亚马逊 Mechanical Turk 将于 9 月关停

亚马逊近日宣布，旗下众包平台 Mechanical Turk（MTurk）将于今年 9 月 30 日正式停止服务。这个曾把数百万张图片「点」成 ImageNet 的全球标注网络，在走过 21 年后迎来终点。

从「人工的人工智能」到全球标注网络

MTurk 上线于 2005 年，最初的定位其实非常朴素：把那些「电脑搞不定、人几秒就能判断」的任务拆碎，分发给全球网民。亚马逊把这些小任务称为 HIT（Human Intelligence Task），1 万张图片的分类工作可以拆成 1 万个独立任务，由成百上千人同时完成，本质上是一套「全球并行」的人工数据流水线。

亚马逊创始人贝索斯当年给这套机制起了一个颇具反讽意味的名字：artificial artificial intelligence——人工的人工智能。这一名字其实来自 18 世纪欧洲那台藏着真人棋手的「机械土耳其人」机器，程序表面看起来在自动运转，真正干活的却是屏幕背后的人。

到 2011 年，MTurk 已汇聚超过 50 万名 Worker，覆盖 190 个国家，承接图片筛选、语音转写、文本分类、内容审核等大量任务。

没有 MTurk，就没有 ImageNet

MTurk 对 AI 行业最深远的影响发生在 2006 年前后。当时刚到普林斯顿任教的李飞飞决定构建一个规模远超以往的视觉数据集——ImageNet。

ImageNet 以 WordNet 为骨架组织概念，从搜索引擎抓回的候选图片规模超过 1.6 亿张，远超任何团队能够人工处理的能力。ImageNet 团队随后把海量筛图工作拆成微任务，分发给 MTurk 平台上的全球 Worker。2009 年发表的论文显示，数据集已收录 5247 个概念、320 万张经过筛选的图片；团队后续回顾给出的数字是，来自 167 个国家的约 4.9 万名 MTurk 工人参与了这项工程。

2010 年 ImageNet 挑战赛开赛后，2012 年 Hinton 与其学生 Alex Krizhevsky、Ilya Sutskever 凭借 AlexNet 将 Top-5 错误率压到约 15%，显著甩开传统方法，直接推动了深度学习的复兴。AlexNet 之后，VGG、GoogLeNet、ResNet 相继登场，深度学习从视觉一路扩展到语音与自然语言处理，最终走向今天的大模型时代。

AI 学会干活，MTurk 却先下线

MTurk 关停的直接原因，是其最擅长的那类任务已被 AI 自己接走。图片分类、语音转写、文本判断等曾是众包平台主流的任务，如今已是多模态模型的基础能力。

与此同时，AI 行业对人力的需求也在转向。Scale AI、Mercor、Prolific 等新一代平台更侧重程序员、医生、律师等专业人士，负责代码评审、推理评测和安全审核。相比之下，「几美分一单」的 MTurk 模式逐渐失去竞争力。亚马逊对 MTurk 的投入近年持续减少，平台活跃度持续下降。

更具反讽意味的是，MTurk 工人自己也开始用 AI 完成工作。2023 年一项瑞士研究显示，受访 MTurk 工人中使用 AI 模型完成文本任务的比例最高可达 46%。客户原本花钱购买的是真人判断，结果部分任务又被转交给了模型。

一个时代的闭环

MTurk 的命运，是过去 20 年 AI 发展的一个缩影：人类曾躲在机器背后，一张图一张图地点，攒出了 ImageNet，也推开了深度学习的大门；而当 AI 真正学会看图、听声、写文之后，当年替 AI「装聪明」的那批基础设施，反而先迎来了下线通知。那台藏着真人棋手的「机械土耳其人」，终于可以关上柜门了。