テック企業があなたの家事を撮影することに必死になっている理由
ロボット工学における物理的データの不足というボトルネックを解消するため、AI 企業らが消費者の自宅での活動撮影をデータ収集手段として利用する動きが加速しており、プライバシーと倫理的問題が表面化している。
キーポイント
物理 AI のデータ収集における新たな戦略
テキストや画像とは異なり、ロボットの学習に必要な「空間認識」や「摩擦」といった物理的データを収集するため、Shift や Pronto といった企業が無料サービスと引き換えにユーザーの自宅での作業動画を撮影する手法を採用している。
ロボット工学におけるデータ収集の難易度
AI は抽象的な概念とは異なり、衣服の折りたたみやコップの水やりといった日常的な動作を機械に教えるには、現実世界の複雑な物理法則を理解する膨大な高品質な映像データが必要であり、これが業界最大のボトルネックとなっている。
プライバシー懸念と市場の反応
インドのスタートアップ Pronto が顧客の自宅をトレーニンググラウンドとして利用した事例に対し、明確なオプトインの有無に関わらず市場から強い反発が起き、競合他社が「撮影を行わない」ことを強調する事態となっている。
データ収集のスケール化とビジネスモデル
Human Archive などの企業は、ギグワーカーや既存のサービスプラットフォームと提携して大規模なデータ収集を試みており、物理 AI の開発競争において高品質なデータへのアクセスが新たな決定的要因となっている。
影響分析・編集コメントを表示
影響分析
この記事は、生成 AI がテキストや画像領域で成熟する一方で、物理世界での実装（ロボティクス）が進まない根本的な理由が「高品質な物理データの不足」にあることを浮き彫りにしています。企業側がデータ収集のために消費者の私生活に踏み込む手法を模索している現状は、技術革新とプライバシー保護の間で新たな対立軸を生み出す可能性が高く、今後の規制や倫理基準の再構築が必要となる重要な転換点を示唆しています。
編集コメント
生成 AI の爆発的成長とは対照的に、物理世界での AI 実装が直面する「データの壁」を浮き彫りにした貴重な記事です。技術的な課題解決のためにプライバシーを犠牲にするリスクが顕在化しており、業界全体で倫理的なガイドラインの策定が急務であることが伺えます。
今週、AI 学習スタートアップの Shift は「ニューヨーク市民の自宅を無料で掃除する」と発表した [1]。同社はロンドンなど他の都市への展開も計画しており、私のアパートを見回すとその魅力がわかる。
しかし、そこには落とし穴がある。必ずや落とし穴があるのだ。
清掃サービスとの引き換えに、Shift は作業中の清掃員の映像を求めている：食器を洗う様子、カウンターを拭く様子、テーブルの埃を払う様子、床を磨く様子だ。同社はすべてを欲しがっている。もし可能なら喜んで外注したいような、すべての退屈な家事労働の映像だ——そしてロボット企業は、それを機械に教え込み、私たちにその作業を代行する製品を販売するために競い合っている。
それは言葉通りには難しい。近年爆発的に普及したチャットボットや画像生成器、その他の AI ツールとは異なり、ロボットは物理世界と向き合わなければならない。つまり、空間、運動、力、摩擦、奇妙な形状や素材、不自然な照明など、人間（および他の有機体）が本能的に理解しているあらゆるものを把握する必要があるのだ。そのため、私たちが一般的に容易だと考える衣類の折りたたみ、リンゴを拾うこと、コップに水を注ぐことなどが、ロボット工学にとっては極めて困難な課題として立ちはだかっている。
[1]: https://www.theverge.com/ai-artificial-intelligence/939765/ai-training-data-startup-shift-free-cleaning
機械にそれらの作業を教えるには、大量のデータが必要です。テキスト、画像、動画はインターネットから工業規模で容易に収集できます。実際に行われ、多くの場合、作成者への補償なしにです。物理世界はスクレイピングが難しく、さらに無償かつ静かにスクレイピングするのはなおさら困難です。つまり、高品質なデータへのアクセスは、物理 AI を開発する企業にとって大きなボトルネックとなっています。これは収益性の高い機会であるため、Shift 社のような企業が創意工夫を凝らしています。
彼らだけが特別ではありません。インドでは、最近の報道により、ホームサービスプラットフォームの Pronto が、調理、掃除、洗濯などの家事作業のための AI 訓練用映像源として顧客の家を利用していることが明らかになりました。Pronto は、顧客が明示的にオプトインした場合にのみ映像を記録すると述べていますが、顧客が得る対価は映像のコピー以外には不明です。しかし、この慣行は市場で反発の波を引き起こし、競合スタートアップは 主張 しています。AI 訓練のために家屋内で撮影したことはなく、今後もそのような計画はないと。
⟦CODE_0⟧
他のスタートアップも、データ収集のスケーラビリティ向上に注力しています。例えばシリコンバレーの Human Archive は、Pronto などの企業と提携し、ギグワーカーがあまりスタイリッシュではないカメラ付きキャップを使用して活動記録を行うことを目指しています。この帽子は着用者の視点から映像を収集し、ロボット工学企業が機械に物理空間の移動方法を教えるために必要な「自己中心（egocentric）」または第一人称データのまさにその種です。一方、Shift は消費者に直接働きかけ、15 カ国で数万人の人々にアプリを通じて活動記録を行うよう支払いを行ったと主張しています。
一部の企業は、有用な作業を完全に省略しています。代わりに、労働者はカメラやセンサーがあらゆる動きを捉えられるように、同じ物理的タスクを何度も繰り返し遂行する対価として報酬を受け取ります。このような「演出されたデータ農場（staged data farms）」は、タオルの折りたたみ、カップの拾い上げ、箱の運搬といった反復的な身体活動を、人々に作成させる価値があるほどに AI 訓練資料へと転換するために設計されています。
そして、すでに世界中に展開されているロボットによって生成されるデータもあります。過剰な期待にもかかわらず、真の自動化はまだ遠い未来の話であり、だからこそこれほど多くのデータが必要とされているのです。しかし、企業はとにかく製品を発売することに熱心です。彼らは顧客宅から得たデータを製品改善に活用します。また、ロボットが必ず行き詰まる事態に備え、多くの企業がリモートワーカーを投入して対応しています。その際にもデータは収集されます。
もちろん、価値ある何かと引き換えにデータをやり取りする行為自体は新しいことではありません。企業は何年も前から、ロイヤリティカードやクッキーからダッシュカム、運転行動を監視する保険アプリ、そして常に広告を表示している悪質ないい加減なスマートテレビに至るまで、データへのアクセス権と引き換えに割引、利便性、無料サービスを提供してきました。
新しいのは、企業が支払う対価として期待するデータの種類の違いです。現時点では、それはつまり、将来的にはロボットが代わりに行うようになるために、まず人間が派手な帽子をかぶって無料であなたの家を掃除させることを許容することかもしれません。
この物語のトピックや著者をフォローして、パーソナライズされたホームページフィードで類似記事をもっと見たり、メール更新を受け取ったりしてください。
- ロバート・ハート
-
-
-
-
原文を表示
This week, an AI training startup called Shift said it would clean New Yorkers’ homes for free. It has plans to expand into other cities as well, including London, and looking around my flat, I get the appeal.
