時薪20美元，人工智能背後的「零工做題家」

今年三月，來自台灣的 Vicky，在求職網站上看到以下廣告：

「Outlier 正在尋找具備繁體中文流利程度的優秀作家，以協助訓練生成式人工智慧模型。這是一個遠端的自由工作機會，工時彈性，因此您可以在適合您的時間工作。」

這份兼職提供每小時22.5美元的「平均薪資」，「理想專業背景的示例」包含譯者、文案作者、記者、編輯，以及「人文學科或寫作相關領域」的畢業生。用中文撰寫的招聘廣告生硬且不自然，帶有明顯機器翻譯痕跡。Vicky 覺得，他們真的挺需要中文母語者，來訓練一下這個 AI。

Vicky 當時在英國攻讀第二個碩士，正值學期間空檔，加上對當前火熱的人工智能產業的好奇心，她決定投遞履歷。很快地，她通過篩選，進入公司平台，卻沒有任何工作可做。她求助 Reddit 等網路論壇，發現許多人都有相同經歷。整件事彷彿一場詐騙，但不清楚到底被騙了什麼。

九月，Vicky 拿到學位後回了台灣，求職卻屢屢碰壁。她想起這份兼職，重新打開 Outlier 平台，發現一系列訓練課程。求職不利、和父母一同住在南部鄉下老家的 Vicky， 有大把的空閒時間。在完成幾個（不支薪）訓練後，她終於接到第一個任務，或套用公司內部的說法，可以開始「做題」了。至今 Vicky 仍未找到正職，卻在 Outlier 上累積了大約2000美元的收入。

這份工作反映了矽谷科技業嘗試將人工智能訓練「零工化」的產業趨勢。Outlier 的背後，是總部位於舊金山、估值約140億美元的人工智能公司 Scale AI。該公司提供數據標註服務，客戶包含 OpenAI、Meta、微軟、輝達等科技巨頭。公司網站上，Scale AI 聲稱能幫助客戶「使用最好的數據造出最好的模型」；這些「最好的數據」，實際上是透過層層轉包，由像 Vicky 這樣的「零工做題家」訓練和提供。

規模最大的 Outlier 外，類似的零工平台還有許多，如 DataAnnotation、SuperAnnotate、CrowdGen、Welocalize、Alignerr。如果當前人工智能發展的瓶頸，是缺乏高品質的訓練資料和人類反饋，那矽谷提出的解決方案，就是搭建跨國平台，將人工智能訓練拆解為一個個40分鐘左右的單項任務，以自由接案、按件計酬的方式，在全球範圍內招聘具高等教育水平的人才。

於是，追求自由移動的高學歷人才，和自由的全遠端工作一拍即合，在「流動性」上達成共識，成為零工經濟的最新型態。AI 訓練的零工化、普及化，也讓被排除在人工智能浪潮外的人文學科畢業生，有了一窺當前最火熱產業的機會。

當文學系學生碰上人工智能，試圖教會大型語言模型說人話，他們卻發現，擋在前頭的，不是技術限制，而是比 AI 還要機械的人、比語言模型還不透明的平台規則。

當數位遊牧遇上全球零工平台

「跟其他同等教育水平能找到的工作比，這份工作的薪水大概是兩到三倍，甚至四倍。」Neal 告訴我。

Neal 是中國大陸北部一所大學的大三學生，主修英語語言文學，副修應用語言學。十月初，他無意間在社群媒體上滑到 DataAnnotation 的廣告，招募 AI 訓練員。「薪資非常誘人，最低有 20 美元一小時，我都覺得看起來像詐騙。」他說道。Neal 所在省分的法定最低時薪，同樣是 20 元左右，單位卻是人民幣。

受優渥薪資吸引，Neal 投遞了履歷，並花費四個小時完成了刁鑽的線上測試，試題包含評估 AI 生成的回應、續寫小說，以及英語朗讀。他成功通過測試，開始接到源源不絕的任務。兩個月來，Neal 每天工作四到五小時，假日有時間的話做得更久，至今已累積約5000美元的收入。

他也將這份兼職推薦給周遭朋友，卻少有人通過線上測試。Neal 反思：「我的教育背景，無論是語言學還是文學這一塊，還是比較相關的，能讓我想出一些比較高質量的 prompt（指令）。」

許多任務要求「挑戰 AI 智商的天花板」，這時候就必須「敦促」語言模型，下一些更專門的指令。Neal 舉例：「像我昨天就問它（語言模型）一篇 D.H. 勞倫斯的小說，要它總結內容。小說題目叫〈參孫和大利拉〉，不是這個作者非常有名的小說，然後 AI 就編造了一個故事，給出完全十萬八千里的回答。」

