एआयला माणसांसारखं काम शिकवण्यासाठी भारतीयांना पैसे का दिले जात आहेत?

मोहम्मद आशिम मागील 4 वर्षांपासून बंगळुरूमध्ये केस कापण्याचं आणि दाढी करण्याचं काम करतो.

परंतु, अलीकडेच या 22 वर्षीय तरुणानं आपल्या कामाचे व्हीडिओ बनवण्यासाठी डोक्याला कॅमेरा लावायला सुरुवात केली आहे.

या कॅमेऱ्यात फक्त त्याचे हात आणि बोटं दिसतात. ग्राहकांचे चेहरे धूसर (ब्लर) केले जातात.

"हे काम दिसायला सोपं आहे, परंतु हालचालींच्या बाबतीत तुम्हाला शिस्त पाळावी लागते. काम करताना माझे हात कॅमेऱ्यात स्पष्ट दिसतील, याची काळजी घ्यायला हवी. प्रकाशही चांगला असावा आणि काम करताना डोकं अचानक एका बाजूला वळवता कामा नये, हे मला ऑपरेशन टीमने शिकवलं आहे."

तो दररोज 5 ते 6 तास डोक्याला कॅमेरा लावून काम करतो.

आशिम सांगतो, "या कामातून मला चांगले पैसे मिळतात. परंतु भविष्यातील तंत्रज्ञानासाठी आपण काहीतरी करतोय, ही गोष्टच मला जास्त उत्साहित करते. माझ्या रेझरनं केस कापण्याच्या कौशल्याचा उपयोग एखाद्या मोठ्या जागतिक तंत्रज्ञान कंपनीला होईल, असं मला कधीच वाटलं नव्हतं."

तो जगभरातील अशा लाखो कामगारांपैकी एक आहे, ज्यांना आपापल्या कामाचे व्हीडिओ बनवण्यासाठी पैसे दिले जातात.

आशिमनं बनवलेले व्हीडिओ एक स्थानिक कंपनी गोळा करते. या कंपनीसाठी कदाचित शेकडो लोक आपल्या कामाचे व्हीडिओ बनवत असतील.

हे व्हीडिओ नंतर तंत्रज्ञान कंपन्या आणि संशोधन संस्थांना विकले जातात. या व्हीडिओंचा वापर कृत्रिम बुद्धिमत्तेला (एआय) प्रशिक्षण देण्यासाठी केला जातो. प्रत्यक्ष जगात रोबोटनं कसं काम करायचं आणि त्याला कसं नियंत्रित करायचं, हे शिकवण्यासाठी या व्हीडिओंचा उपयोग होतो.

रशदान टेक्नॉलॉजीज ही कंपनी लोकांनी तयार केलेला असा डेटा गोळा करते आणि त्यावर प्रक्रिया करते.

रशदान टेक्नॉलॉजीजचे सहसंस्थापक आणि मुख्य कार्यकारी अधिकारी शाहिल बेग सांगतात, "प्रत्येक रोबोटिक्स कंपनीला आणि एआय क्षेत्रातील मोठ्या कंपन्यांना वेगवेगळ्या प्रकारच्या कामांचे व्हीडिओ हवे असतात. कारखान्यांमधील कामं, शेतीविषयक कामं, घरातील कामं, तसेच मातीच्या वस्तू-भांडी बनवणं, कपडे शिवणं, भरतकाम आणि मेणबत्त्या बनवणं अशा छोट्या व्यवसायांमधील कामांचे व्हीडिओही त्यांना हवे असतात. जिथे ज्या प्रकारचं काम सुरू असतं, तिथे जाऊन आम्ही त्याचे व्हीडिओ गोळा करतो."

त्यांची कंपनी 8 ते 10 तासांच्या कामाचे व्हीडिओ बनवण्यासाठी कामगारांना 5 ते 10 डॉलर (475 ते 950 रुपये) देते.

"अनेक लोकांसाठी ही रक्कमही महत्त्वाची आहे," असं बेग म्हणतात.

कामगारांची परवानगी घेणं आणि त्यांना ही प्रक्रिया करताना सोयीस्कर वाटेल, याची काळजी घेणं महत्त्वाचं आहे, असं ते सांगतात.

