今年三月，来自台湾的 Vicky，在求职网站上看到以下广告：
“Outlier 正在寻找具备繁体中文流利程度的优秀作家，以协助训练生成式人工智慧模型。这是一个远端的自由工作机会，工时弹性，因此您可以在适合您的时间工作。”
这份兼职提供每小时22.5美元的“平均薪资”，“理想专业背景的示例”包含译者、文案作者、记者、编辑，以及“人文学科或写作相关领域”的毕业生。用中文撰写的招聘广告生硬且不自然，带有明显机器翻译痕迹。Vicky 觉得，他们真的挺需要中文母语者，来训练一下这个 AI。
Vicky 当时在英国攻读第二个硕士，正值学期间空档，加上对当前火热的人工智能产业的好奇心，她决定投递履历。很快地，她通过筛选，进入公司平台，却没有任何工作可做。她求助 Reddit 等网路论坛，发现许多人都有相同经历。整件事仿佛一场诈骗，但不清楚到底被骗了什么。
九月，Vicky 拿到学位后回了台湾，求职却屡屡碰壁。她想起这份兼职，重新打开 Outlier 平台，发现一系列训练课程。求职不利、和父母一同住在南部乡下老家的 Vicky， 有大把的空闲时间。在完成几个（不支薪）训练后，她终于接到第一个任务，或套用公司内部的说法，可以开始“做题”了。至今 Vicky 仍未找到正职，却在 Outlier 上累积了大约2000美元的收入。
这份工作反映了矽谷科技业尝试将人工智能训练“零工化”的产业趋势。Outlier 的背后，是总部位于旧金山、估值约140亿美元的人工智能公司 Scale AI。该公司提供数据标注服务，客户包含 OpenAI、Meta、微软、辉达等科技巨头。公司网站上，Scale AI 声称能帮助客户“使用最好的数据造出最好的模型”；这些“最好的数据”，实际上是透过层层转包，由像 Vicky 这样的“零工做题家”训练和提供。
规模最大的 Outlier 外，类似的零工平台还有许多，如 DataAnnotation、SuperAnnotate、CrowdGen、Welocalize、Alignerr。如果当前人工智能发展的瓶颈，是缺乏高品质的训练资料和人类反馈，那矽谷提出的解决方案，就是搭建跨国平台，将人工智能训练拆解为一个个40分钟左右的单项任务，以自由接案、按件计酬的方式，在全球范围内招聘具高等教育水平的人才。
于是，追求自由移动的高学历人才，和自由的全远端工作一拍即合，在“流动性”上达成共识，成为零工经济的最新型态。AI 训练的零工化、普及化，也让被排除在人工智能浪潮外的人文学科毕业生，有了一窥当前最火热产业的机会。
当文学系学生碰上人工智能，试图教会大型语言模型说人话，他们却发现，挡在前头的，不是技术限制，而是比 AI 还要机械的人、比语言模型还不透明的平台规则。
当数位游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，这份工作的薪水大概是两到三倍，甚至四倍。”Neal 告诉我。
Neal 是中国大陆北部一所大学的大三学生，主修英语语言文学，副修应用语言学。十月初，他无意间在社群媒体上滑到 DataAnnotation 的广告，招募 AI 训练员。“薪资非常诱人，最低有 20 美元一小时，我都觉得看起来像诈骗。”他说道。Neal 所在省分的法定最低时薪，同样是 20 元左右，单位却是人民币。
受优渥薪资吸引，Neal 投递了履历，并花费四个小时完成了刁钻的线上测试，试题包含评估 AI 生成的回应、续写小说，以及英语朗读。他成功通过测试，开始接到源源不绝的任务。两个月来，Neal 每天工作四到五小时，假日有时间的话做得更久，至今已累积约5000美元的收入。
他也将这份兼职推荐给周遭朋友，却少有人通过线上测试。Neal 反思：“我的教育背景，无论是语言学还是文学这一块，还是比较相关的，能让我想出一些比较高质量的 prompt（指令）。”
许多任务要求“挑战 AI 智商的天花板”，这时候就必须“敦促”语言模型，下一些更专门的指令。Neal 举例：“像我昨天就问它（语言模型）一篇 D.H. 劳伦斯的小说，要它总结内容。小说题目叫〈参孙和大利拉〉，不是这个作者非常有名的小说，然后 AI 就编造了一个故事，给出完全十万八千里的回答。”