專業知識以外，語言能力也相當重要。多數時候，AI 訓練員使用中文和有待訓練的語言模型對話，模型以中文回應，做題家再對模型的回應進行評級，並以英文說明理由。測試和任務指令也都是英文。Neal 評估，做這份工作需要母語者的中文水平，以及「雅思均分6.5」的英語水平。

透過 Outlier、DataAnnotation 等一系列零工平台，科技公司得以在全球範圍內，蒐羅具雙語能力、擁有人文學科學位的人才，如人在瑞典的 Sharon。

Sharon 同樣來自大陸，大學就讀中文系，擁有比較文學的碩士學位。在出版社做了幾年編輯後，她於去年遠赴瑞典，攻讀第二個碩士。Sharon 必須打工賺取生活費，但由於不會瑞典語，一直無法在當地找到工作。

今年七月，Sharon 在求職網站上發現 Outlier「AI 訓練員」招聘訊息，她馬上投了履歷，卻遲遲沒有回音。直到十月，她意外收到邀請入職的郵件，進入平台，做了好幾個不支薪的訓練課程後，她終於拿到任務，成為平台上幾千名簡體中文「做題家」之一。工作近兩個月來，Sharon 累積約2000美元的收入。

做題滿一定時數後，平台會給予部分工作者「內推」的名額，若內推進來的新人，也做滿10個小時，推薦者可獲得小額獎金。內推制度促使不少工作者將這份兼職分享至社群媒體，尋找有意加入的新人，賺取推薦獎金。某些貼文甚至收穫上百個贊，在小紅書上引發廣泛討論。

Sharon 推薦了大概十個人，其中只有一人成功讓她拿到獎金。「可能挺多人會卡在開頭吧，我個人的原因是瑞典這邊工作比較難找，我不介意前期要投入比較多的免費勞動，因為我的選擇很少。」她解釋：「如果一個人有很多選擇，可能這對他來說就不是一個好的工作。」

事實證明，這份全遠端兼職，對那些受過高等教育、卻不見得能找到匹配工作的人文學科畢業生來說，確實有著莫大的吸引力。如果暫時不想脫下孔乙己的長衫，那何不繼續當個做題家，還能賺外快？

一名人在紐西蘭的受訪者認為，這份工作非常適合留學生，一方面留學生具備雙語能力，另一方面彈性工時、居家辦公的自由度，能讓留學生兼顧課業和打工。Vicky 也是在留學英國期間，選擇向 Outlier 投履歷。雖然 Vicky 做的是繁體中文項目，與簡體中文相比，符合資格的做題家人數較少，她仍感受到非常多人在競爭這份工作。

「不論是想賺錢的人，想做兼職的人，夢想數位遊牧的人，或是跟我一樣好奇然後就進去了的人，很多人在搶很少的項目。」她說道。

不穩定的題目供給，不透明的平台規則

當全世界的工作者投入到這份兼職，但平台提供的任務數量有限，便導致僧多粥少，做題家常面臨無題可做的窘境。此狀態稱作「任務空檔」（empty queue），簡稱 EQ。

Reddit 上的「outlier_ai」看板，擁有25000名成員，EQ 是板友最常討論的問題之一。有些工作者因沒能通過測試而 EQ，有些因做題水平不佳而 EQ，但絕大多數的 EQ 來得莫名其妙，可能昨天做得好好的，今天就 EQ，或明明通過測試，卻自始自終都沒接到任務。怎樣才能有題可做，是一門玄學。

Sharon 注意到，某些簡中項目的工作組，擁有高達兩三千名做題家，這就註定不是人人都能接到工作。她猜測：「你更符合他們的要求和期待的話，你帳號的權重就會高一些，你獲得的任務量會更穩定一些。但整體來說，還是相當不透明，不知道到底有多少項目，項目有多少人在做，不知道評分規則到底是什麼。」

若做題品質長期保持在高水平，做題家能夠晉升為「審查員」（reviewer），批改其他人交上來的答案，並給予評分。做題家若長期被審查員打低分，可能喪失做題資格。哪怕對審查意見不服，也無法要求重審。Vicky 曾因不認同審查員的評分，對 Outlier 管理人員提出申訴，對方傳達的回應是：「你不要去反對他們的意見，如果你想繼續做這份工作，遵循他們的意見是最快的方式。」