"आम्ही चेहऱ्यांचं नाही, तर फक्त हातांचं चित्रीकरण करतो. काही वेळा अनेक कॅमेऱ्यांच्या मदतीने शरीराचा जास्त भाग किंवा आजूबाजूचा परिसरही चित्रित केला जातो. अशा वेळी आम्ही चेहरे ब्लर करतो. आम्ही देत असलेल्या व्हीडिओंमध्ये कोणाचं नाव, संपर्क क्रमांक किंवा त्या व्यक्तीची ओळख पटेल अशी कोणतीही माहिती नसते."

पण आता त्यांच्या ग्राहकांच्या अपेक्षा वाढत आहेत.

"आता ग्राहकांना केवळ हातांचंच नाही, तर संपूर्ण दृश्याचं चित्रीकरण हवं आहे. त्यासाठी एका व्यक्तीच्या डोक्याभोवती 4 ते 6 कॅमेरे लावण्याची मागणी केली जात आहे."

"एखाद्या व्यक्तीला एक छोटा कॅमेरा लावायला तयार करणं वेगळी गोष्ट आहे. पण डोक्यावर 5 कॅमेरे असलेलं उपकरण घालायला तयार करणं खूप कठीण आहे. त्यामुळे अशा प्रकारे व्हीडिओ बनवणाऱ्या लोकांना आम्ही जास्त पैसे देतो. कारण त्यांच्याकडून आम्ही जास्त काम करून घेत असतो."

या क्षेत्रात आता स्पर्धा वाढत आहे. अग्रवाल यांच्या मते, याच वर्षी भारतात या क्षेत्रात आणखी डझनभर कंपन्या स्पर्धक म्हणून उतरू शकतात.

अशा प्रकारचा डेटा इतका महत्त्वाचा का आहे?

"रोबोटला प्रत्यक्ष जगात काम करायला शिकवायचं असेल, तर त्याला फक्त संगणकावर तयार केलेल्या आभासी वातावरणात प्रशिक्षण देऊन चालणार नाही," असं मनीष अग्रवाल सांगतात. अग्रवाल हे मानवी कामांचे व्हीडिओ गोळा करून त्यावर प्रक्रिया करणाऱ्या ह्युमिन लॅब्सचे संस्थापक आहेत.

हा डेटा प्रामुख्यानं व्हीडिओवरून गोळा केला जातो. काही वेळा कामगारांच्या हातांवर आणि बोटांवर विशेष उपकरणं लावली जातात. त्यामुळे एखादी वस्तू हाताळताना किंवा तिला स्पर्श करताना हातांच्या हालचालींची माहितीही समजते.

ते सांगतात, "प्रत्यक्ष कामं शिकवण्यासाठी हात-पाय, बोटं, मनगट, कोपर आणि खांदे कसे हलतात, याची अचूक माहिती लागते. एखादी वस्तू हातात घेताना किती जोर लावायचा, हेही समजणं गरजेचं आहे. उदाहरणार्थ, प्लास्टिकची बाटली हातात घेताना ती चेपली किंवा दबली जाणार नाही आणि स्टीलचा ग्लास हातातून निसटणार नाही, यासाठी किती जोर लावायचा, हे शिकवावं लागतं."

आणि अलीकडच्या काळापर्यंत अशी माहिती किंवा डेटा उपलब्ध नव्हता.

अग्रवाल सांगतात, "माणसं प्रत्यक्ष काम कसं करतात, याची माहिती देणारा इंटरनेटवर कोणताही मोठा संग्रह उपलब्ध नाही. उदाहरणार्थ, स्वयंपाकघर स्वच्छ कसं केलं जातं किंवा योग्य तेवढा जोर लावून कारचे भाग कसे जोडले जातात, याची माहिती उपलब्ध नाही. त्यामुळे वेगवेगळ्या ठिकाणी आणि वेगवेगळ्या परिस्थितीत प्रत्यक्ष कामांचे व्हीडिओ नव्याने तयार करून ही माहिती गोळा करावी लागेल."

अग्रवाल यांच्या कंपनीची कार्यालयं बंगळुरू आणि सॅन फ्रान्सिस्को येथे आहेत.

