Ketens in de klas

De kosten van AI — ChatGPT, we kennen het allemaal of hebben het wel eens gebruikt. Om te zorgen dat apps als ChatGPT ons geen schrikwekkende teksten en beelden voorschotelen moeten zogeheten ghostworkers de A.I. trainen. Zij bekijken en filteren content als kindermishandeling, zelfdoding en marteling. In Kenia vertellen twee vrouwen over de trauma's die zij opliepen tijdens dit werk en hoe hun opdrachtgevers daarmee zijn omgegaan, en in Taiwan ontdekken Natasja Gibbs en haar correspondent hoe arbeidsmigranten worden behandeld die de chips produceren waar A.I. op draait. — Kunstmatige intelligentie of AI. Het is inderdaad fantastisch wat leuke filmpjes tot het screenen van kanker. AI maakt het leven leuker en langer. Maar over de productie ervan hoor je minder. Samen met correspondenten over de hele wereld onderzoek ik Natasja Gibbs de productieketen van dingen die we dagelijks gebruiken. Welke gevolgen heeft jouw consumptiegedrag voor de mensen die deze producten maken? Deze week Artificial intelligence AI. Een rennende schildpad tevoorschijn toveren, DJ spelen. Autorijden. Een werkstuk schrijven over de 80-jarige Oorlog. AI, kan het allemaal! Vijftien jaar geleden leek het allemaal nog toekomstmuziek. AI. En ik heb het idee dat het nu heel gewoon aan het worden is. We hebben het er voortdurend over. Hoe kan het dat het zo snel is gegaan in één keer? Ja, de theoretische kennis om hoe je AI maakt, dat lag eigenlijk al decennia op de plank. Maar we hadden dus heel lang niet de juiste technologie om dat ook echt te laten draaien. En nu beschikken we over computerchips die zodanig krachtig zijn, dat we dus eindelijk al die wiskundige modellen daarop kunnen laten runnen. Ja, ja. Maar goed, zitten hier alleen chips en algoritmes achter? Of ook mensen? Ik denk dat het wel goed is om ook te weten dat er eigenlijk achter die magische AI gaat ook echt een heel leger aan mensen schuil om een AI te trainen en het ook van de data en de kennis te voorzien om zover te komen als het magische wat we nu op het scherm zien. Stel je voor je wordt wakker en je smartphone zegt Goedemorgen. Ik heb het weerbericht gecheckt en stel voor dat je een warme jas aantrekt. En vergeet de verjaardag van je moeder niet. Wow, denk je? Mijn telefoon kent me echt goed. Maar hoe weet je telefoon eigenlijk wat een warme jas is? Of een verjaardag? Maak kennis met de onzichtbare mensen achter deze magie. De datalabelaars. Deze mensen zijn als de leraren van Artificial Intelligence. Ze zitten niet voor hun klas, maar achter een computer waar ze eindeloos plaatjes, teksten en geluiden van labels voorzien. Dit is een kat. Dit is een fiets. Dit is een warme winterjas. Miljoenen keren opnieuw. Totdat de AI het verschil kent tussen een hond en een kat. En een T-shirt en een dikke winterjas. Het klinkt misschien saai, maar dit werk is het fundament van de AI revolutie. Zonder deze menselijke input zou AI net zo verloren zijn als een kleuter in een bibliotheek. Zelfrijdende auto's. Generatieve AI chat GPT. Je hebt het misschien niet door, maar het zou allemaal niet werken zonder eerst een label te hebben gekregen. Hoeveel mensen doen dit? - Ja, het is moeilijk om te tellen, want veel mensen doen het even en dan stoppen ze er weer mee. Maar het is tussen de honderd en 300 miljoen mensen die dit doen wereldwijd. Zo! En waar gebeurt dat? - Het gebeurt in Europa, maar het gebeurt vooral in lage lonen landen waar mensen dit doen. Dus dan kan je denken aan Latijns-Amerika, Azië, Afrika zitten heel veel werkers. Kenia bijvoorbeeld. Ja, Een heel onthullend verhaal was bijvoorbeeld in Kenia, waar mensen voor OpenAI werkten om een algoritme te trainen dat ervoor zorgde dat eigenlijk alles wat wij te zien krijgen schoon is. Wat betekent Ja, dat betekent dat wij bijvoorbeeld niet hele gewelddadige content zien, of filmpjes krijgt te zien, of hele pornografische filmpjes. Of afschuwelijke content met kinderen. Dus allerlei dingen die je niet wil zien. Omdat alles op het internet te vinden is, wordt zo'n algoritme daar in eerste instantie op getraind. Dus je moet eigenlijk een corrigerend algoritme maken. En dat doen die mensen in Kenia. Die zorgen ervoor dat wij die vreselijke beelden dus niet te zien krijgen. Ja. Dit verhaal speelt zich niet af in Silicon Valley. Maar ver daar vandaan in Nairobi, Kenia. TikTok laat ons weten zich niet te herkennen in de verhalen uit Kenia. Van Facebook hebben we geen reactie ontvangen. Als je het hebt over AI, dan heb je het eigenlijk over de rekenkracht van deze jongens. Graphic Processing units. We noemen ze ook wel chips. En die chips komen bijna allemaal uit één land Taiwan. In zijn eentje maakt het 60% van alle chips die we wereldwijd gebruiken, en zelfs 90% van alle geavanceerde chips die nodig zijn voor AI. Telefoons, wasmachines, camera's, vliegtuigen, auto's, magnetrons, lampen, thermostaten, e-bikes. Ze zouden allemaal niet functioneren zonder de fabrieken die hier staan en de mensen die erin werken. Taiwan is een land nog kleiner dan Nederland, maar hofleverancier van de wereld als het gaat om geavanceerde chips voor AI. De bedrijven die ze maken kunnen moeilijk personeel vinden en daarom maken ze gebruik van arbeidsmigranten. Die komen vooral uit buurlanden waar de lonen een stuk lager liggen. Vietnam, Indonesië, Thailand en de Filipijnen. Taiwan telt rond de 750.000 van dit soort arbeidsmigranten. Ze krijgen vaak een tijdelijk contract en volgens mensenrechtenorganisaties worden ze behandeld als tweederangs burgers. Volgens de Taiwanese regering is alles goed geregeld en is ons verhaal niet representatief. Ik wist dit dus niet. Denk jij dat dat dat veel mensen dit weten? Nee. En ik denk ook dat grote technologiebedrijven willen dat we het niet weten. Want dat vroeg me af waarom vertellen ze dit verhaal gewoon niet? Ja, misschien omdat we dan een probleem zouden hebben met die werkomstandigheden. Ja. Terwijl er gaan miljarden om in deze business. Ja, zou ik denken. Misschien dat ze ietsje minder zouden kunnen verdienen in San Francisco en dan die mensen fatsoenlijk kunnen betalen. Dat zou een idee zijn ja.