訪問前一週，Sharon 剛剛晉升為審查員。她體驗到審查員確實有更多權重：「不僅體現在任務更多，額外獎金更多，還包括優先被分配題目。一般獲得審查員資格後，就會進入該項目專屬於審查員的更小群組，我在的那個群組只有50人。有時候項目管理者會分享一些『內部資訊』，例如提前告知該項目有一波新題近期將上線，審查員能優先看到這些題目。」

即便如此，多位受訪者都表示，他們曾在 Reddit 等論壇上，看到有人明明已經做到審查員，帳號仍無緣無故被封禁。

Neal 對 DataAnnotation 內部人員的評價是「高冷」，覺得他們不太愛回答問題，不積極回覆郵件，開除人卻毫不手軟。「如果你一直符合他們的要求，工作項目上還是比較穩定的，能分到的工作也比較多。但如果他們覺得你可能哪方面做錯了，或不符合他們的要求，他們也會毫不留情地把你踢掉。」他說道：「具體不清楚評判標準是什麼，很多人一夜之間、也沒收到任何郵件，他們的工作就 gone 了。」

不透明的規則、不穩定的工作來源，導致工作者和平台，長期處在嚴重的權力不對等中。工作者在做題之外，往往還要付出大量的詮釋勞動，去揣測平台的想法、狀態。

三週前，由於多次從審查員那邊拿到低分，Vicky 喪失某一項目的做題資格。在訪問前一天，她卻意外收到 Outlier 的郵件，邀請她參加「重考」，若順利通過，能重新回到該項目組。她的理解是：「因為這個審查員的制度，他們篩掉太多潛在的貢獻者，合格的人數太少了，導致消耗任務的速度太慢，所以才又開了一個後門。」

當我問 Vicky 會不會參加重考，她回答：「我搞不好重考也不會過啊。」複習任務指令、重新參加測試需花費2到3個小時，沒有薪水可拿。

當缺乏線索、無從揣測的時候，工作者只能認命。Vicky 有次單日做了整整12個小時，「我不知道這個項目會持續多久，因此會想要在最短的時間內，把收入提高，它有可能兩三天就結束了，我不知道。」這樣一種「限量的急迫感」，究竟是僧多粥少的自然結果，還是平台方刻意塑造，同樣不得而知。

Sharon 也有類似反思：「工作者非常被動，沒有選擇權，只能被動地等待任務來不來。作為一個被動方，你必須保持一個定期追蹤它們的習慣，每天花個幾分鐘或半個小時，這會變成你生活裏一個常規的事情。」

「如果一個人不想承受這種狀態，他就只能選擇離開。」

過渡性、遊戲化，人工智能背後的「幽靈工作」

平台上的零工做題家來來去去，水平參差不齊。Vicky 觀察：「他們（Outlier）還是不斷在僱用人，整個群體裏有像我一樣資深的人，同時也有一群滾動式、不斷進來的新人，搞不清楚狀況。」管理人員因此得一再回答同樣的問題，新人得一再經歷非常掙扎的過程，才能變成一個「可以用的工作者」。

「我一拿到正職工作，就不會出現在那裏了。」Vicky 說道。「我還是承認這份兼職其實非常不穩定，我畢業後一定會去找其他的工作。」Sharon 也說。

中國社科院青年學者孫萍在《過渡勞動：平台經濟下的外賣騎手》中，指出流動性、過渡性是中國外賣行業的基本樣態。當被問到為什麼送外賣，「過渡一下」是絕大多數外賣員的回答。孫萍團隊於2023年針對北京地區超過千名外賣員進行調查，僅13%受訪者表示願意一直送外賣，超過八成的人表示自己會在兩年內換工作。個別站點一年內的騎手流動率，介乎7成至9成之間。

孫萍將零工經濟下的「過渡勞動」，形容為一種「懸浮狀態」。零工工作者總想著要離開平台，進入下一個也許更穩定的生命階段。對平台而言，卻是「過渡成為常態」，儘管每天新人來、舊人去，勞動力的供給仍源源不斷。

而一旦個體進入平台，勞動與生活的界線便逐漸模糊。孫萍寫道：「（外賣騎手）有訂單時工作，無訂單時休息，工作與生活的隨機轉換成為零工勞動者的日常。」正如做題家們必須在無題可做和快速刷題間來回迅速切換。

AI 訓練平台也透過「遊戲化」的激勵措施，來調節做題家的做題速率。Neal 告訴我，DataAnnotation 的項目多以7天為一個週期，當項目被放出來的第一天，費率會是最低的，到了第三、第四天，費率就往上加，若到了第五、第六天，還剩下很多任務，那說不好就給到30美元一小時。他做過最高的費率是37.5美元一小時。

