Об обратной стороне
прогресса — как мы превратились в репетиторов для роботов. Мир собирает датасет невидимого труда
Нам обещали, что технологии снимут с человека быт и освободят его для чего-то большего. Вместо этого нейросети пишут код и рисуют картины, а быт остался ровно там, где был, — только теперь мы снимаем его на камеру.
Десятки тысяч людей в десятках стран приматывают ко лбу телефоны, моют посуду под запись и отправляют файлы корпорациям, чтобы будущий гуманоид научился отличать мокрую тарелку от сухой и аккуратно складывать полотенца. Вместе с материалом для обучения роботов бизнес получает подробности частной жизни: содержимое квартир, случайно попавшие лица, личные вещи и привычки. Цена такого видео может быть меньше доллара.
Разбираемся, кто, как и за сколько обучает роботов — и что с этим не так.
Нам обещали, что технологии снимут с человека быт и освободят его для чего-то большего. Вместо этого нейросети пишут код и рисуют картины, а быт остался ровно там, где был, — только теперь мы снимаем его на камеру.
Десятки тысяч людей в десятках стран приматывают ко лбу телефоны, моют посуду под запись и отправляют файлы корпорациям, чтобы будущий гуманоид научился отличать мокрую тарелку от сухой и аккуратно складывать полотенца. Вместе с материалом для обучения роботов бизнес получает подробности частной жизни: содержимое квартир, случайно попавшие лица, личные вещи и привычки. Цена такого видео может быть меньше доллара.
Разбираемся, кто, как и за сколько обучает роботов — и что с этим не так.
Сковородка сложнее шахмат
Человечество давно мечтало скинуть на машину ответственность за рутину. К примеру, в американском ситкоме «Джетсоны» в 1962 году была робот-горничная Рози, которая пылесосит, готовит и присматривает за детьми. Тем не менее за 60 с лишним лет в наших домах не появились такие помощники. Основной прогресс в этой области закончился в XX веке, практически застыв на посудомоечных и стиральных машинах, электрических утюгах и пароочистителях.
Тем временем вычислительная техника прошла огромный путь от перфокарт до генерации видео по текстовому описанию. Этот процесс порой сравнивают с тем, как развивался мозг у наших предков.
В 1988 году Ханс Моравек, инженер и футуролог из Института робототехники Университета Карнеги-Меллона, вместе с коллегами сформулировал принцип: высококогнитивные вычисления требуют мало вычислительной мощности, а простые движения и восприятие — огромных. Моравек также писал, что навыки выживания наши предки оттачивали миллионы лет.
Другими словами, сделать так, чтобы компьютер первоклассно играл в шахматы, проще, чем дать ему мобильность годовалого ребенка.
Абстрактное мышление рядом с физическими скиллами — совсем свежая надстройка: возраст археологических артефактов с явным символизмом не превышает 150 тыс. лет. Человечество систематически записывало и фиксировало именно новый виток развития мозга: изображения, текст, формулы, учебники, законы, код. Из-за этого у робототехники появились трудности: если первичные данные для обучения языковых моделей не пришлось заказывать, потому что они уже хранились в интернете, библиотеках и архивах относительно бесплатно, то датасет для машин приходится собирать практически с нуля.
Как результат, в программных симуляциях роботы успешно выполняют бытовые задачи почти в 90% случаев, в то время как в реальных условиях — лишь в 12%, согласно свежему отчету AI Index от Стэнфордского университета*.
* Признан нежелательной организацией в РФ
Разрыв между лабораторией и настоящей кухней закрывают единственным способом — часами специально снятых видео. Только в компанию Micro1 4 тыс. человек из 71 страны ежемесячно присылают более 160 тыс. часов записей, на которых они ведут домашний быт, узнали CNN.
По словам вице-президента по робототехническим данным Ариана Садеги, этого объема недостаточно даже для обучения роботов простым домашним делам. Он считает, могут потребоваться еще миллиарды часов.
Пала еще одна граница приватности
Двадцать лет мы меняли приватность на удобство, предоставляли геолокацию в обмен на навигатор, а список контактов — на быстрые денежные переводы. Но бигтехи почти не заходили в наше физическое личное пространство на регулярной основе. Все изменилось.
В мае 2026-го немецкий стартап Microagi запустил в Нью-Йорке сервис Shift — бесплатную уборку квартир взамен на разрешение снимать процесс. Записи обезличивают и продают ИИ-лабораториям, чтобы обучать роботов-уборщиков. Сам Shift описывает модель как попытку «демократизировать ИИ-экономику»: заработать может даже тот, кто квартирой не владеет, хотя оплата и проходит в виде чистого помещения. После запуска компания сообщала о «тысячах и тысячах» заявок.
