人机关系
《连线》杂志采访到的广告评级员表示，雇佣临时工来承担培训AI系统所需的重复性任务，是整个科技行业的大公司都在采用的做法。一位评级员讲述了早些年自己参与微软 Bing 搜索引擎的评估工作，当时的人工评审员需要每小时浏览多达 80 多页的搜索结果。评级人员透露，LinkedIn（数据注解）和 Facebook（评估粉丝页面赞助商的帖子）也雇佣临时工进行类似的任务。
（微软拒绝对此置评。LinkedIn无法确认存在此类项目，Facebook 没有回复置评请求。）
评级员工作整体的不稳定性和普遍的非自愿解雇现象让许多现职和离职工人感到不满，他们表示自己工作的不稳定性也会让谷歌等幕后雇主失去熟练员工的积累。“他们白花时间训练新员工，然后又赶他们出门。”一位前雇员说。
不过，对科技公司而言，不断使用新的临时工做人工评估反而可能是提升 AI 智能的最佳做法。AI 专家称定期更换人工数据来源更适合培训 AI。“AI 需要众多观察事情的角度，特别是在引人反感的内容等方面。”人工智能创业公司 Nara Logics CEO 亚娜·艾格斯（Jana Eggers）说。她还引用最高法院和色情的著名故事。联邦法官称自己不知道如何界定色情，但“让我看一眼我就知道了”（I know it when I see it）。同理，给机器更多的视角会得到更好的结果。
尽管 AI 研究人员普遍认为，训练人员的不良习气不会随着训练数据一同传染给 AI。但工作环境和个人经验之外，一些更微妙的影响实难控制。“人们经常听到的观点讲大量不同的数据是培训 AI 模型的途径。”康奈尔大学 AI 教授巴特·塞尔曼（Bart Selman）说。“这是一个很好的指导方针，但当涉及道德判断时，群体中根深蒂固的偏见也是需要注意的。”例如，人们往往认为男人比女人更能胜任某些工作（或相反）。“如果使用来自一个特定群体的数据来训练 AI，人群中隐藏的偏见也会一并被 AI 习得。”同理，使用一群焦虑的临时工来训练 AI，临时工特有的偏见也可能被吸收到系统中。