专业知识以外，语言能力也相当重要。多数时候，AI 训练员使用中文和有待训练的语言模型对话，模型以中文回应，做题家再对模型的回应进行评级，并以英文说明理由。测试和任务指令也都是英文。Neal 评估，做这份工作需要母语者的中文水平，以及“雅思均分6.5”的英语水平。
透过 Outlier、DataAnnotation 等一系列零工平台，科技公司得以在全球范围内，搜罗具双语能力、拥有人文学科学位的人才，如人在瑞典的 Sharon。
Sharon 同样来自大陆，大学就读中文系，拥有比较文学的硕士学位。在出版社做了几年编辑后，她于去年远赴瑞典，攻读第二个硕士。Sharon 必须打工赚取生活费，但由于不会瑞典语，一直无法在当地找到工作。
今年七月，Sharon 在求职网站上发现 Outlier“AI 训练员”招聘讯息，她马上投了履历，却迟迟没有回音。直到十月，她意外收到邀请入职的邮件，进入平台，做了好几个不支薪的训练课程后，她终于拿到任务，成为平台上几千名简体中文“做题家”之一。工作近两个月来，Sharon 累积约2000美元的收入。
做题满一定时数后，平台会给予部分工作者“内推”的名额，若内推进来的新人，也做满10个小时，推荐者可获得小额奖金。内推制度促使不少工作者将这份兼职分享至社群媒体，寻找有意加入的新人，赚取推荐奖金。某些贴文甚至收获上百个赞，在小红书上引发广泛讨论。
Sharon 推荐了大概十个人，其中只有一人成功让她拿到奖金。“可能挺多人会卡在开头吧，我个人的原因是瑞典这边工作比较难找，我不介意前期要投入比较多的免费劳动，因为我的选择很少。”她解释：“如果一个人有很多选择，可能这对他来说就不是一个好的工作。”
事实证明，这份全远端兼职，对那些受过高等教育、却不见得能找到匹配工作的人文学科毕业生来说，确实有著莫大的吸引力。如果暂时不想脱下孔乙己的长衫，那何不继续当个做题家，还能赚外快？
一名人在纽西兰的受访者认为，这份工作非常适合留学生，一方面留学生具备双语能力，另一方面弹性工时、居家办公的自由度，能让留学生兼顾课业和打工。Vicky 也是在留学英国期间，选择向 Outlier 投履历。虽然 Vicky 做的是繁体中文项目，与简体中文相比，符合资格的做题家人数较少，她仍感受到非常多人在竞争这份工作。
“不论是想赚钱的人，想做兼职的人，梦想数位游牧的人，或是跟我一样好奇然后就进去了的人，很多人在抢很少的项目。”她说道。
不稳定的题目供给，不透明的平台规则
当全世界的工作者投入到这份兼职，但平台提供的任务数量有限，便导致僧多粥少，做题家常面临无题可做的窘境。此状态称作“任务空档”（empty queue），简称 EQ。
Reddit 上的“outlier_ai”看板，拥有25000名成员，EQ 是板友最常讨论的问题之一。有些工作者因没能通过测试而 EQ，有些因做题水平不佳而 EQ，但绝大多数的 EQ 来得莫名其妙，可能昨天做得好好的，今天就 EQ，或明明通过测试，却自始自终都没接到任务。怎样才能有题可做，是一门玄学。
Sharon 注意到，某些简中项目的工作组，拥有高达两三千名做题家，这就注定不是人人都能接到工作。她猜测：“你更符合他们的要求和期待的话，你帐号的权重就会高一些，你获得的任务量会更稳定一些。但整体来说，还是相当不透明，不知道到底有多少项目，项目有多少人在做，不知道评分规则到底是什么。”
若做题品质长期保持在高水平，做题家能够晋升为“审查员”（reviewer），批改其他人交上来的答案，并给予评分。做题家若长期被审查员打低分，可能丧失做题资格。哪怕对审查意见不服，也无法要求重审。Vicky 曾因不认同审查员的评分，对 Outlier 管理人员提出申诉，对方传达的回应是：“你不要去反对他们的意见，如果你想继续做这份工作，遵循他们的意见是最快的方式。”
