《TechCrunch》報導，近年印度線上外送市場快速成長，矽谷新創 Human Archive 在這波趨勢下，開始與相關企業合作，蒐集 AI 機器人訓練資料。公司讓工作人員配戴裝有攝影機的頭戴設備，以第一人稱視角記錄日常工作內容，例如打掃、送餐、整理環境等，再將這些真實工作畫面提供給 AI 與機器人公司作為訓練素材，已與居家服務、飯店及餐飲產業合作，並在多個地點部署超過 1,000 組設備。
從外送員到清潔工：用真實工作影像訓練 AI 機器人
Human Archive 日前宣布完成 820 萬美元募資，投資方包括 Wing Venture Capital、NVP Capital、Y Combinator，以及來自 OpenAI、Nvidia、Google、Meta 等科技巨頭。《TechCrunch》提及，公司由加州大學柏克萊分校與史丹佛大學學生共同創立，創辦團隊具備機器人、硬體與觸覺感測研究背景。
Human Archive 說明，AI 與機器人產業面臨的問題，是缺乏足夠的真實世界訓練資料。當各大 AI 公司與機器人實驗室都在開發能執行現實工作的機器時，市場卻缺少大量、真實且高品質的人類工作數據。因此，公司把印度快速成長的零工經濟視為重要資料來源，希望透過外送員、清潔人員等工作者的日常工作過程，建立可大規模使用的訓練資料庫。
《SiliconANGLE》指出，Human Archive 一開始是使用 iPhone 錄製工作畫面，如今已改用超過六種不同設備，包括配備攝影機的頭戴裝置，目前有超過 1,000 名活躍使用者在工作時配戴設備進行資料蒐集。公司也會向參與的工作者支付報酬，並對願意接受資料蒐集的消費者提供折扣。Human Archive 主要透過印度零工平台取得資料，同時開發雲端服務，希望讓其他市場的使用者未來能上傳影像內容。
印度已有不少新創公司開始在工廠、物流與居家服務等不同工作場域蒐集第一人稱工作資料。為了與競爭對手做出區隔，Human Archive 不只錄製影片，還投入開發更多感測設備，包括觸覺手套、手腕攝影機與動作捕捉服，希望同步記錄人體動作、施力狀態，以及 RGB-D（彩色影像與深度資訊）等資料。
Human Archive 認為，單靠影像資料不足以訓練能在真實世界工作的 AI 機器人，若能結合觸覺、動作與環境感測資訊，資料價值將更高。公司早期曾使用臨時組裝或市售設備蒐集資料，如今則開始開發可互相協作的客製化硬體系統。目前 Human Archive 已部署超過 50 種不同設備，用來蒐集各類感測數據。
蒐集真人數據：Human Archive 面臨隱私與合作挑戰
Human Archive 的合作模式近期在印度引發爭議。公司表示，過去曾接觸多家印度居家服務平台尋求合作，但包括 Pronto 與 Urban Company 在內的部分業者並未接受。Urban Company 執行長 Abhiraj Singh Bhal 更直接在 X 發文表態，不會參與這類資料蒐集合作；Human Archive 團隊則認為隨著 AI 競爭加劇，相關企業未來可能重新評估合作可能性。
雖然未能打進部分大型平台，Human Archive 仍與一些較小型的新創合作，並透過折扣方案吸引消費者參與資料蒐集。當服務人員到府時，消費者可以在 App 上自行選擇：若同意工作過程被錄影，就能享有較低價格；若不希望被拍攝，則維持原價。Human Archive 執行長 Patel 表示，多數消費者其實願意接受錄影，因為居家服務經常發生服務品質糾紛，而影像紀錄能協助釐清責任。
在人員報酬方面，Human Archive 目前提供參與資料蒐集的工作者每小時 1 美元酬勞。《Economic Times》指出，其他同類公司給出的薪資通常更高，約為每小時 250 至 400 印度盧比（約 2.63 至 4.20 美元）。Patel 對此表示，Human Archive 在印度有在地據點和人力，所以能用比較低的報酬招募到工作者。
不過，錄影蒐集資料的做法也引來隱私疑慮。外界關注，工作者是否清楚了解自己的影像資料將如何被使用。Human Archive 表示，公司作法符合印度《數位個人資料保護法》（DPDP Act）規範，平台會提供隱私政策與資料使用說明，並取得使用者同意。公司強調，所有資料都會匿名化處理，錄影中的人臉會進行模糊化。
目前 Human Archive 的資料來源仍以印度為主，但公司已開始向東南亞與美國市場拓展，同時開發開放式平台，希望未來一般使用者能自行上傳影像並獲得報酬。公司也計畫在美國測試清潔、烹飪等到府服務，讓消費者透過接受資料蒐集來換取優惠價格，相關服務目前仍處於早期試驗階段。
多家科技新創積極投入實體 AI 發展，市場對真實世界工作數據的需求持續增加。Human Archive 正試圖搶占這塊市場。《TechCrunch》分析，這套模式未來能否真正擴大規模，仍取決於公司能建立多少合作關係，以及是否能持續取得大量且具差異化的訓練資料。
＊本文開放合作夥伴轉載，資料來源：《TechCrunch》、《SiliconANGLE》、《Economic Times》，圖片來源：Unsplash。
