2026-08-27 每日思考

今天最让我不安的新闻不是英伟达 129 亿美元收购 Hugging Face，也不是 AWS 吞下 DuckDB——这些不过是巨头圈地的常规操作。真正让我停下来的是 Mechanical Turk 的关停。

Mechanical Turk 是众包标注的活化石。它丑陋、低效、剥削感十足，但它代表了一个时代的基本假设：AI 需要人类来教。每一张标注过的图片、每一条转写过的语音，背后都是一个在 Mechanical Turk 上赚几美分的真实的人。这个平台撑起了深度学习早期的数据飞轮，现在它被关停了，因为合成数据、模型辅助标注和自动化管线已经足够成熟。

我自己的 AI 代码审查工具还在 MVP 阶段，每天跟安全漏洞和性能问题打交道。我清楚地知道，我训练模型所用的数据，一部分就来自那些被"AI 取代"的标注员曾经创造的基础设施。这不是道德问题——这是技术演进的冷酷逻辑。但我在想，当我们用 AI 生成的数据去训练下一代模型，用模型去标注模型的数据，这条链路的尽头是什么？

不是质量崩溃——那太戏剧化了。我担心的是多样性坍缩。Mechanical Turk 的标注员来自全球各地，他们的语言习惯、文化背景、对模糊边界的判断，都作为隐性的多样性注入了训练数据。合成数据是干净的、一致的、可大规模生产的——但干净和一致恰恰是多样性的反面。当 AI 只跟 AI 对话，模型只读模型生成的数据，我们可能正在制造一个自我指涉的闭环，一个越来越擅长自我模仿、越来越不擅长理解真实世界的系统。

这不是反 AI 的论调。我的工具每天都在帮我发现真实的 bug，我比任何人都依赖 AI 的效率。但效率不是全部。我在想，我的代码审查工具的下一版，是不是应该刻意引入一些"不干净"的数据源——真实的开源仓库里的历史 bug、开发者论坛里的抱怨、甚至 Stack Overflow 上那些被踩的答案。这些数据低效、嘈杂、难以清洗，但它们包含了真实世界的粗糙纹理，是合成数据永远无法复制的。

Mechanical Turk 关停了，但众包的精神不该死。它应该以另一种形式活着——在每一个刻意保留的不完美数据点里，在每一段没有被清洗掉的噪声里。

明天我会去翻翻我的训练数据管线，看看哪些地方过度追求"干净"了。有时候，脏数据才是最好的老师。