Outlier 則是在一般任務之外，偶爾會出現限定時間的挑戰（mission），若完成挑戰，可獲得額外獎金。挑戰內容可能是：「假日完成至少1個項目」、「單日工作滿3小時」、「完成特定項目的20個任務」。若想最大化收入，工作者必須時時注意推出了哪些挑戰，儘可能配合平台方制定的工作節奏。哪怕這個節奏既不穩定、也無法預測，某些狀況下，卻帶來工作的快感。

「這個平台很有意思的是，你做完一個任務，它給的錢會立刻出現在你的帳戶，因此很有打遊戲的快感。」Sharon 說道：「我剛開始做的時候就有點上頭，我每做完一個，就要看一下我的帳戶，看到帳戶的錢有在動，就再回去做下一個。」

「玩遊戲我們累積的金幣不是都是虛擬金幣嗎，但做這個累積的是真實的金幣。」

絕大多數受訪者都同意，他們在做的 AI 訓練員，是一種零工工作。Neal 認為這份工作和外賣員、叫車司機類似，「自由度比較高，想做就做，不想做的時候就可以給自己放假」，「不同點就是 DataAnnotation 更偏向腦力活動，主要是智力上的輸出，而像滴滴、外賣這些更偏向體力活動」。

由於和平台方不存在僱傭關係，零工做題家不受任何法規的保護。薪資一般都轉帳到第三方平台如 PayPal 裏，工作者再自行提領。是否該報稅、該如何報稅的問題，也同樣由工作者承擔。

Sharon 便花了不少心力，試圖弄清瑞典的勞動和稅務法規。她告訴我：「在瑞典拿學生簽的話，兼職時間上限是每週20小時，具體操作起來有一定彈性。但需要考慮累積收入達到一定數額就得報稅。」不過，她對銀行要如何確認透過 PayPal 匯入的收入屬於「勞動所得」感到困惑。累積收入達5000美元的 Neal，還不太清楚他需不需要報稅。

從體力到腦力勞動，「零工化」的趨勢正在不斷擴張。而回顧歷史，會發現人工智能背後的人類勞動力，也正在經歷從血汗工廠到零工經濟的變化。

Outlier 的背後，是總部位於美國舊金山的人工智能公司 Scale AI。Outlier 的《隱私政策》有以下文字：「（本政策）凡提及『Outlier』、『我』、『我們』，皆指 Smart Ecosystem 及其附屬公司。」據《華爾街郵報》披露的登記文件，Smart Ecosystem 為 Scale AI 全資持有的子公司。

更早之前，Scale AI 於2017年創立 Remotasks 公司，將較低門檻的數據標註工作，外包到菲律賓、肯亞、奈及利亞和巴基斯坦等發展中國家，僱用低廉勞動力。在這些國家，Remotasks 存在拖欠工資、工資過低，以及無預警解僱員工等爭議。《華爾街郵報》形容，人工智能浪潮背後，是在「數位血汗工廠」裏工作的大量勞動者。

人類學家 Mary Gary 和計算機科學家 Siddharth Suri 則在《銷聲匿跡：數字化工作的真正未來》中，將驅動人工智能運作的隱形勞動，稱作「幽靈工作」（ghost work）。這些工作往往被刻意隱藏，以製造人工智能無所不能的假象。

如今，Scale AI 嘗試以零工經濟的模式，搜刮更高教育水平的勞動力，在全球僱用一群「零工做題家」。他們是以時間和知識餵養機器的新一代幽靈。做題家的工作具有自我消滅的特性，一旦語言模型達到母語使用者水平，就再也不需要人類的反饋和幫助。

但根據第一線 AI 訓練員的判斷，這天不會那麼快到來。

AI 能學會說台灣諧音梗嗎？

「如果 LLM（大型語言模型）都是這樣訓練出來的，我對這項技術好像也沒有什麼太大的信心了。」這是 Vicky 和 AI 密切互動三個月後的感想。

作為對語言高度敏感的繁體中文使用者，Vicky 相當在意 AI 回應中那些不自然、太像機器的表達，也非常認真地看待在地化的目標，努力讓 AI 講話更像台灣人。然而，阻擋她教會 AI「說人話」的，不是技術限制，而是必須遵守的規則（guidelines），以及將規則強加於做題家的審查員和管理人員。

