તાજેતરમાં એક નવું આર્ટ પિચને મારા ઇનબોક્સમાં પ્રવેશ મળ્યો. નિક નામની વ્યક્તિ લખે છે, “મને ખાતરી નથી કે તમે સાંભળ્યું હશે કે નહીં, પરંતુ એન્થ્રોપિક અને ઓપનએઆઈ જેવી AI લેબ્સ તેમના જૂના વર્કિંગ રેકોર્ડ્સ (દસ્તાવેજો, ઇમેઇલ્સ, સ્લેક સંદેશાઓ, ટિકિટો વગેરે)ની નકલ માટે વાયર્ડ જેવી મીડિયા કંપનીઓને $350,000 થી $1.8 મિલિયન ચૂકવે છે.
સમાન સૂચન સાથેના અન્ય ઈમેઈલ (વિનંતી કરેલી માહિતીની યાદીમાં કૉલ લૉગ્સ ઉમેરવા)એ સંભવિતપણે $2 મિલિયનનો હિસ્સો વધાર્યો. કોરા નામની કોઈ વ્યક્તિ લખે છે કે, “જાહેર ડેટા ખતમ થઈ ગયો છે અને લેબ્સ વધુ સારા મોડલ બનાવવા માટે ખાનગી ડેટા પર $45 બિલિયનથી વધુ ખર્ચ કરી રહી છે.”
જોકે મને ખબર હતી કે AI કંપનીઓ વિવિધ સ્ત્રોતોમાંથી નિષ્ણાત ડેટા ખરીદે છે, તેના પર એટલું ધ્યાન આપવામાં આવ્યું ન હતું. પરંતુ જેમ જેમ મેં તેમાં તપાસ કરી તેમ, મેં શોધ્યું કે આ કંપની મને જે શંકા હતી તેના કરતાં ઘણી મોટી છે — અને તેના પ્રેક્ટિશનરો અનુસાર, તે કામદારો અને સમાજ પર એટલી જ મોટી અસર કરી શકે છે જેટલી આ દિવસોમાં સમાચાર પર પ્રભુત્વ ધરાવતા ડેટા સેન્ટર્સ છે.
જે કંપનીઓએ મારો સંપર્ક કર્યો તે ઇન્ડસ્ટ્રી ડેટા કલેક્શન બૂમનો એક ભાગ છે જે શાંતિથી મોટી કંપનીઓના વર્કફ્લોને ખરીદી રહી છે અને હજુ પણ અમારા ઇનબોક્સ સુધી પહોંચવા માટે પૂરતી ભૂખી છે. એક ફ્રીલાન્સ લેખકે તાજેતરમાં હેન્ડશેક નામની કંપની સાથેના તેણીના અનુભવ વિશે લખ્યું હતું જેણે તેણીને એક વાર્તા પર કામ કરવા માટે $1,000 ની ઓફર કરી હતી. (તેણીએ વેચાણ કર્યું ન હતું.) એક હેન્ડશેક પ્રતિનિધિએ મને ઓફરની પુષ્ટિ કરી: “અમે ઘણા ક્ષેત્રોમાં વ્યાવસાયિક દસ્તાવેજોનું લાઇસન્સ આપીએ છીએ જેથી લેબ પરીક્ષણ કરી શકે અને તાલીમ આપી શકે કે મોડેલો વાસ્તવિક જ્ઞાનના કાર્યને કેવી રીતે હેન્ડલ કરે છે,” તેમણે કહ્યું. “પત્રકારત્વ તે ક્ષેત્રોમાંનું એક છે.” હેન્ડશેક મને કહે છે કે તેના વ્યવસાયનો મોટો હિસ્સો ગ્રેજ્યુએટ વિદ્યાર્થીઓના પેપર અને કોર્સવર્ક ખરીદવાનો છે.
એક ઉદ્યોગસાહસિક મિત્રએ મને કહ્યું કે તેને ઘણી કંપનીઓ તરફથી ઈમેઈલ પ્રાપ્ત થયા છે જેનું મિશન “સ્ટાર્ટઅપ્સને તેમના વ્યવસાય ચલાવવામાં મદદ” કરવાનું હતું, કારણ કે સનસેટ નામની કંપનીનો એક ઈમેઈલ તેને મૂકે છે. “અમે સમગ્ર પ્રક્રિયાનું ધ્યાન રાખીએ છીએ, ડેટાને સાફ કરીએ છીએ અને અનામી કરીએ છીએ જેથી કંપનીના કર્મચારીઓ અને તમામ ઓળખતી વિગતો દૂર કરવામાં આવે અને પછી લેબ્સ સાથે સોદાની દલાલી કરવામાં આવે.”
આ નવા ડેટા કલેક્શન સ્ટાર્ટઅપ્સ સ્પેસમાં પ્રબળ કંપનીઓની ઝડપી સફળતા સાથે મેળ ખાશે તેવી આશા રાખે છે, જે પોતે માત્ર થોડા વર્ષો જૂની છે. ઉદ્યોગના અગ્રણીઓ હેન્ડશેક, માઈક્રો1 અને મર્કોર આધુનિક જમાનાના ગોલ્ડ રશની જેમ ડેટાબેઝ તૈયાર કરી રહ્યા છે. 2023 માં સ્થપાયેલ મર્કોર ઉદ્યોગના અગ્રણી દેખાય છે; ગયા વર્ષે, તેના ત્રણ સહ-સ્થાપક 22 સાથે અબજોપતિ બન્યા. તમામ કંપનીઓની જેમ, તે લગભગ તમામ મોટી AI લેબ્સ સાથે ભાગીદારી હોવાનો દાવો કરે છે. (કંપનીઓ તરફથી મળેલો પ્રતિભાવ વધુ અનામત છે: એન્થ્રોપિક સ્વીકારે છે કે ડેટા માટે એક મોટું બજાર છે, પરંતુ મને કહ્યું કે તે WIRED જેવી લાઇવ કંપનીઓ પાસેથી વર્કફ્લો ખરીદતી નથી. OpenAI એ પ્રકાશન પહેલાં પ્રતિસાદ આપ્યો નથી.)
એક ઇન્ટરવ્યુમાં, મર્કરના સીઇઓ બ્રેન્ડન ફૂડીએ મને કહ્યું હતું કે માર્કેટ વિસ્ફોટ થવાનું છે કારણ કે AI ઉદ્યોગને નોંધપાત્ર રીતે વધુ ડેટાની જરૂર છે. મર્કરની શરૂઆત AI રિક્રૂટિંગ કંપની તરીકે થઈ હતી, પરંતુ જેમ જેમ ટીમે ખેલાડીઓને ઓળખ્યા, તેમને જાણવા મળ્યું કે મોટી લેબ ડેટાની ગુણવત્તાથી હતાશ હતી. સામાન્ય રીતે, ઉદ્યોગ વાસ્તવિક વર્કફ્લોનું અનુકરણ કરવા માટે નિષ્ણાતોની નિમણૂક કરે છે, પરંતુ તે વાસ્તવિક કામગીરીની ગડબડને પકડી શકતું નથી. તેમણે મને પડકાર ફેંક્યો કે બિગ એઆઈની બે અમર્યાદ જરૂરિયાતો છે: કમ્પ્યુટિંગ પાવર અને ડેટા. જ્યારે ઉદ્યોગ ખૂબ જ સાર્વજનિક રીતે ભૂતપૂર્વમાં વિશાળ રોકાણો કરી રહ્યું છે, ત્યારે ડેટા એકત્રીકરણ એટલું જ મહત્વપૂર્ણ છે.
