亞馬遜 Mechanical Turk 關閉新用戶入口：一個被 AI 建立、又被 AI 摧毀的時代謝幕

2005 年，亞馬遜創辦人傑夫·貝佐斯（Jeff Bezos）在介紹 Mechanical Turk 時，用了一個日後廣為流傳的說法：「人工的人工智慧」（artificial artificial intelligence）。概念既簡單又帶著一絲荒誕——建立一個市集，讓散布在網路各角落的真人工作者，完成當時的電腦還做不到的小型認知任務。幫這張圖片加標籤。把這段錄音轉成文字。這則評論的情緒是正面還是負面？

在接下來二十年間，Mechanical Turk 悄悄成為 AI 發展史上最重要的基礎設施之一，為早期機器學習模型提供了大量有標注的訓練資料，讓它們得以學會看、讀、理解。這份工作不光鮮、常遭剝削，卻不可或缺。

2026 年 7 月 30 日，亞馬遜將停止接受 Mechanical Turk 新用戶。

官方公告

AWS 已將 Mechanical Turk 列入「維護中服務」（Services in Maintenance）清單——這是 AWS 對即將退役的平台所使用的標準措辭。7 月 30 日後，新用戶將無法註冊；現有用戶可繼續使用，但平台不會再開發新功能。AWS 的公告措辭是「審慎考量後的決定」，沒有提供詳細解釋。其實也不需要——原因不言自明。

AI 如何吃掉自己的起點

Mechanical Turk 的衰落，是 AI 消化自身建構鷹架的故事。

平台運作初期，一切如設計般運行。Google、微軟等大公司及數百家新創，以極低的單價——有時低至每筆任務幾分錢——雇用所謂的「Turkers」（平台工作者），讓他們標注圖片、標記文字、辨識影片中的物件、評判搜尋結果的相關性。這些標注資料最終成為 ImageNet、早期 NLP 基準測試，以及無數商業模型的訓練集。少了 Mechanical Turk，現代機器學習的第一代模型恐怕要再晚幾年才能誕生。

然而，平台的薪酬從一開始就相當刻薄。Turkers 的實際時薪往往不到法定最低工資，許多人的時薪只有兩到三美元，因為任務被歸類為「獨立承攬」，不受勞動法保障。平台在各國的勞工保護法之間遊走於灰色地帶。

2022 至 2023 年間，關鍵的轉捩點到來。隨著大型語言模型（LLM）的能力突飛猛進，一個荒誕的矛盾正在這個平台內部發酵：一項 2023 年的研究發現，有 33% 至 46% 的 Turkers，正在使用大型語言模型來完成他們受雇要完成的任務。

也就是說，人工標注者在用 AI 假冒人工標注。被交回給研究人員、聲稱是「人工標注」的資料，有相當比例是由 AI 生成的。這個平台賴以為生的核心承諾——大規模的真實人類判斷——已從內部被掏空。

一台自我瓦解的機器

這個荒誕的循環沒有逃過研究人員的注意：AI 公司花錢請人類工作者生產 AI 訓練資料；人類工作者用那些 AI 模型生產訓練資料；訓練資料被用來訓練 AI 模型；AI 模型被用來生產訓練資料。

這個閉環不只威脅資料品質，更從根本上動搖了「群眾外包標注資料能夠反映真實人類判斷」這個假設的合理性。如果一個資料集中近半的標注樣本，是由 GPT-4 假扮人類完成的，那麼用這些資料訓練出來的模型，究竟在學什麼？

這不是假設性問題。2024 至 2025 年間發表的多項研究，在特定基準測試中識別出可追溯至 Mechanical Turk 的資料污染問題，因為那批 LLM 生成的輸出被當作人類回應提交。學術界悄悄開始重新評估群眾外包標注資料的可靠性。

亞馬遜的轉向

亞馬遜的回應是認真投資 SageMaker Ground Truth——一項提供人類與 AI 混合標注管線、更完善品質控制與可稽核性的管理服務。主要的研究機構和 AI 公司，也逐漸遷移到 Scale AI、Labelbox、Surge、Turing 等專業標注服務商，這些公司提供的服務有更高的品質保證、領域專業驗證，以及符合學術倫理標準的流程。

失去投資挹注、也欠缺明確戰略定位的 Mechanical Turk，進入了漫長的停滯期。委託方（requesters，即在平台上發布任務的公司和研究人員）逐一流失，工作者也隨之離去。那個曾為 ImageNet 提供訓練資料、幫助校準早期 Alexa 語音識別、在學術心理學研究中扮演要角的平台，已淪為昔日的影子。

一段值得正視的歷史

Mechanical Turk 的歷史，不只是良善的 AI 基礎設施建設故事。它也是一個讓網路時代某些灰暗章節成為可能的生態系。

劍橋分析（Cambridge Analytica）事件中，Turkers 被用來完成人格測驗任務，為爭議性的政治廣告微定向工程提供數據原料——這提醒我們，平台的中立性是有代價的。Mechanical Turk 任務曾被用於生成假社群媒體互動、大規模爬取個人資訊，以及建構用途不透明的訓練資料集，而完成這些任務的工作者，對自己在建造什麼渾然不知。

這種不透明是設計使然，不是設計缺陷。平台的設計邏輯，就是把人類認知商品化，同時讓這個商品不需要理解自己被用來做什麼。

謝幕的意義

在科技諷刺史上，Mechanical Turk 的結局值得大書特書。它代表一個跨越二十年的反饋迴路的完成：人類訓練 AI 執行任務，AI 進步到能執行這些任務，AI 進步到人類開始用 AI 假裝在執行這些任務，AI 進步到這種假裝已不再需要人類。

這個以 18 世紀著名的「機械土耳其人」西洋棋自動機命名的平台——那個看似機器，實則藏著人在裡面操控的裝置——如今正被不需要任何這類把戲的機器所取代。

對 AI 研究社群而言，這個退場時刻值得誠實面對。那些讓現代機器學習成為可能的標注工作者，薪酬微薄、從未得到應有的認可，如今被徹底取代。AI 訓練資料提取的勞動經濟學——始終令人不安的話題——以最矽谷的方式被解決了：把問題自動化掉。

之後的世界

Mechanical Turk 的關閉，不代表人工參與數據工作的終結。恰恰相反，高品質人工標注的市場價值，在此刻達到了平台歷史上的最高點。隨著 AI 系統向更精細的能力推進——來自領域專家的 RLHF 訓練、主觀偏好資料收集、推理鏈評估——對具備專業判斷力的人類參與的需求，正在成長而非萎縮。

正在消亡的，是那種幾分錢一個任務、工作者匿名、品質控制近乎空白的微任務模式。取而代之的，是一個更成熟的標注產業：按領域專業付出相應薪酬、每個標注樣本都有出處追蹤、倫理合規稽核到位、人工流程能夠通過學術再現性研究的檢驗。估值逾 300 億美元的 Scale AI，代表的正是這個長大後的標注產業。

亞馬遜 Mechanical Turk，2026 年 7 月 30 日。人群發出了最後一次聲音。