Mechanical Turk 将于 9 月 30 日关闭

Amazon Mechanical Turk 访问全球、按需、24x7 劳动力 Amazon Mechanical Turk (MTurk) 是一个众包市场，使个人和企业可以更轻松地将其流程和工作外包给可以虚拟执行这些任务的分布式劳动力。这可能包括从进行简单的数据验证和研究到更主观的任务（例如调查参与、内容审核等）。 MTurk 使公司能够利用全球员工的集体智慧、技能和见解来简化业务流程、增强数据收集和分析并加速机器学习开发。尽管技术不断进步，但人类仍然可以比计算机更有效地完成许多事情，例如审核内容、执行重复数据删除或研究。传统上，此类任务是通过雇用大量临时劳动力来完成的，这既耗时又昂贵且难以扩展，或者已经完成。众包是将耗时的手动项目分解为更小、更易于管理的任务的好方法，这些任务由分布式工作人员通过互联网完成（也称为“微任务”）。优势 优化效率 MTurk 非常适合承担工作流程中需要手动处理的简单且重复的任务。使用 MTurk 外包微任务可确保快速完成工作，同时为公司腾出时间和资源，以便内部员工可以专注于更高价值的活动。提高灵活性 扩大或缩小劳动力规模并不是一件容易的事。通过访问全球、按需、24x7 的劳动力，MTurk 使企业和组织能够在需要时轻松快速地完成工作，而不会遇到与动态扩展内部劳动力相关的困难。降低成本 MTurk 提​​供了一种有效管理与雇用和管理临时劳动力相关的劳动力和间接费用的方法。通过按任务付费模式利用分布式员工的技能，您可以显着降低成本，同时实现仅靠专门团队不可能实现的结果。工作原理 MTurk 通过灵活的用户界面或与简单的 API 直接集成，为开发人员提供多样化的按需劳动力。组织可以通过 MTurk 利用众包的力量来实现一系列用例，例如微工作、人类洞察和机器学习开发。用例 构建、管理和评估机器学习工作流程 MTurk 是最大限度地减少 ML 开发每个阶段所需的成本和时间的好方法。使用 MTurk 可以轻松收集和注释训练机器学习 (ML) 模型所需的大量数据。构建高效的机器学习模型还需要不断迭代和修正。 MTurk 用于 ML 开发的另一个用途是人机交互 (HITL)，其中使用人类反馈来帮助验证和重新训练模型。一个例子是绘制边界框来为计算机视觉模型构建高质量的数据集，其中该任务对于纯机械解决方案来说可能过于模糊，甚至对于大型人类专家团队来说也过于庞大。 “在 AI2，我们正在推动人工智能的发展，这通常需要人工注释的数据来训练新系统并衡量我们的进展。特别是，我们使用 Amazon Mechanical Turk 等众包平台来构建数据集，帮助我们的模型学习常识知识，这通常是回答对人类来说很容易但对机器来说仍然相当困难的基本问题所必需的。Amazon Mechanical Turk 提​​供了一个灵活的平台，使我们能够利用人类知识来推进机器学习研究。” – Michael Schmitz，艾伦人工智能研究所工程总监 业务流程外包 一项看似艰巨的大型任务有时可以转化为一组更小、更易于管理的微任务，每个任务都可以独立完成。众包可以成为一种有效的组织策略，通过将工作分配给互联网用户来利用创新和敏捷性。企业或开发人员可以使用 MTurk 访问数千名按需工作人员，然后将工作结果直接集成到他们的业务流程和系统中。常见的例子包括网络和社交媒体内容的审核、产品或图像的分类以及从网站或其他资源收集数据。 “餐饮行业的运营始终受到消费者不断变化的口味和偏好的影响。我们的目标是揭示消费者洞察并发现新兴趋势，以便我们的客户能够以有效的策略做出有效的响应。Amazon Mechanical Turk 的工作人员响应我们的要求，从菜单、网站和其他渠道收集信息。我们能够利用这些人类集体洞察来更好地应对