सध्या त्यांच्या कंपनीसाठी लॅटिन अमेरिका आणि आग्नेय आशियातील विविध देशांमध्ये 96 हजार लोक कामांचे व्हीडिओ आणि इतर डेटा गोळा करत आहेत.

ह्युमिन लॅब्स ही कंपनी कामगारांनी पाठवलेल्या हजारो तासांच्या व्हीडिओंमधून उपयोगी व्हीडिओ निवडून काढते. त्यानंतर प्रत्येक व्हीडिओमध्ये नेमकं काय दिसतं, याची माहिती जोडली जाते. त्यामुळे एआयला व्हीडिओत काय सुरू आहे, हे समजण्यास मदत होते. शेवटी हे व्हीडिओ ग्राहक कंपन्यांना वापरता येतील अशा स्वरूपात तयार केले जातात.

"वेगवेगळ्या देशांमधील कारखाने आणि तिथे होणारी वेगवेगळी कामं यांचे व्हीडिओ गोळा करावे लागतात. कारण अमेरिकेतील कारखान्यांमध्ये किंवा घरांमध्ये रोबोट वापरायचे असतील, तर तिथल्या परिस्थितीशी मिळतीजुळती माहिती लागते. भारतातील घरांची रचना आणि तिथलं वातावरण अमेरिकेतील घरांपेक्षा वेगळं असू शकतं. त्यामुळे अमेरिकेसाठी रोबोट तयार करताना भारतातील घरांचे व्हीडिओ उपयोगी ठरतील असं नाही."

परंतु, ज्या मशीनसाठी हे कामगार डेटा गोळा करत आहेत, तीच मशीन भविष्यात त्यांची नोकरी किंवा जागा घेणार का?

याबाबत आत्ताच काही सांगणं घाईचं ठरेल, असं मुंबईतील टाटा सामाजिक विज्ञान संस्थेच्या (टीआयएसएस) स्कूल ऑफ मॅनेजमेंट अँड लेबर स्टडीजमधील ज्येष्ठ प्रा. बिनो पॉल सांगतात

काही कामगारांसाठी एआय हे उपयोगी साधन ठरू शकतं, तर काहींची कामं रोबोट करू लागतील, असं ते सांगतात.

यंत्रं माणसांची कामं करू लागली, तर कामगारांकडे फारसे पर्याय उरणार नाहीत.

ते म्हणतात, "आपण नेमकं कशात सहभागी झालो आहोत, हे कामगारांच्या लक्षात येईपर्यंत कदाचित खूप उशीर झालेला असेल."

इतर अनेकांप्रमाणेच, बिनो पॉल यांनाही सरकारने एआयच्या वापरावर नियंत्रण ठेवावे, असं वाटतं.

"एआयकडे केवळ एक तांत्रिक यंत्रणा किंवा प्रणाली म्हणून पाहून चालणार नाही. एआयचा वापर करताना माणसांची भूमिका महत्त्वाची असली पाहिजे आणि नैतिकतेचं पालन झालं पाहिजे. त्यामुळे एआयचा वापर लोकांच्या फायद्यासाठी व्हावा, नुकसान करण्यासाठी नाही, याची काळजी घेणारी व्यवस्था तयार करणं गरजेचं आहे."

'जगण्यासाठीची धडपड'

एआय भविष्यात कोणत्या दिशेनं जाईल, याबाबत चिंता व्यक्त होत असली, तरी त्याच्या विकासासाठी मोठ्या प्रमाणात पैसा गुंतवला जात आहे.

या पैशांपैकी काही पैसा भारतातील कामगारांपर्यंतही पोहोचतो. भारतात असे अनेक कामगार आहेत, जे दिवसाला काही डॉलर मिळवण्यासाठी कॅमेरा लावून काम करायला तयार आहेत.

मोहम्मद अरमान गेल्या 10 वर्षांपासून बंगळुरूमधील कापड उद्योगात काम करतो.

तो सांगतो, "कपडे शिवणं आणि कापड कापणं हे माझं काम आहे. मला हे काम इतकं चांगलं जमतं की, डोळे बंद करूनही मी ते करू शकतो. कापड, दोरा, सुई आणि मशीन यांच्यासोबत 10 वर्षे काम केल्यानंतर हातांना आपोआप काय करायचं, हे समजू लागतं. त्यासाठी डोक्याने विचार करण्याचीही गरज पडत नाही."