But there’s a catch. There’s always a catch.
In exchange for the cleaning, Shift wants footage of its cleaners at work: scrubbing dishes, wiping counters, dusting tables, mopping floors. It wants everything. Video of all the boring domestic labor we’d happily outsource if we could — and that robotics companies are racing to teach machines to do so they can sell us something to do it for us.
That’s harder than it sounds. Unlike chatbots, image generators, and other AI tools that have exploded in recent years, robots have to deal with the physical world. That means understanding space, motion, force, friction, weird shapes and materials, awkward lighting, and everything else that humans — and other organics — tend to grasp instinctively. It’s why things that are generally easy for us, like folding clothes, picking up an apple, or pouring a glass of water, have proven so maddening for roboticists to codify.
Teaching machines to do those things takes data. Lots of it. Text, images, and videos could be easily scraped from the internet at an industrial scale. And they were, often without compensating the people who made them. The physical world is harder to scrape, and harder still to scrape quietly without paying for it. This means access to high-quality data is a massive bottleneck for companies developing physical AI. It’s a lucrative opportunity, so companies like Shift are getting creative.
They’re not alone. In India, recent reporting revealed that home services platform Pronto has been using clients’ homes as a source of AI training footage for chores like cooking, cleaning, and laundry. Pronto says it only records footage if customers explicitly opt in — it’s not clear what customers get in return, other than a copy of the footage — but the practice still set off a wave of backlash in the market, with rival startups insisting they have never recorded inside homes to train AI and have no plans to do so.
Other startups are focused on trying to scale data collection. Silicon Valley-based Human Archive, for example, hopes to partner with companies like Pronto and have gig workers record their activities using not-so-stylish camera caps. The hats collect footage from the wearer’s point of view, exactly the kind of “egocentric” or first-person data robotics companies need to teach machines how people navigate physical space. Shift, meanwhile, also taps consumers directly, and claims to have paid tens of thousands of people across 15 countries to record their activities through its app.
Some companies are skipping useful work altogether. Instead, workers are paid to complete the exact same physical tasks again and again while cameras and sensors can capture every movement. Such staged data farms are designed to turn rote physical activity — folding towels, picking up cups, carrying boxes — into AI training material valuable enough to justify paying people to create it.
And some data is generated by robots already out in the world. Despite the hype, true automation is still a long way away — hence the need for all this data — but companies are keen to ship products anyway. They’ll use data from customers’ homes to improve the product. Many companies rely on remote workers to step in when the robots inevitably get stuck. They’ll use that data too.
Of course, the act of trading data for something of value is not new. Companies have been offering discounts, convenience, and free services in exchange for access to your data for years, from loyalty cards and cookies to dashcams, insurance apps monitoring how people drive, and that heinous smart TV that’s always showing ads.
What’s new is the kind of data companies are willing to pay for. For now, that means maybe letting a human clean your home in a snazzy hat for free so that, eventually, a company can sell you a robot to do it instead.
Follow topics and authors from this story to see more like this in your personalized homepage feed and to receive email updates.
- Robert Hart
-
-
-
-
関連記事
ロボット学習用データ収集のため全記録を条件に無料清掃を提供するスタートアップ
ドイツのスタートアップ「MicroAGI」は、ニューヨーク市住民に対し、清掃員がカメラを着用して作業をすべて録画し、そのデータをAI搭載ロボットの訓練に使用することを条件に、無料で自宅清掃サービスを提供すると発表した。
NVIDIA Cosmos World Foundation Modelsによる合成データのスケーリングと物理AI推論
NVIDIAは、人型ロボットや自動運転車などの次世代AI駆動ロボット向けに、高忠実度で物理法則を考慮した合成データ生成と推論を可能にする「Cosmos World Foundation Models」を発表した。
ロボット動画生成のための NVIDIA Cosmos Predict 2.5 の LoRA/DoRA を用いたファインチューニング（9 分読了）
NVIDIA は、LoRA や DoRA という手法を用いて Cosmos Predict 2.5 モデルをファインチューニングすることで、ロボット操作などの特定タスク向けに動画生成の品質を向上させ、単一 GPU で効率的な学習と記憶喪失の防止を実現した。