在其中一個項目裏，做題家必須從七個不同面向，對模型生成的回應給出重大問題、次要問題和沒有問題三種評級。七個面向為在地化、指令遵循、真實性、簡潔、寫作風格與腔調、無害，以及整體品質。關於如何區分這七個面向，訓練文件有近20頁的說明。為了評分標準化而定下的規則，卻往往有不足之處。

「有時候我會覺得某個回應以 guidelines 來說不錯，但是語氣上怪怪的，我就會很想要寫下來，」Vicky 說道，如某些明顯的冗詞贅字。她對語言的細膩想法，卻往往不被採納。「他們希望我們遵循 guidelines 去評分，有點在削弱我們對日常用語的主觀意見。」某些管理人員更指示，在寫評級理由時，不要使用第一人稱「我」，只能用第三人稱寫作，如「根據規則 X，回應 Y 有問題 Z」。

當做題家檢視 AI 是否忠於人類指令，審查員也在檢查做題家是否遵循規則。有時，做題家面臨兩難處境：究竟是遵循規則努力賺錢，還是貢獻自己對語言的「主觀意見」，即便那可能不是平台方想要的。

做題家當然也有失手的時候。有一次，Vicky 要求模型將台灣22個縣市，依人口密度分成高、中、低三類。模型給出的兩個回應中，A 回應分錯三個縣市，B 回應僅分錯一個，但 B 回應包含一些語言方面的問題。在評價兩個回應何者為佳時，Vickey 選了 B，因為指令的核心要求是將縣市分類，而錯一個比錯三個好。

這個答案卻被審查員評為「非常糟糕」（very poor），只拿到1分（滿分為5分）。審查意見表示：「回應 A 有『指令遵循』方面的重大問題，回應 B 有『指令遵循』方面的重大問題和『寫作風格與腔調』方面的次要問題，一個重大問題優於一個重大問題加一個次要問題，所以 A 是更好的回應。」

哪怕不符直覺，Vicky 接受這個審查意見，她確實沒能遵循規則。但另一個例子涉及刻在台灣人基因裏的諧音梗，她咽不下這口氣。

該任務要求讓語言模型生成「詼諧幽默」且在地化的回應。Vicky 苦思良久後，決定叫 AI 想一系列手搖飲料店的諧音梗店名，如著名的八曜和茶（諧音「爸要喝茶」）。但 AI 給出的店名，在 Vicky 看來都不好笑，「不符合我們台灣人對諧音梗的認知」，她將這點寫在評級理由中交了上去。

審查員卻認為「不好笑」太過主觀，不構成一個重大問題，把做題結果打了低分。Vicky 非常不甘心：「AI 寫不出幽默的句子我完全可以理解，它本來就不夠在地化，所以才需要我們人的回饋嘛。但如果今天我們這樣的回饋都被審查員否定，那我實在不知道該怎麼處理這樣的任務。」

「那你覺得 AI 哪天能學會說台灣諧音梗嗎？」我問道。「我覺得很難，如果他們繼續給我們這麼多限制的話。」她解釋自己的困境：「如果你一直遵循規則，那 AI 生成的回答就會像是機器人，我們加入個人意見，就是希望 AI 往更『人性化』的方向發展，但審查員又把我們往規則的方向拉。」

Sharon 也分享了類似經驗。她有時接到一些創作類的任務，要修改模型生成的小說甚至詩歌。「不能說 AI 在語言表達上有什麼問題，但寫出來的故事非常幼稚、爛俗。」她因此需要對 AI 生成的小說進行全盤修改。更麻煩的是詩歌，「由於 AI 很難理解意象、隱喻之類的表達，它寫詩的能力是非常差的。」

Sharon 有時也和審查員的意見發生衝突。有一次，模型生成的回應中有「兩個麻雀」的說法，Sharon 認為沒有問題，審查員卻指出應該是「兩隻麻雀」，給了她最低的1分。

Sharon 並不服氣：「你只要去百度或 Google，就可以找到大量的例子寫『兩個麻雀』。在人與人對話的語境裏，中文的表達是非常靈活的，日常聊天裏經常會有不符合語法規範的說法，但這部分到底要不要去修改，就是一個問題。」

「那你有沒有想過，審查你的人有可能不是一個人，而是一個 AI？」我問道。Sharon 認為不是，因為 AI 建立在海量數據之上，而網路上有大量「兩個麻雀」的說法；反而人類由於從小到大接受的語文教育，才會堅持只能用「隻」、不能用「個」去表達鳥類。

「我認為審查員肯定是人，因為 AI 沒有這麼機械，雖然這麼說很奇怪。」Sharon 說完笑了。

（應受訪者要求，Vicky、Sharon 為化名）