对于争夺AI领域霸主地位的科技公司来说，原始且高质量的数据极为珍贵。为了保持支撑我们喜爱AI聊天机器人的大型语言模型的最新状态，这些公司必须不断输入大量新鲜数据。正如一项研究显示，自2010年以来，用于训练AI的数据量每九个月就翻一番，这种指数级增长可能很快会遇到瓶颈，因为干净数据的储备正处于严重短缺状态。

当没有更多原创内容可供挖掘时，企业开始支付给工人以生成新的训练数据，通常提供低质量的合同，要求他们完成极其细化的任务，比如为百老汇音乐家处理每周工资，甚至有人被雇佣拍摄自己完成折叠衣物或其他琐碎甚至尴尬的工作。

然而，随着这支庞大的劳动力队伍的壮大，许多人开始走捷径，转而利用其他AI聊天机器人生成的数据来喂养这些AI模型。多位业内人士向《新科学家》透露，这种“AI自我吞噬”的做法非常普遍，而专家们早已警告，这种行为可能会破坏大型语言模型的稳定性。

一位名叫Alice的工作人员表示：“这种情况非常普遍。我曾工作的每家公司都有明确的规定，试图防止这种行为，他们确实在努力抓人，但我认为他们无法完全阻止。”

换句话说，AI公司正在经历一个讽刺的教训：他们曾未经许可盗用大量内容，打造出威胁整个经济就业的产品，而如今他们所创造的新型不稳定劳动力，正利用同样的技术，以尽可能懒散的方式完成仅剩的人类任务。

Alice还说，只要她在提交数据前去除聊天机器人如ChatGPT那样令人反感的语言特征，伪装成自己的AI生成内容并不难。“只有最马虎的用户才会被发现，”她说，“只要稍微了解AI的标志性特征，就能让输出避免这些特征，那你还能怎么办呢？”

她继续指出：“如果这些公司想要高质量数据，就应该提供高质量合同。相反，他们却以极低的报酬雇佣挣扎中的人们，且只让他们工作极短时间，项目结束后毫无预警地抛弃他们。”

其他承包商也告诉《新科学家》，他们使用大型语言模型来避免犯错，防止失去工作机会。

一位承包商解释说：“我很害怕失去收入来源，后来就变得更依赖大型语言模型。现在我做的很多项目都是创建场景，我会用一个模型帮我设计场景，再用另一个模型帮我生成相关文件。虽然我感到内疚，但起初更多是为了确保不出错。”

无论原因如何，显然这些工人并非完全不知情地向AI公司提供“垃圾数据”，这种情况可能对整个AI竞赛带来严重后果。