Через пару месяцев Shift зашел и в Сан-Франциско, уже предлагая бесплатные услуги частных поваров в обмен на разрешение на видеосъемку их работы от первого лица. Как сказал Business Insider один из таких поваров: «Я давно кормлю людей. А теперь я кормлю и искусственный интеллект».
Другой вариант сбора бытовых данных — платить людям за то, что они наводят порядок сами у себя дома или на работе и снимают это на телефон, прикрепленный ко лбу. По такому принципу работает Micro1, пишет MIT Technology Review: один из ее подрядчиков, студент из Нигерии под псевдонимом Зевс, получает $15 за час качественного видео, снимая на камеру готовку, мытье посуды, глажку и уборку.
Среди требований к видео: руки должны находиться в кадре, движения выполняться в естественном темпе, а лицо и личную информацию показывать не нужно. Собеседует таких работников не кто иной, как ИИ. А еще категорически запрещено публично обсуждать свою работу — поэтому и понадобился псевдоним.
При таком сборе данных обезличивание лишь звучит надежно: убрать из записи имя владельца и заблюрить его лицо несложно, но планировка и содержимое открытых полок (и, скажем, личные фото и вещи на них) будут в датасете доступны. Как и случайно попавшие в кадр дети, соседи, прохожие.
Масштабы этого больше, чем кажется: взять хотя бы Figure AI, производителя человекоподобных роботов общего назначения — он еще год назад договорился с инвестиционным гигантом Brookfield, под чьим управлением жилой фонд из 100 тыс. объектов, о сборе данных в различных жилых помещениях. Так приватность из личного выбора становится строкой в договоре между бизнесами.
«Как только мы создадим идеального универсального робота с врожденным алгоритмом обучения, подобным человеческому, нам, возможно, больше не понадобятся компании, собирающие данные о людях», — говорит The Globe and Mail Игорь Гилитшенски, доцент Университета Торонто, изучающий искусственный интеллект и робототехнику. «Это может занять еще 20 лет, но кто знает?»
Экономика абсурда
Компании, работающие над антропоморфными роботами, уже оцениваются в баснословные суммы, хотя внедрение таких машин пока на стадии пилотных проектов. Так, Figure AI оценивают в $39 млрд, 1X — в $10 млрд, а Apptronik — в $5,3 млрд.
Домашнего робота Neo от 1X продают за $20 тыс. Он открывает двери, приносит вещи и раскладывает их по полкам, но его автономность пока не гарантирована. Если у технологичного помощника что-то не получается, то к нему подключается для удаленного управления оператор из Пало-Альто. Конечно, покупатели знают об этом заранее, и все равно первые 10 тыс. роботов уже заказаны — часть из них обещают доставить покупателям в конце 2026-го. На следующий год стартап целится в 100 тыс. железных помощников.
Еще в первую половину 2025-го в целом в робототехнические стартапы вложили минимум $6 млрд, при ежегодных тратах на данные о реальном мире около $100 млн, видно из того же разбора MIT Technology Review. И даже эти миллионы достаются компаниям-поставщикам, а не самим исполнителям. Единой ставки на этом рынке нет, все зависит от сложности задачи, географии и чистоты видео — но по классике за большой индустрией с большими чеками скрыты обычные люди с явно несоразмерной оплатой.
Тому же Зевсу из Нигерии повезло: $15 — это большие деньги по меркам его страны, где бушует экономический кризис и безработица (для сравнения, в США, где базируется Micro1, это уровень скромной часовой зарплаты уборщика). Из-за этого парень, планирующий стать врачом, готов монотонно и усердно переснимать дубли. Хотя, как он сам признается, это невероятно скучно.
Другой герой, Арджун из Дели, тратит час на создание 15-минутного материала, поскольку долго планирует новые задачи — большинство поставщиков данных живут в маленьких квартирах с большими семьями, и выдумать что-то, кроме многочасового однообразного повторения той же глажки или мытья посуды, сложновато.
Компании используют разные единицы оплаты: одни платят за час подходящей под требования видеозаписи, другие — за факт выполненной и снятой задачи. Например, робототехнический гигант Figure AI запустил Index — гиг-платформу, где за одно видео (вроде «переставь чашку с сушилки в шкаф») человеку достается в среднем 94 цента.
