Развитието на AI се забавя поради прекомерното количество безполезни данни

По-нататъшното усъвършенстване на системите с изкуствен интелект, което ще осигури прехода от ChatGPT към използването на човекоподобни роботи зависи от качеството на данните, предоставяни на тези системи за обучение, пише изданието Fortune.

Изданието отбелязва, че индустрията е на прага на следващия етап в развитието на AI (физически AI и модели на заобикалящия свят) – системи, които ще се обучават и в крайна сметка ще работят във физическия свят.

За да придобият когнитивните способности, необходими за навигация по пътищата, сгъване на пране или оказване на помощ при сложни медицински операции, те се нуждаят не просто от данни, които могат да бъдат заредени. Обучението им изисква богати и многостранни данни. И ако изследователите не успеят да спрат излишъка от ненужни данни – данни, които не допринасят за развитието на моделите, целият потенциал на физическия AI и моделите на заобикалящия свят може никога да не се разкрие напълно.

Проблемът е, че за създаването на нови, по-съвършени AI модели са необходими все повече данни. На вълната на ентусиазма около AI се появиха множество стартъпи като Scale AI, Surge AI и Mercor, които изпитват ненаситна нужда от данни. Въпреки това, задоволяването на тази нужда доведе до появата на огромно количество ненужни данни, които всъщност по никакъв начин не допринасят за развитието на моделите за изкуствен интелект, отбеляза Fortune.

Обучението на моделите за разбиране на сложния многоизмерен свят изисква значително повече данни – такива, които са много трудни за събиране. Инженерите по машинно обучение прибягват до моделиране на данни, като използват виртуални реконструкции на реални сценарии, за да създадат данни, които ще се използват за обучението на роботи и автономни автомобили.

Използването на некачествени данни при обучението на AI модели може да доведе до непредсказуеми резултати. Както твърди Fortune, OpenAI прекрати поддръжката на видеоприложението Sora поради проблема с некачествените данни, тъй като нейният пространствен модел не притежаваше достатъчно разбиране за физиката, което затрудняваше реалистичните прогнози.

За по-нататъшно развитие на AI са необходими специални инструменти и технологии за премахване на ненужни данни, които анализират, почистват, нормализират и коригират обучаващите данни. За да се постигне успех в обучението, ще е необходимо извличане на ценни заключения и тяхното отделяне от ненужните данни. Сега ограничаващ фактор е липсата на качествени данни. Компаниите, които първи разберат това, ще създадат AI системи, които наистина ще работят, пише Fortune.