我体验了DoorDash的Tasks应用，看到了AI零工经济的黯淡未来
当AI训练成为零工：DoorDash Tasks应用的亲身体验
最近，我下载了DoorDash新推出的Tasks应用，并体验了其中一系列任务：录制自己洗衣服、炒鸡蛋、在公园散步的视频。这并非某种新型的社交媒体挑战，而是DoorDash进军AI训练数据收集领域的最新尝试。这款应用与送餐服务无关，其核心是付费让零工工作者为生成式AI模型和人形机器人提供训练数据。
任务体验：从“移动物体”到“录制日常”
注册成为“Dasher”后，我的第一个入门任务是拍摄自己将三个物体（咖啡杯、笔、笔记本电脑）从桌子一侧移到另一侧的视频。完成这个简单任务后，DoorDash寄来了一个免费的智能手机身体支架，以便我进行更复杂的录制。随后，应用内展示了完整的任务列表，主要分为五大类：
- 家务劳动：如折叠衣物、洗衣服
- 手工项目：涉及工具使用的简单维修任务
- 烹饪食物：如打鸡蛋、准备食材
- 位置导航：在特定地点（如公园）行走并录制环境
- 外语对话：进行特定语言的对话练习
这些任务的核心要求是将智能手机固定在胸前，清晰录制双手执行动作的过程。DoorDash强调，这些视频数据将帮助“AI和机器人系统理解物理世界”，并根据任务的努力程度和复杂性预先显示报酬。
数据背后的AI与机器人训练逻辑
为什么需要人类录制这些看似日常的视频？答案在于计算机视觉和机器人学习。例如，成千上万段人们清晰展示双手折叠衣物的视频，可以用于训练机器人通过视觉识别完成相同任务。这种第一人称视角的物理交互数据，对于开发能在真实世界中操作的AI模型至关重要——无论是生成式AI需要更准确地模拟人类动作，还是人形机器人学习抓取、操作物体。
DoorDash在新闻稿中表示，计划未来扩展这项服务，涵盖更广泛的任务和用户群体。然而，目前该应用在美国的可用范围有限：加利福尼亚州、纽约市、西雅图和科罗拉多州的居民明确被禁止使用Tasks（我本人在堪萨斯州成功使用并完成了任务）。
零工经济的“新边疆”：机遇还是隐忧？
Tasks应用的推出，标志着零工经济平台正从服务交付转向数据生产。对于工作者而言，这提供了新的灵活收入来源，尤其适合那些擅长通过视频展示技能的人。但这也引发了关于数据隐私、报酬公平性和工作可持续性的讨论：
- 数据用途透明度：虽然DoorDash说明数据用于AI训练，但具体模型、合作伙伴及长期数据管理政策未完全公开
- 地理限制的考量：某些州/市的禁用可能源于当地零工经济法规或数据收集法律的差异
- 报酬机制：基于“努力和复杂性”的定价是否合理，能否反映数据对AI训练的实际价值
行业趋势：AI训练数据需求催生新市场
DoorDash Tasks并非孤例。随着生成式AI和机器人技术的快速发展，对高质量、多样化的训练数据需求激增。传统的数据标注工作已扩展至物理世界交互模拟，而零工平台凭借其庞大的用户基础和灵活任务分配能力，正成为数据收集的新渠道。这既可能为AI进步提供燃料，也可能重塑零工工作的性质——从送餐、打车转向“为机器当老师”。
小结：当人类成为AI的“教练”
体验Tasks应用后，我看到的不仅是洗衣服或炒鸡蛋的简单录制，而是AI时代数据收集方式的演变。它揭示了零工经济如何适应技术需求，同时也提醒我们：在AI加速学习的背后，是无数人类日常动作的数字化。未来，这类平台是否能为工作者提供公平回报，同时确保数据使用的伦理边界，将是观察AI与零工经济交汇点的关键。