Омолара из Нигерии, молодая девушка с высшим образованием, тоже вынуждена под камеру мыть пол, чистить ванну и пропалывать сорняки, загружая результат в приложение Atlas Capture. Она говорит об усталости и стрессе — присесть во время записи нельзя, постоянно нужно следить, чтобы обе руки были видны в кадре, — а некоторые задания требуют абсурдно много повторений. «Ну нельзя безостановочно чистить туалет 20 минут», — делится она с The Globe and Mail.
На выходе Омолара получает всего под $3 за час записи (в пять раз меньше, чем Зевс, настолько нестабилен доход в этой нише). Рассказывая об этом, она тоже использует псевдоним. Другая участница на Филиппинах получает около $2,40.
Не забудьте вычесть оттуда расходы на безлимитный интернет, смартфон с качественной камерой, постоянно горящий свет и льющуюся воду. И добавьте тот факт, что примерно половина отснятого материала бракуется из-за плохого освещения, ракурса или слишком быстрых движений — об этом рассказал CNN Objectways, достаточно заметный игрок на рынке датасетов для воплощенного ИИ.
Гуманоидные роботы стоят десятки, а то и сотни тысяч долларов. В будущем они принесут миллиарды своим создателям. При ставке 94 цента за видео человек продает кусочек своего интеллекта и моторики по цене порции риса с карри в забегаловке, помогая строить капитал, к которому его никогда не подпустят.
На записи видео дешевый труд не заканчивается: данные еще нужно подготовить для переваривания нейросетью, этим занимаются специальные разметчики. Они тоже в сложном положении: в Индии, Кении, на Филиппинах и в Венесуэле за час такой работы люди получают $1–3 против $15–25 в США. Большинство работают в статусе независимых подрядчиков, то есть без минимальной ставки, оплачиваемого отпуска и больничного, без выходного пособия.
К сбору датасетов подключают и производства. К примеру, в индийском Бангалоре работает стартап Egolab AI, который собирает видео прямо с швейных фабрик. И который позиционирует себя как крупнейший в регионе агрегатор «эгоцентрических данных».
Сотрудники производств за ношение камеры Egolab на лбу во время работы получают крайне малую прибавку — где-то это даже не деньги, а стаканчик Mango Frooti — и своими руками готовят себе замену. На соседних заводах люди упаковывают смартфоны, на складах — сортируют товары. А гаджеты все записывают: угол запястья, захват инструмента, резкость движения.
Кстати, основатель того же Objectways Рави Раджалингам упоминал, что, несмотря на разницу в цене, бизнес в США готов платить больше за датасет, собираемый в американских домохозяйствах. Связано это с тем, что компании убеждены: у американских потребителей достаточно покупательской способности, чтобы быть среди первых, кто начнет приобретать андроидов, поэтому локальные данные представляют бо́льшую ценность.
Калифорнийский сервис доставки еды DoorDash запустил для 8 млн своих курьеров приложение Tasks. В нем исполнители могут брать дополнительные задания, записывать их на камеру и получать за это деньги. Среди задач есть и те, что связаны с ведением быта — например, застилание постели и пересадка растений. Оплата за задания варьируется от их трудности и временных затрат и может достигать $20 за штуку.
Вне зависимости от географии, проблема не только в оплате, недостойной следующего технологического скачка и не соответствующей перекройке рынка труда. Опрошенные MIT Technology Review работники не знают точно, каким клиентам достаются видео, как их будут использовать, хранить и передавать. И уж тем более как это может повлиять на них в долгосрочной перспективе. Micro1 не стала отвечать и на вопрос, удаляет ли записи по просьбе участников.
Некоторым работникам на тех индийских фабриках и вовсе лгут, что наголовники с камерами нужны для рекламных целей: чтобы потенциальные клиенты могли оценить качество продукции и разместить больше заказов, а значит, принести всем больше денег.
Китайские фабрики данных
Китай превратил сбор физических данных для роботов в проект национального масштаба. В 2025-м правительство объявило о создании фонда, который за 20 лет должен привлечь от местных властей и частного сектора почти 1 трлн юаней — около $138 млрд — на робототехнику, ИИ и передовые разработки. Такой размах задан не просто амбициями: доля Китая в мировом рынке промышленных роботов — любых аппаратов, автоматизирующих производство, — уже больше половины. Человекоподобными машинами там занимается около 150 компаний, подсчитали Rest of World.
Так как качественных записей о реальном мире остро не хватает, а удержать темпы развития нужно любой ценой, местные власти финансируют целые учебные кластеры, к которым потом получают доступ ИТ-компании. Устроены они по-разному: в одних целые толпы людей в VR-шлемах и экзоскелетах складывают одежду, протирают поверхности и разбирают покупки тысячи раз подряд, в других — управляют андроидами напрямую, чтобы те «запоминали», как правильно.