अलीकडेच त्याने डोक्याला कॅमेरा लावून काम करताना व्हीडिओ रेकॉर्ड करायला सुरुवात केली आहे.

तो म्हणतो, "माझ्यासाठी हा जगण्याचा प्रश्न आहे. बिहारमध्ये माझं कुटुंब आहे आणि मी घरी पाठवलेला प्रत्येक रुपया त्यांच्यासाठी महत्त्वाचा आहे. गेली 10 वर्षे मी जे काम करतोय, तेच काम करताना डोक्याला कॅमेरा लावण्यासाठी कुणी मला जास्त पैसे देत असेल, तर मी त्याला नको का म्हणू?"

"यासाठी मला काही वेगळं करावं लागत नाही. मी आधीपासूनच कपडे शिवतो आणि कापड कापतो. आता तेच काम केल्यावर मला थोडे जास्त पैसे मिळतात," असंही तो म्हणतो.

अशा व्हीडिओंची मागणी असेपर्यंत, ते रेकॉर्ड करण्याचं काम कुठे ना कुठे सुरूच राहील.

अग्रवाल सांगतात, "सध्या या उद्योगात भारताची भूमिका प्रामुख्याने कच्चा माल पुरवणाऱ्या देशाची आहे. इथले लोक डोक्याला कॅमेरे लावतात, रोजची कामं करतानाचे व्हीडिओ रेकॉर्ड करतात आणि हे व्हीडिओ परदेशातील एआय संशोधन करणाऱ्या कंपन्यांकडे पाठवले जातात."

परंतु, व्हीडिओ गोळा करण्याची कंत्राटं मिळवण्यासाठी अधिकाधिक कंपन्या स्पर्धेत उतरल्याने या कामातून मिळणाऱ्या पैशांचं महत्त्व लवकरच कमी होईल, असा युक्तिवाद अग्रवाल करतात.

ते म्हणतात, "भारताला केवळ व्हीडिओ पुरवणारा देश बनून राहून चालणार नाही. या कामातून अधिक फायदा मिळवण्यासाठी भारताने पुढची पायरी गाठायला हवी. म्हणजे केवळ व्हीडिओ रेकॉर्ड करण्याऐवजी, त्यावर प्रक्रिया करून तो वापरण्यायोग्य बनवण्याचं कामही भारतानं करायला हवं. यात व्हीडिओतील चुका दूर करणं, माहिती व्यवस्थित मांडणं, ती तपासणं आणि एआयला शिकवण्यासाठी कोणती माहिती चांगली आहे, याचे निकष ठरवण्याचा समावेश होतो."

काही लोकांसाठी माहिती गोळा करणं हे पैसे कमावण्याचं एक आकर्षक असं अर्धवेळ काम आहे.

विज्ञान विषयाच्या शिक्षिका असलेल्या जॉली अरिफूर यांना असं काम हवं होतं, जे त्या घरबसल्या करू शकतील आणि आपल्या लहान मुलाची काळजी घेतानाही करू शकतील.

"गेल्या 7 महिन्यांपासून मी घरातील रोजची कामं करताना डोक्याला कॅमेरा लावते. भांडी घासणं, स्वयंपाक करणं, फरशी झाडणं-पुसणं आणि कपडे घड्या घालून ठेवणं, या सगळ्या कामांचे व्हीडिओ मी रेकॉर्ड करते."

अनंतपूर जिल्ह्यातील गुंटकल येथे राहणाऱ्या जॉली अरिफूर या शिक्षिका म्हणून काम करताना वेळ मिळेल, तेव्हा घरातील कामांचे व्हीडिओ रेकॉर्ड करतात.

त्या सांगतात, "मला तासाला 2 ते 3 डॉलर मिळतात. दिवसातून 3 ते 5 तास व्हीडिओ रेकॉर्ड केले, तर चांगले पैसे मिळतात. शिक्षकी पेशातून मिळणाऱ्या पगाराशिवाय आता हे माझ्या कमाईचं आणखी एक साधन झालं आहे. खरं सांगायचं तर, मी दोन्ही कामं उत्तम प्रकारे सांभाळत आहे."

(बीबीसीसाठी कलेक्टिव्ह न्यूजरूमचे प्रकाशन.)