访问前一周，Sharon 刚刚晋升为审查员。她体验到审查员确实有更多权重：“不仅体现在任务更多，额外奖金更多，还包括优先被分配题目。一般获得审查员资格后，就会进入该项目专属于审查员的更小群组，我在的那个群组只有50人。有时候项目管理者会分享一些‘内部资讯’，例如提前告知该项目有一波新题近期将上线，审查员能优先看到这些题目。”
即便如此，多位受访者都表示，他们曾在 Reddit 等论坛上，看到有人明明已经做到审查员，帐号仍无缘无故被封禁。
Neal 对 DataAnnotation 内部人员的评价是“高冷”，觉得他们不太爱回答问题，不积极回复邮件，开除人却毫不手软。“如果你一直符合他们的要求，工作项目上还是比较稳定的，能分到的工作也比较多。但如果他们觉得你可能哪方面做错了，或不符合他们的要求，他们也会毫不留情地把你踢掉。”他说道：“具体不清楚评判标准是什么，很多人一夜之间、也没收到任何邮件，他们的工作就 gone 了。”
不透明的规则、不稳定的工作来源，导致工作者和平台，长期处在严重的权力不对等中。工作者在做题之外，往往还要付出大量的诠释劳动，去揣测平台的想法、状态。
三周前，由于多次从审查员那边拿到低分，Vicky 丧失某一项目的做题资格。在访问前一天，她却意外收到 Outlier 的邮件，邀请她参加“重考”，若顺利通过，能重新回到该项目组。她的理解是：“因为这个审查员的制度，他们筛掉太多潜在的贡献者，合格的人数太少了，导致消耗任务的速度太慢，所以才又开了一个后门。”
当我问 Vicky 会不会参加重考，她回答：“我搞不好重考也不会过啊。”复习任务指令、重新参加测试需花费2到3个小时，没有薪水可拿。
当缺乏线索、无从揣测的时候，工作者只能认命。Vicky 有次单日做了整整12个小时，“我不知道这个项目会持续多久，因此会想要在最短的时间内，把收入提高，它有可能两三天就结束了，我不知道。”这样一种“限量的急迫感”，究竟是僧多粥少的自然结果，还是平台方刻意塑造，同样不得而知。
Sharon 也有类似反思：“工作者非常被动，没有选择权，只能被动地等待任务来不来。作为一个被动方，你必须保持一个定期追踪它们的习惯，每天花个几分钟或半个小时，这会变成你生活里一个常规的事情。”
“如果一个人不想承受这种状态，他就只能选择离开。”
过渡性、游戏化，人工智能背后的“幽灵工作”
平台上的零工做题家来来去去，水平参差不齐。Vicky 观察：“他们（Outlier）还是不断在雇用人，整个群体里有像我一样资深的人，同时也有一群滚动式、不断进来的新人，搞不清楚状况。”管理人员因此得一再回答同样的问题，新人得一再经历非常挣扎的过程，才能变成一个“可以用的工作者”。
“我一拿到正职工作，就不会出现在那里了。”Vicky 说道。“我还是承认这份兼职其实非常不稳定，我毕业后一定会去找其他的工作。”Sharon 也说。
中国社科院青年学者孙萍在《过渡劳动：平台经济下的外卖骑手》中，指出流动性、过渡性是中国外卖行业的基本样态。当被问到为什么送外卖，“过渡一下”是绝大多数外卖员的回答。孙萍团队于2023年针对北京地区超过千名外卖员进行调查，仅13%受访者表示愿意一直送外卖，超过八成的人表示自己会在两年内换工作。个别站点一年内的骑手流动率，介乎7成至9成之间。
孙萍将零工经济下的“过渡劳动”，形容为一种“悬浮状态”。零工工作者总想著要离开平台，进入下一个也许更稳定的生命阶段。对平台而言，却是“过渡成为常态”，尽管每天新人来、旧人去，劳动力的供给仍源源不断。
而一旦个体进入平台，劳动与生活的界线便逐渐模糊。孙萍写道：“（外卖骑手）有订单时工作，无订单时休息，工作与生活的随机转换成为零工劳动者的日常。”正如做题家们必须在无题可做和快速刷题间来回迅速切换。
AI 训练平台也透过“游戏化”的激励措施，来调节做题家的做题速率。Neal 告诉我，DataAnnotation 的项目多以7天为一个周期，当项目被放出来的第一天，费率会是最低的，到了第三、第四天，费率就往上加，若到了第五、第六天，还剩下很多任务，那说不好就给到30美元一小时。他做过最高的费率是37.5美元一小时。
