インドのギグエコノミー：世界中のロボットを訓練する新たな分野となるか？

人工知能とロボティクスの分野において、訓練データは長らく希少な資源となってきた。合成データは低コストで大量のサンプルを生成できるものの、現実の物理世界におけるロボットの挙動は、シミュレーション環境とは大きく異なることが多い。こうした課題に対し、Human Archiveというスタートアップが新たな解決策を提示している。それは、インドの巨大なギグエコノミーを活用し、一般の人々にカメラとセンサーを装着してもらい、現実世界の物理的動作データを収集するというものだ。

ギグエコノミーの新たな役割：データ収集者

Human Archiveは、UC Berkeleyとスタンフォード大学の研究者によって共同設立された。彼らは軽量なデバイス群を開発した：複数のカメラを搭載した帽子と、手首や足首などの主要な関節に固定する慣性計測装置（IMU）である。これらのデバイスは、装着者の身体動作、視線方向、周囲の環境映像を記録できる。同社はインドのギグワーカー（学生やフリーランサーなど）を雇用し、日常活動（歩行、物品の運搬、ドアの開閉、道具の使用など）の中でこれらのデバイスを装着してもらい、膨大な実世界の物理的相互作用データを収集している。

「我々は、ロボットに人間のビデオを直接学習させるのではなく、人間が物理世界で問題を解決する方法——筋力、関節角度、触覚フィードバックといった微妙な情報を含めて——を記録しているのです。これらのデータはロボットの汎化能力にとって極めて重要です。」——Human Archive共同創設者（原文の趣旨に基づく仮想引用）

データ収集の課題とチャンス

ロボット企業は長年、二つの大きなボトルネックに直面してきた。一方では、実世界のデータ収集コストは非常に高く、大量の手動アノテーションと複雑な機器を必要とする。他方では、シミュレーションデータは安価だが、現実世界の物理法則を完全には再現できず、ロボットがシミュレーションから現実へ移行する際にパフォーマンスが低下する。Human Archiveのモデルは、実データ取得コストの低減を目指している：インドのギグワーカー一人当たり1日10〜20ドルの報酬を得ることができ、これは米国のデータ作業員の費用よりはるかに低い。同時に、インドの多様な環境（混雑した街路、田舎道、伝統的な台所など）は豊富なインタラクションのシーンを提供できる。

しかし、このモデルはプライバシーとデータセキュリティの問題にも直面している。カメラは周囲の状況を録画するため、通行人や店舗の看板など、機密情報を含む可能性がある。Human Archiveは、映像に対して顔のぼかしと背景の匿名化処理を行い、すべての被撮影者の同意を得た上でデータを使用すると述べている。さらに、インド法によるデータの越境制限も潜在的なリスクとなっている。

編集者注：データ駆動型ロボット進化

Human Archiveの試みは、AI業界の実データへの渇望を象徴している。過去10年間、AIは視覚や言語などの分野で大きな飛躍を遂げたが、それはインターネット上に既に存在する膨大なテキストと画像に大きく依存していた。しかし、ロボティクスの分野では、物理的インタラクションデータは極めて断片的で高コストである。ギグエコノミーの柔軟性と低コストを活用することで、新たなデータ供給モデルが生まれる可能性がある。もちろん、このモデルが規模化できるか、データ品質が研究ニーズを満たせるかについては、まだ時間をかけた検証が必要だ。しかし、将来的にロボット企業が「分散型人手データ収集」のようなビジネスモデルにより依存していくことは予想される。

本記事はTechCrunchから編訳した。