Нова арена в сфері штучного інтелекту: розмітка даних стає в центрі уваги

Нещодавно увага в сфері штучного інтелекту зосередилася не на продуктивності моделей, а на якості даних. Один з технологічних гігантів придбав майже половину акцій компанії з маркування даних за вражаючу суму в 14,8 мільярда доларів, що викликало інтерес у всій галузі. Тим часом деякі нові проекти Web3 AI все ще намагаються довести свою цінність. Які ринкові тенденції стоять за цим величезним контрастом?

Позначення даних, як галузь, що потребує людської мудрості та професійного судження, набуває все більшої цінності. На відміну від стандартизованої обчислювальної потужності, високоякісне позначення даних вимагає унікальних професійних знань, культурного фону та когнітивного досвіду. Наприклад, точне позначення діагностики раку на зображенні потребує професійної інтуїції досвідченого онколога, тоді як аналіз емоцій фінансового ринку не може обійтися без практичного досвіду трейдерів на Уолл-стріт. Ця рідкість і незамінність надають позначенню даних конкурентну перевагу, яку не може зрівняти обчислювальна потужність.

Нещодавно один з технологічних гігантів інвестував 14,8 мільярда доларів у придбання 49% акцій компанії з маркування даних, що є найбільшою одноразовою інвестицією в галузі ШІ цього року. Ця компанія з маркування даних була заснована в 2016 році, і в даний час її оцінка досягла 30 мільярдів доларів, а її клієнтами є кілька відомих компаній ШІ, технологічні гіганти та урядові установи. Компанія спеціалізується на наданні високоякісних послуг маркування даних для навчання моделей ШІ, має понад 300 тисяч професійно підготовлених маркерів.

Ця угода виявила ігноровану істину: в епоху, коли обчислювальна потужність більше не є дефіцитом, а архітектури моделей мають тенденцію до однорідності, справжнім фактором, що визначає межі інтелекту штучного інтелекту, є ті дані, які були ретельно оброблені. Цей технологічний гігант насправді купує "права на видобуток нафти" епохи ШІ.

Однак традиційна модель маркування даних має також фатальні недоліки, які в основному проявляються у дизайні стимулів. Наприклад, лікар, який витрачає кілька годин на маркування медичних зображень, може отримати лише кілька десятків доларів за свою працю, тоді як штучні інтелектуальні моделі, навчальні на цих даних, можуть коштувати кілька десятків мільярдів доларів, а лікар не може поділитися цими доходами. Це крайня несправедливість у розподілі вартості серйозно стримує готовність постачати високоякісні дані.

У цьому контексті деякі проекти Web3 AI намагаються переписати правила розподілу вартості даних за допомогою технології блокчейн. Запроваджуючи токенізовані механізми заохочення, ці проекти прагнуть перетворити маркерів даних з дешевих "даних трудових мігрантів" на справжніх "акціонерів" AI-мережі. Ця модель може стимулювати постачання більшої кількості якісних даних.

Незалежно від того, чи це традиційні технологічні гіганти, чи нові Web3 проекти, усі вони вже усвідомили важливість якості даних. Коли традиційні гіганти зводять бар'єри даних за допомогою грошей, Web3 намагається побудувати більш відкриту та демократичну екосистему даних за допомогою токеноміки. Ця "таємна війна" за контроль над майбутнім ШІ вже тихо почалася, а маркування даних є центральною ареною цієї битви.