Outlier 则是在一般任务之外，偶尔会出现限定时间的挑战（mission），若完成挑战，可获得额外奖金。挑战内容可能是：“假日完成至少1个项目”、“单日工作满3小时”、“完成特定项目的20个任务”。若想最大化收入，工作者必须时时注意推出了哪些挑战，尽可能配合平台方制定的工作节奏。哪怕这个节奏既不稳定、也无法预测，某些状况下，却带来工作的快感。
“这个平台很有意思的是，你做完一个任务，它给的钱会立刻出现在你的帐户，因此很有打游戏的快感。”Sharon 说道：“我刚开始做的时候就有点上头，我每做完一个，就要看一下我的帐户，看到帐户的钱有在动，就再回去做下一个。”
“玩游戏我们累积的金币不是都是虚拟金币吗，但做这个累积的是真实的金币。”
绝大多数受访者都同意，他们在做的 AI 训练员，是一种零工工作。Neal 认为这份工作和外卖员、叫车司机类似，“自由度比较高，想做就做，不想做的时候就可以给自己放假”，“不同点就是 DataAnnotation 更偏向脑力活动，主要是智力上的输出，而像滴滴、外卖这些更偏向体力活动”。
由于和平台方不存在雇佣关系，零工做题家不受任何法规的保护。薪资一般都转帐到第三方平台如 PayPal 里，工作者再自行提领。是否该报税、该如何报税的问题，也同样由工作者承担。
Sharon 便花了不少心力，试图弄清瑞典的劳动和税务法规。她告诉我：“在瑞典拿学生签的话，兼职时间上限是每周20小时，具体操作起来有一定弹性。但需要考虑累积收入达到一定数额就得报税。”不过，她对银行要如何确认透过 PayPal 汇入的收入属于“劳动所得”感到困惑。累积收入达5000美元的 Neal，还不太清楚他需不需要报税。
从体力到脑力劳动，“零工化”的趋势正在不断扩张。而回顾历史，会发现人工智能背后的人类劳动力，也正在经历从血汗工厂到零工经济的变化。
Outlier 的背后，是总部位于美国旧金山的人工智能公司 Scale AI。Outlier 的《隐私政策》有以下文字：“（本政策）凡提及‘Outlier’、‘我’、‘我们’，皆指 Smart Ecosystem 及其附属公司。”据《华尔街邮报》披露的登记文件，Smart Ecosystem 为 Scale AI 全资持有的子公司。
更早之前，Scale AI 于2017年创立 Remotasks 公司，将较低门槛的数据标注工作，外包到菲律宾、肯亚、奈及利亚和巴基斯坦等发展中国家，雇用低廉劳动力。在这些国家，Remotasks 存在拖欠工资、工资过低，以及无预警解雇员工等争议。《华尔街邮报》形容，人工智能浪潮背后，是在“数位血汗工厂”里工作的大量劳动者。
人类学家 Mary Gary 和计算机科学家 Siddharth Suri 则在《销声匿迹：数字化工作的真正未来》中，将驱动人工智能运作的隐形劳动，称作“幽灵工作”（ghost work）。这些工作往往被刻意隐藏，以制造人工智能无所不能的假象。
如今，Scale AI 尝试以零工经济的模式，搜刮更高教育水平的劳动力，在全球雇用一群“零工做题家”。他们是以时间和知识喂养机器的新一代幽灵。做题家的工作具有自我消灭的特性，一旦语言模型达到母语使用者水平，就再也不需要人类的反馈和帮助。
但根据第一线 AI 训练员的判断，这天不会那么快到来。
AI 能学会说台湾谐音梗吗？
“如果 LLM（大型语言模型）都是这样训练出来的，我对这项技术好像也没有什么太大的信心了。”这是 Vicky 和 AI 密切互动三个月后的感想。
作为对语言高度敏感的繁体中文使用者，Vicky 相当在意 AI 回应中那些不自然、太像机器的表达，也非常认真地看待在地化的目标，努力让 AI 讲话更像台湾人。然而，阻挡她教会 AI“说人话”的，不是技术限制，而是必须遵守的规则（guidelines），以及将规则强加于做题家的审查员和管理人员。