Масштаб китайского конвейера сложно недооценить: в стране действуют как минимум 64 таких центров и еще несколько десятков вот-вот запустятся. Многие работают круглосуточно. Крупнейшая фабрика данных, принадлежащая компании Agibot и располагающаяся в Шанхае, насчитывает около 200 роботов-студентов, чей приобретенный опыт потом, разумеется, можно будет масштабировать на миллионы их собратьев.
Центры обучения интересны бизнесу еще и с той стороны, что это один из каналов сбыта даже пока несовершенных андроидов, которых страшно допускать к реальным домам и станкам. По прикидкам для Reuters аналитика Георга Штилера, консультирующего промышленников в Китае, от 50% до 70% сделанных в этом году гуманоидов могут попасть именно на фабрики данных.
Там они не только учатся сами. Они уже забирают часть этого процесса у людей. Частично обученному роботу дают самостоятельно выполнять задачу — скажем, надевать предмет на крючок — и постепенно усложняют ее: предлагают новую форму петельки, занимают чем-то дополнительно руки и так далее. Машины ведь не устают, могут повторять один и тот же цикл бесконечно. Удачные попытки записывают и используют для дальнейшего обучения.
Пекинская база по сбору таких данных занимает почти 6 тыс. м² и включает в себя реалистично воссозданные локации, такие как дома, супермаркеты, заводы, больницы. Только там более 150 роботов беспрерывно трудятся, уже не потребляя, а производя более 500 часов видеообучалок в день и до 180 тыс. часов в год.
Некоторые специалисты, включая Кена Голдберга, робототехника из Калифорнийского университета в Беркли, считают: китайский подход накапливать датасет все равно медленный, цитирует Rest of World.
Зато производительность роботов легко подсчитать. Если один экземпляр выдает около четырех часов качественных обучающих данных в сутки, чтобы набрать миллиард недостающих часов, тысяче роботов потребуется несколько сотен лет.
За пределами разумного: кто чей инструмент
В итоге автономность робота представляет собой разделение человеческого труда на слои таким образом, что в финальной демонстрации его уже и не заметно. В пресс-релизах разработчики и производители не указывают имена тех, кто записывал свои годами отработанные движения на камеру, чтобы андроид смог их повторить.
Хотя видео для обучения наверняка можно собирать уважительнее, прозрачнее. Пример — исследовательский датасет Ego4D, созданный университетами и лабораториями для понимания человеческих действий (и полезный в том числе для робототехники). За его 3670 часами видео стоят 931 участник, 74 локации и девять стран — и авторы это не скрывают. Наоборот, подробно объясняют, как собирали эти записи и получали согласие на съемку. Приватность здесь не оставлена за скобками: отдельно указано, что лица остались видны в 612 часах видео, и сделано это с прямого согласия.
Прозрачность сама по себе не решает вопрос справедливой оплаты. Однако при сохранении реальных имен тех, кто внес вклад, куда легче было бы реализовать не только изначальную разовую выплату за запись, но и последующее участие в доходах.
Пусть процесс по-прежнему бы подразумевал «проникновение» в квартиры и монотонный тяжелый труд, но приносил бы регулярные выплаты участникам и какую-никакую защиту чувствительных данных.
Это не пустые мечты. Модель, где авторы данных получают компенсацию постоянно, уже отлажена в стоковом контенте. Shutterstock делится с авторами доходом от продажи ИИ-компаниям доступа к датасетам. Выплаты идут из общего фонда, доля каждого пропорциональна объему его работ в проданном наборе. Отчисляемую часть компания оценивает в среднем в 20% выручки по таким лицензиям.
Отрасль робототехники предпочитает об этом не думать, потому что сегодняшние нормы их к этому не принуждают. Да и цена гуманоида пока в два-три раза выше той, что могла бы окупиться за пару лет, если заменить им обычного рабочего, пишет в той же статье Reuters. Разрыв этот приходится закрывать в том числе дешевыми человеко-часами на входе, невидимыми на выходе.
Так незнание о лежащем в основе прогресса колоссальном людском труде приводит к тому, что мы склонны переоценивать возможности машин. Можно допустить, что на этом хотя бы частично зиждутся многомиллиардные оценки компаний в робототехнике. И что граница разумного проходит не там, где робот смог сам открыть микроволновку, а там, где мы согласились обесценить человека, который его этому научил.