的训练奠定了坚实基础。虽然这一项目推动了计算机视觉的技术革新，但也不可忽视其背后工人的辛劳和付出，以及低薪状态带来的剥削争议。 如今，类似Mechanical Turk的众包平台层出不穷，诸如Prolific、Qualtrics、Remotasks等公司竞相提供数据标注、内容审核等服务。
大量任务被转包至第三方公司，进一步拉远了最终客户与底层劳动者之间的距离。现实中，许多负责处理网络垃圾信息和极端内容的工人，来自全球经济欠发达地区，承受着巨大的心理创伤。以Sama（亦称Samasource）为例，这家标榜“道德AI”的企业聘用肯尼亚、乌干达和印度等地的工人，任务包括标记含有未成年人色情素材的视频等极端内容。多起报道显示，工作人员因长时间接触这些内容而产生严重心理损伤，甚至影响家庭关系，但企业却缺乏相应的心理补偿和支持措施。 随着生成式AI的爆发，另一类被称为“红队员”的岗位出现，这些专业人员不断向模型输入激进、挑衅性的内容，检测并报告模型潜在的偏见和有害输出。虽然这种做法可帮助企业降低系统出现严重失误的风险，但身为受害者的红队员每日需要面对大量暴力、歧视及偏见内容，对心理健康造成沉重负担。
与此同时，这些岗位长期处于不稳定状态，工作时间和报酬常由平台随时调整，令工人陷入诸多不确定性与焦虑。 AI数据工作与内容审核高度重合，二者均属极其艰苦的精神劳动。工作本身虽然为行动不便、需在家办公或有照护责任者提供一定就业机会，但缺乏系统性的工作保护、心理救助和合理的工资待遇，使这份职业难以成为可持续的长期选择。部分科技企业虽然表态关注员工福祉，实则在面临成本压力和市场竞争的驱动下，仍乐于利用全球最脆弱阶层的廉价劳动力打造人工智能产品。 除了广泛招募低薪工人的劳动模式，AI领域还存在另一种问题——对数据的无节制抓取与利用。大量训练数据来自于互联网上未经授权的内容，原作者未获得应有的权益回报，劳动者更是付出了高昂的精神代价。
这种“靠剽窃与剥削支撑的AI”现象引发了学界、工会与劳动权益组织的密切关注，并推动呼吁加强劳动者保护、提高透明度和正当报酬。 可以说，人工智能的成就归功于数以万计的低待遇、隐形的劳动者。他们在背后辛勤劳动，细致入微地为机器提供训练数据、帮助系统避开极端内容，并进行不断的安全测试。若没有他们的贡献，现今AI技术的进步几乎难以想象。然而，行业长期忽视这些工作者的心理健康和劳动权益，助长了不公平的劳动力生态。未来，只有通过劳动者自组织、公益倡导和政策干预相结合，才能推动AI产业迈向更公平、可持续的发展道路。
AI的未来不仅需要技术的突破，更需要真正尊重和保障那些让技术落地生根的劳动者的权益。了解这些幕后工作者的艰辛，正是我们走向负责任AI时代的重要一步。只有正视“人工智能背后的劳动者”，才能真正实现科技服务于人的理想。
