作者：The Guardian编译：深潮 TechFlow深潮导读：这篇调查报道揭示了一个正在快速生长的灰色产业：全球数千人通过出售自己的声音、面孔、通话记录和日常视频来赚取 AI 训练费用。这不是隐私争议的泛泛讨论，而是有真实人物、真实金额、真实后果的调查——一个卖了自己脸孔的演员，后来在 Instagram 上看到”自己”在替不明医疗产品做宣传，评论区有人在评价他的”外貌”。当 AI 公司的数据饥渴与全球经济差距结合在一起，正在制造一场不对等的交易。全文如下：去年的一个早晨，住在南非开普敦的 Jacobus Louw 照例出门散步，沿途喂海鸥。但这次他录了几段视频——拍摄他走在人行道上的脚步和视野。这段视频让他赚到 14 美元，大约是该国最低工资的 10 倍，也相当于这个 27 岁年轻人半周的食品开销。这是 Louw 在 Kled AI 上完成的一项”城市导航”任务。Kled AI 是一款付费给用户上传照片、视频等数据用于训练 AI 模型的应用。在短短几周内，Louw 通过上传日常生活中的照片和视频，赚到了 50 美元。数千英里之外，在印度兰契，22 岁的学生 Sahil Tigga 定期靠 Silencio 赚钱——这款应用众包音频数据用于 AI 训练，会访问他手机的麦克风，采集餐厅内部或繁忙路口的环境噪音。他还上传自己的声音录音。Sahil 会专程前往独特场景，比如 Silencio 地图上尚未记录的酒店大堂。他靠这个每月收入超过 100 美元，足以覆盖全部餐饮开销。在芝加哥，18 岁的焊接学徒 Ramelio Hill 将自己与朋友和家人的私人手机聊天记录卖给了 Neon Mobile——这是一个对话式 AI 训练平台，每分钟支付 0.50 美元——赚了几百美元。对 Hill 来说，这笔账很简单：他认为科技公司本来就已经掌握了他大量的私人数据，不如自己也从中分一杯羹。这些”AI 训练零工”——上传周围场景、自身照片、视频和音频——站在了一场全球新数据淘金热的最前线。随着硅谷对高质量人类数据的渴望超出了从开放互联网上能够抓取的范围，一个蓬勃发展的数据市场行业应运而生，弥合这一缺口。从开普敦到芝加哥，数千人正在将自己的生物特征身份和私密数据微授权给下一代 AI。但这个新零工经济伴随着代价。用几美元换来的背后，这些训练者正在为一个可能最终让他们的技能变得过时的行业提供燃料，同时让自己暴露在深度伪造、身份盗窃和数字剥削的未来风险中——而他们对此才刚刚开始有所了解。让 AI 齿轮持续转动ChatGPT 和 Gemini 等 AI 语言模型需要海量学习材料才能持续改进，但它们正面临数据荒。最常用的训练数据源——C4、RefinedWeb 和 Dolma——占据网络最高质量数据集的四分之一，如今正在限制生成式 AI 公司使用其数据训练模型。研究人员估计，AI 公司最快将在 2026 年耗尽可用的新鲜高质量文本。尽管部分实验室已经开始用 AI 自身生成的合成数据反馈训练，但这种递归过程会导致模型产出充斥错误的”垃圾”，进而引发崩溃。全权授权来自芝加哥的 AI 训练者 Hill 对将私人手机通话卖给 Neon Mobile 一事心情复杂。约 11 小时的通话内容让他赚了 200 美元，但他说这款应用经常下线、拖延付款。”Neon 在我眼里一直很可疑，但我还是一直用，就为了多赚点零花钱付账单，”Hill 说。现在他开始重新考量这笔钱是否真的那么轻松。去年 9 月，Neon Mobile 刚上线几周后就下线了，此前 TechCrunch 发现了一个安全漏洞，任何人都可以访问用户的电话号码、通话录音和文字记录。Hill 说 Neon Mobile 从未通知他这一情况，现在他很担心自己的声音会在网络上被滥用。斯坦福大学以人为中心人工智能研究所数据隐私研究员 Jennifer King 感到担忧的是，AI 数据市场并不清楚用户数据将如何及在何处被使用。她补充说，在不了解自身权利、也未能就此谈判的情况下，”消费者面临数据被以他们不喜欢、不理解或未曾预料的方式再利用的风险，且届时几乎没有任何补救途径”。当 AI 训练者在 Neon Mobile 和 Kled AI 上分享数据时，他们授予的是一份全权授权（全球范围、独占、不可撤销、可转让且免版税），允许平台出售、使用、公开展示和存储其肖像，甚至据此创作衍生作品。Kled AI 创始人 Avi Patel 表示，他公司的数据协议将使用限定在 AI 训练和研究目的。”整个商业模式依赖用户信任。如果贡献者认为他们的数据可能被滥用，平台就无法运转。”他表示公司会在出售数据集前审核购买方，避免与”意图可疑”的机构合作，例如色情行业，以及他们认为可能以违背该信任的方式使用数据的”政府机构”。Neon Mobile 未回应置评请求。伦敦城市圣乔治大学法学教授 Enrico Bonadio 指出，这些协议条款允许平台及其客户”几乎可以对该材料做任何事，永久有效，无需额外付款，贡献者也没有实际方式撤回同意或重新谈判”。更令人担忧的风险包括：训练者的数据被用于制作深度伪造和身份冒充。尽管数据市场声称在出售前会剥离数据中的身份识别信息（如姓名和位置），但生物特征规律从本质上就难以进行有实质意义的匿名化处理，Bonadio 补充道。卖家的悔恨即便 AI 训练者能够就数据使用方式谈判出更细化的保护条款，他们仍可能后悔。2024 年，来自纽约的演员 Adam Coy 以 1000 美元的价格将自己的肖像卖给了 Captions——一款 AI 视频编辑软件，现已更名为 Mirage。他的协议规定，他的身份不会被用于任何政治目的，不会用于推销酒精、烟草或色情内容，且授权期限为一年。Captions 未回应置评请求。不久之后，Adam 的朋友们开始转发他们在网上发现的视频，那些视频里用着他的脸和声音，播放量达数百万次。其中一个 Instagram 视频中，Adam 的 AI 复制体自称是”阴道医生”，为孕期和产后女性推广未经证实的医疗补剂。”向别人解释这件事让我感到难堪，”Coy 说。”评论区很奇怪，因为他们在评价我的外貌，但那根本不是我，”Coy 补充道。”我当时做出（卖肖像）这个决定时的想法是，大多数模型反正都会在网上爬取数据和肖像，不如被付钱。”Coy 说，他此后没有再接任何 AI 数据零工。他说，只有在某个公司提供重大报酬的情况下，他才会考虑再做。
Thank you for reading this post, don't forget to subscribe!