Gerade in den letzten Jahren haben die Mikrojob-Plattformen eine Entwicklung durchgemacht, die den Namen «Mechanical Turk» andererseits sehr passend werden lässt – auch wenn das die Amazon-Verantwortlichen bei der Gründung 2005 wohl noch nicht voraussehen konnten. Denn neben den stupiden Mikrojobs, die der Suchmaschinen-Optimierung dienen oder jemanden auf den sozialen Medien «boosten» sollen, gibt es auf Amazon Turk auch jede Menge Aufgaben, die eng mit dem Aufstieg der Künstlichen Intelligenz (KI) zur zentralen Technologie der Digitalwelt verknüpft sind. Nur die wenigsten Künstlichen Intelligenzen lernen selbständig, im sogenannten Trainingsprozess braucht es oft eine ganze Menge menschlicher Unterstützung. Auch viele andere Mikrojob-Plattformen leben davon, dass KI immer noch zu einem guten Teil auf menschliche Intelligenz angewiesen ist. Appen hat sich sogar auf Trainingsdaten für KIs spezialisiert: In den von der Appen-Crowd erstellten Datenbanken und der mit diesen Daten trainierten KIs steckt letztlich die Arbeit von über einer Millionen Menschen aus über 170 Ländern («over 1 million skilled contractors who speak over 235 languages, in over 70,000 locations and 170 countries»). Man könnte auch sagen: Die Trickkiste der zeitgenössischen KI ist ziemlich gross, darin haben so einige Menschen Platz.
Die Aufgaben, die sie dabei erfüllen, variieren: Von Bild-Etikettierung bis zu komplizierteren Sprachaufgaben oder Bildbearbeitungen. Nicht selten setzen diese spezifischen Aufgaben einiges an Fachkenntnis voraus. Wer sich ein wenig mit KI auskennt, merkt beim Durchscrollen der Mikrojobs rasch, dass es dabei oft um Supervised Learning geht, um «überwachtes Lernen» also. Um die KI besser zu machen, ist im Lernfortschritt viel menschliche Hilfe vonnöten, der Algorithmus muss geduldig angeleitet werden, bis er – bestenfalls – autonom eine Aufgabe erfüllen kann. Das gilt nicht für alle KI-Bereiche, aber gerade in der Bilderkennung ist Supervised Learning die Norm. Wie lernt die Maschine, einen Hund von einer Katze zu unterscheiden? Indem sie viele tausend Bilder analysiert, auf dem ein Hund vorkommt, oder eine Katze. Diese Bilder wurden im Vorfeld alle von Menschen «gelabelt»; zu sehen: Katze, Stuhl, Fenster.