「我每天的工作，就是不斷的把照片上的人臉圈出來，」來自委內瑞拉的蜜雪兒（Michelle Muñoz）說，這份工作她已做了兩年，就像傳統工廠生產線工人，每天做著無止盡、重複的工作。令人訝異的是，之前她是一位牙醫師，還有自己的診所，卻因為經濟不景氣被迫結束經營。而她現在所做的「圈臉」工作，其實就是我們每天常看到的各種美顏相機、人臉辨識、變臉軟體的基礎工程。
根據 BBC 報導，光是亞馬遜（Amazon）公司每個月雇用的這些「資料工人」，至少超過 1 萬，主要來自美國和印度。亞馬遜 CEO 貝佐斯 2005 年就說過，「artificial artificial intelligence」（人工打造的人工智慧，網路圈常稱工人智慧）是公司未來發展的關鍵，甚至還有個新潮好聽的名詞叫「群眾外包」（crowdsourcing）。
在所有神奇的人工智慧應用中，最關鍵的元素可簡化成兩個，第一是演算法，第二是數據。好的演算法可以創造奇蹟，運用較少、較差的數據就能做出好結果，而數據則是人工智慧發展的硬道理，只要擁有夠好的數據資料庫，理論上就可以為所欲為。因此全球最強大的人工智慧，幾乎都出自掌控大數據的公司之手，像是亞馬遜、Google、Facebook、騰訊、阿里巴巴等，而這些公司最需要的就是源源不絕的數據，來訓練各種人工智慧系統。
想像人工智慧是一隻強力的召喚獸，各家公司就是召喚獸的主人，想讓你的召喚獸變得更強，就需要不斷餵食肥料，而肥料要從哪來？遊戲裡你得自己去肝（燃燒你的肝花時間去收集材料）出來，在現實世界，來自全球的資料工人，隨時待命為你服務。
基礎的機器學習模型，一定會需要兩種資料，第一是訓練用的資料，第二是測試用資料。
訓練用的資料就像學生的參考書，往後翻就有答案。舉例來說，要訓練一個能辨識性別的人工智慧，訓練資料形式如果是照片，那麼每張照片就要標註正確答案，也就是照片中人物的性別。但是要去哪裡找有標註性別的照片呢？我們都已經幫 Google 跟 Facebook 做好這份工作了，然而如果需要更多照片，或是更複雜的標註，比如說要辨識人的五官、頭髮的位置，那就需要更精細的處理，也就是大量資料工人上場的時候。
這種工作的涵蓋範圍沒有極限，可能是在影片中標記樹木、紅綠燈，或是聽一段聲音，判斷是男聲女聲，而這些微小的工作，就成為各種人工智慧系統的肥料，像是自動駕駛、語音辨識，幫助它們不斷成長、進化。
這些資料工人的學歷幾乎都在大學以上，其中還有半數是資訊跟工程領域畢業，但根據國際勞工組織調查，他們的平均時薪介於新台幣 45 元到 150 元，亞洲地區工人每小時約可賺到新台幣 70 元，這個數據遠低於一般薪資，然而對許多人來說卻是最好的選擇，特別是那些局勢動盪的國家。
「在難民營裡找工作顯然不太容易，這份工作不需要面試或履歷，又可以遠端賺錢。」來自敘利亞的阿米德（Yahya Ayoub Ahmed），內戰時逃離故鄉，現在住在伊拉克境內的難民營，他在這裡接受救援組織的訓練，學會一些英文和電腦技術，因此成了資料工人。
然而這種工作充滿各種風險，由於雇主多半來自已開發國家，光是要正確支付工資，有時候都需要克服重重難關，畢竟像伊朗、伊拉克等國家的跨境金流，不像北美或歐洲那樣單純。更別提許多雇主在交件後，就神隱無蹤，工作者也求助無門只能認栽。
運氣好的時候，一天可以賺新台幣好幾百元，或許沒辦法稱得上好日子，但至少可以吃得不錯。國際勞工組織也呼籲各國政府與企業，應設法保護這些資料工人的權益，維持整個系統的持續運作。
半個小時賺 1 塊錢
目前有幾家專門在協助資料工人外包的企業，像是 Figure Eight，他們建立一個認證的平台，讓 Google、Microsoft、Oracle 等大型公司可在這發專案，而工作者則自行接案。
記者實際註冊測試，完成教學後，第一份工作是協助確認 Linkedin 用戶的工作經歷是否跟系統資料庫相符合，大約花了 20 分鐘時間，完成 20 份用戶資料檢測，收入則是非常寶貴的 3 分美元（約新台幣 1 元）。這是目前平台上最低階的工作，畢竟只是一個 Level 0 的工人。升等之後，就能接到更好的案子了（吧）。
如果你覺得這份工作跟人工智慧無關，那就大錯特錯囉。這份工作看起來像是在檢查 Linkedin 用戶資料，根據推測，這應該是在幫某款人工智慧檢查答案。應該是某家公司寫了一套系統，讓用戶只要輸入姓名，就可以快速找到前一份工作或目前的工作。而記者所做的就是在幫這套系統「檢查」答案是否正確。經過小小的體驗，可以確認這份工作不好賺，同時也不是簡單的工作。至少你需要不太差的英文能力，並熟悉電腦網頁操作，才能有效率的進行。相對於提供的薪水，對一般人來說實在不划算。但與此同時，這世界可能有數以萬計的人，卻依靠這樣的平台過活。我們隨手可得的這些人工智慧應用背後，就是這些工人的無數微小工作累積而來。