据发现，该公司将客户的个人身份收据发送给亚马逊的土耳其机械(MTurk)众包平台上的工作人员，从而弥补了其文本分析软件的故障。人工智能服务背后的这种“人类安全网”非常普遍(Gent 2017)。Sarah Roberts(2016,2017)已经确定了薪酬普遍较低且不稳定的人类内容审查员在过滤社交媒体提要以清除暴力和色情内容方面的作用。据报道，谷歌有1万名“评分员”在观看YouTube视频。微软运营着一个“通用人类关联系统”(Universal Human Relevance System)，每月用数百万个微任务检查搜索算法的结果。Facebook和bb0最近因“网络战争”丑闻(阿尔巴)而加强了对ML结果的补救
2017;Dyer-Witheford and Matviyenko 2019)。数据清理和监控的微观工作是密切相关的;这两种工作都可能由同一名低薪合同家庭佣工在不同的班次中完成(Nakashima)
这些活动说明了“自动化最后一英里的悖论:随着AI的进步，它也导致了新型人类在循环任务的临时劳动力市场的快速创造和破坏”(Gray和Suri2017)。在这个悖论中还有一个进一步的转折：数据清理和监控本身已经成为ML自动化的目标。亚马逊的土耳其机械人类微任务被该公司称为“人工智能”(Reese and Heath2016);具有讽刺意味的是，“土耳其人”训练的是真正的人工智能，有朝一日可能会取代他们(Hook 2016)。Facebook和谷歌的高管明确表示，他们的目标是最终实现内容审核的自动化(阿尔巴2017;Nieva2018)。数据科学家宣称数据清洗是“一个需要机器学习帮助的机器学习问题”(Ilyas2018)。点击工作者正在贡献他们自己的数字化劳动记录数据集，作为未来AI的培训材料。因此，机器学习体现了蒂姆·乔丹(2015:32-8)所说的“递归”，即信息资本流入自身的过程。对自动化的恐惧已经回到了软件开发人员的精英阶层。AI行业的工作人员在工作中与自动化表现出矛盾的关系;虽然他们对此持谨慎态度，但他们也认为这是必要的，甚至是可取的(Steinhoff2019b)。这就引发了进一步的分歧，即这些技术是会加强还是会扼杀软件工程师的工作(Shanin 2018;Vorhies 2016a, 2017)。2016年，550名开发人员被要求确定他们的工作中“最令人担忧的事情”
78
inhuman power