Újságírók Tízezrei Tanítják A Mesterséget A Saját Utódjuknak

Újságírók Tízezrei Tanítják A Mesterséget A Saját Utódjuknak
Carla McCanna az újságírói diploma megszerzése után olyan munkát vállalt, ahol “MI-modelleket tanít a pontosság és hatékonyság optimalizálására”. Az állandó állások ritkák, és a verseny értük ijesztő méreteket ölt. 2024-ben az amúgy is szorongatott helyzetben lévő amerikai médiaipar közel 5000 munkahelyet szüntetett meg, ami 59%-os növekedés az előző évhez képest (mármint a visszaesésben). McCanna az elmúlt néhány hónapban szinte teljes munkaidőben az Outliernek dolgozott, egy MI-tréning adatokkal foglalkozó cégnek, óránként körülbelül 35 dolláros órabérért. Az adatmunka gyorsan a fő bevételi forrásává vált, és ezt a lehetőséget ajánlotta újságíró szakos évfolyamtársainak is. “Sokan közülünk még mindig állást keresnek. Háromszor is előfordult, hogy amikor elmondtam, mivel foglalkozom, azonnal kérték, hogy küldjem el nekik a részleteket”, mondta. “Nehéz most a helyzet, és sok kollégám ugyanezt mondja.”

A szükség nagy úr

McCanna csak egy a sok újságíró közül, akiket az Outlier az elmúlt évben részmunkaidős, távoli adatmunkára csábított. Többen közülük azért vállaltak Outlier projekteket, hogy kiegészítsék jövedelmüket, vagy teljesen felváltsák újságírói munkájukat, mivel az állandó állások száma csökken, a szabadúszó megbízások pedig elapadnak. Vannak köztük pályakezdő újságírók, mint McCanna, de olyanok is, akik több mint egy évtizedes tapasztalattal rendelkeznek. Egy dolog mindannyiukban közös volt: a tavalyi év előtt sosem hallottak az Outlierről, sőt, azt sem tudták, hogy ilyen típusú munka létezik.

Az MI-óriások emberarca

A 2023-ban indult Outlier egy San Francisco-i székhelyű adatkezelő vállalat. Ügyfelei között találhatók a világ legnagyobb MI-vállalatai, köztük az OpenAI, a Meta és a Microsoft. Az Outlier és a hasonló platformok távmunkában dolgozó emberek hálózatát használják ügyfeleik MI-modelljeinek fejlesztésére. A munkavállalók órabérben kapnak fizetést olyan feladatokért, mint a tréningadatok címkézése, tesztpromptok készítése, és a kimenetek tényszerűségének és nyelvtani helyességének értékelése. Munkájukat gyakran visszatáplálják az MI-modellbe teljesítmény-javítás érdekében, egy olyan folyamat során, amit emberi visszajelzésen alapuló megerősítéses tanulásnak (RLHF) neveznek. Ez az emberi visszacsatolási hurok alapvető fontosságú volt olyan modellek építésében, mint az OpenAI GPT-je és a Meta Llama-ja.

Nem félünk és nem fázunk?

A közvetlen toborzási üzeneteken túl több tucat nemrég megjelent álláshirdetés is alátámasztja ezt a növekvő trendet, amely szerint újságírókat keresnek adatmunkára. McCanna nem úgy tekint erre a munkára, mint saját helyettesének betanítására, hanem inkább úgy látja, hogy ezzel növeli tudását az MI-eszközökről, amelyek egyre inkább beépülnek a munkahelyekre. “Amikor ténylegesen végzed ezt a munkát, rájössz, hogy az MI-modelleknek még mindig szükségük van ránk… Szerintem még nagyon, nagyon sokáig nem tudnak majd úgy írni, mint az emberek.”

  • Te is ajánlanád barátaidnak, hogy ilyen jellegű munkát vállaljanak?
  • Ha a saját szakterületeden hirtelen megugrana az elbocsátások száma, te hogyan alkalmazkodnál a helyzethez?




Legfrissebb posztok