在其中一个项目里，做题家必须从七个不同面向，对模型生成的回应给出重大问题、次要问题和没有问题三种评级。七个面向为在地化、指令遵循、真实性、简洁、写作风格与腔调、无害，以及整体品质。关于如何区分这七个面向，训练文件有近20页的说明。为了评分标准化而定下的规则，却往往有不足之处。
“有时候我会觉得某个回应以 guidelines 来说不错，但是语气上怪怪的，我就会很想要写下来，”Vicky 说道，如某些明显的冗词赘字。她对语言的细腻想法，却往往不被采纳。“他们希望我们遵循 guidelines 去评分，有点在削弱我们对日常用语的主观意见。”某些管理人员更指示，在写评级理由时，不要使用第一人称“我”，只能用第三人称写作，如“根据规则 X，回应 Y 有问题 Z”。
当做题家检视 AI 是否忠于人类指令，审查员也在检查做题家是否遵循规则。有时，做题家面临两难处境：究竟是遵循规则努力赚钱，还是贡献自己对语言的“主观意见”，即便那可能不是平台方想要的。
做题家当然也有失手的时候。有一次，Vicky 要求模型将台湾22个县市，依人口密度分成高、中、低三类。模型给出的两个回应中，A 回应分错三个县市，B 回应仅分错一个，但 B 回应包含一些语言方面的问题。在评价两个回应何者为佳时，Vickey 选了 B，因为指令的核心要求是将县市分类，而错一个比错三个好。
这个答案却被审查员评为“非常糟糕”（very poor），只拿到1分（满分为5分）。审查意见表示：“回应 A 有‘指令遵循’方面的重大问题，回应 B 有‘指令遵循’方面的重大问题和‘写作风格与腔调’方面的次要问题，一个重大问题优于一个重大问题加一个次要问题，所以 A 是更好的回应。”
哪怕不符直觉，Vicky 接受这个审查意见，她确实没能遵循规则。但另一个例子涉及刻在台湾人基因里的谐音梗，她咽不下这口气。
该任务要求让语言模型生成“诙谐幽默”且在地化的回应。Vicky 苦思良久后，决定叫 AI 想一系列手摇饮料店的谐音梗店名，如著名的八曜和茶（谐音“爸要喝茶”）。但 AI 给出的店名，在 Vicky 看来都不好笑，“不符合我们台湾人对谐音梗的认知”，她将这点写在评级理由中交了上去。
审查员却认为“不好笑”太过主观，不构成一个重大问题，把做题结果打了低分。Vicky 非常不甘心：“AI 写不出幽默的句子我完全可以理解，它本来就不够在地化，所以才需要我们人的回馈嘛。但如果今天我们这样的回馈都被审查员否定，那我实在不知道该怎么处理这样的任务。”
“那你觉得 AI 哪天能学会说台湾谐音梗吗？”我问道。“我觉得很难，如果他们继续给我们这么多限制的话。”她解释自己的困境：“如果你一直遵循规则，那 AI 生成的回答就会像是机器人，我们加入个人意见，就是希望 AI 往更‘人性化’的方向发展，但审查员又把我们往规则的方向拉。”
Sharon 也分享了类似经验。她有时接到一些创作类的任务，要修改模型生成的小说甚至诗歌。“不能说 AI 在语言表达上有什么问题，但写出来的故事非常幼稚、烂俗。”她因此需要对 AI 生成的小说进行全盘修改。更麻烦的是诗歌，“由于 AI 很难理解意象、隐喻之类的表达，它写诗的能力是非常差的。”
Sharon 有时也和审查员的意见发生冲突。有一次，模型生成的回应中有“两个麻雀”的说法，Sharon 认为没有问题，审查员却指出应该是“两只麻雀”，给了她最低的1分。
Sharon 并不服气：“你只要去百度或 Google，就可以找到大量的例子写‘两个麻雀’。在人与人对话的语境里，中文的表达是非常灵活的，日常聊天里经常会有不符合语法规范的说法，但这部分到底要不要去修改，就是一个问题。”
“那你有没有想过，审查你的人有可能不是一个人，而是一个 AI？”我问道。Sharon 认为不是，因为 AI 建立在海量数据之上，而网路上有大量“两个麻雀”的说法；反而人类由于从小到大接受的语文教育，才会坚持只能用“只”、不能用“个”去表达鸟类。
“我认为审查员肯定是人，因为 AI 没有这么机械，虽然这么说很奇怪。”Sharon 说完笑了。
（应受访者要求，Vicky、Sharon 为化名）
读者评论 0