ऑटोमेशन प्रशिक्षणाचा विरोधाभास
भारतातील वस्त्रोद्योग क्षेत्रातील कामगार त्यांच्या नोकऱ्या जाण्याच्या शक्यतेत स्वतःच सहभागी होत आहेत. आर्टिफिशियल इंटेलिजन्स (Artificial Intelligence) आणि रोबोटिक सिस्टीमना प्रशिक्षण देण्यासाठी ते त्यांच्या हालचाली आणि कौशल्ये काळजीपूर्वक रेकॉर्ड करत आहेत. 'एगोसेंट्रिक डेटा' (Egocentric Data) संकलन म्हणून ओळखल्या जाणाऱ्या या प्रक्रियेमध्ये, व्यक्ती हेड-माउंटेड कॅमेरे वापरतात, ज्यामुळे त्यांना त्यांच्या कामाचे तपशीलवार फर्स्ट-पर्सन व्ह्यू (First-person view) मिळतो. हा डेटा नंतर मशीन्सना जुळवून घेणाऱ्या ऑटोमेशनसाठी आवश्यक असलेले बारकावे आणि फिजिकल इंटेलिजन्स (Physical Intelligence) देण्यासाठी वापरला जातो, जे केवळ साध्या, पुनरावृत्तीच्या क्रियांच्या पलीकडे जाते. AI विकासासाठी हा फर्स्ट-पर्सन व्ह्यू अत्यंत महत्त्वाचा असला तरी, कामगारांमध्ये मोठी अस्वस्थता पसरली आहे. एका तंत्रज्ञाने तर या प्रक्रियेचे वर्णन करताना म्हटले की, "आपण स्वतःची कबर तयार करत असताना, त्याच कबरेत काम करण्यासारखे आहे."
'एम्बोडीड इंटेलिजन्स'ची (Embodied Intelligence) मागणी
अत्याधुनिक, मानवासारख्या AI च्या विकासासाठी प्रचंड मोठ्या डेटासेटची (Datasets) आवश्यकता आहे, ज्यामध्ये 10 कोटी ते 1 अब्ज तासांच्या मानवी क्रियांच्या रेकॉर्डिंगचा समावेश असू शकतो. औद्योगिक रोबोट्स जरी नियमित कामे करण्यास सक्षम असले तरी, AI च्या पुढील पिढीला डायनॅमिक (Dynamic) आणि अप्रत्याशित वातावरणात काम करण्याची क्षमता आवश्यक आहे. मानवी वर्तणुकीच्या डेटाद्वारे ही 'फिजिकल इंटेलिजन्स' (Physical Intelligence) मिळवणे महत्त्वाचे आहे. तथापि, डेटा संकलनाच्या प्रक्रियेत अनेकदा सत्तेतील असमतोल दिसून येतो, कारण कामगारांना त्यांच्या कौशल्याचा अंतिम वापर आणि ठिकाणाबद्दल पारदर्शकतेचा अभाव असतो. यामुळे, प्रगत ऑटोमेशनच्या दिशेने वाटचाल करताना मानवी श्रमाचे आणि कौशल्यांचे वस्तूकरण करण्याबद्दल नैतिक प्रश्न निर्माण होतात.
डेटा योगदानकर्त्यांचे जागतिक नेटवर्क
AI डेटा सोल्युशन्समध्ये (AI Data Solutions) विशेष प्राविण्य असलेल्या अमेरिकेतील ऑब्जेक्टवेज (Objectways) सारख्या कंपन्या या डेटा संकलनात आघाडीवर आहेत. ते भारत आणि इतर देशांतील व्यक्तींना विविध प्रकारच्या ऍक्टिव्हिटीज रेकॉर्ड करण्यासाठी करारबद्ध करत आहेत. यामध्ये फॅक्टरी फ्लोअरवरील (Factory floor) गुंतागुंतीच्या कामांपासून ते स्वयंपाक करणे आणि कपड्यांच्या घड्या घालणे यांसारख्या सामान्य घरगुती कामांचा समावेश आहे. भारत या विशेष डेटाचा एक प्राथमिक स्रोत म्हणून उदयास आला आहे, जिथे कामगारांना त्यांच्या योगदानासाठी तासाला ₹250 ते ₹350 दिले जातात. घरगुती रेकॉर्डिंगसाठी विशेष मोबाइल ऍप्लिकेशन्सद्वारे हे शक्य होते. मागणी प्रचंड आहे; ह्युमन लॅब्स (Humyn Labs) सारख्या एका कंपनीने जागतिक डेटा संकलन उपक्रमांसाठी $20 दशलक्ष (Million) निधी देण्याची घोषणा केली आहे.
नोकरी गमावण्याबद्दलची खरी चिंता आणि प्रति-निवेदन
या क्षेत्रातील अधिकारी कामगारांच्या नोकऱ्या गमावण्याच्या भीतीला वैध मानतात. तथापि, एक प्रति-निवेदन (Counter-narrative) असेही सूचित करते की रोबोट्स धोकादायक किंवा अवांछित भूमिका स्वीकारू शकतात, ज्यामुळे मानवांना अधिक समाधानकारक किंवा कमी धोकादायक नोकऱ्यांमध्ये संक्रमण करण्याची संधी मिळू शकते. या आशावादी दृष्टिकोनानंतरही, अनेक कामगारांसाठी तात्काळ वास्तव अनिश्चिततेचे आहे, कारण त्यांच्या रेकॉर्ड केलेल्या कृतींचा वापर अशा सिस्टीम्स विकसित करण्यासाठी केला जाईल जे शेवटी त्यांनाच विस्थापित करतील. अशा प्रकारचा 'इंटिमेट डेटा' (Intimate Data) गोळा केल्याने एक अस्वस्थ करणारी शक्यता निर्माण होते की, "यंत्र अखेरीस मला ओळखेल."
