Progresul inteligenței artificiale încetinește din cauza excesului de date inutile — există prea multe.

Concluzia cheie: pentru a trece de la ChatGPT la roboți „live”, nu sunt nevoie doar de seturi mari de date, ci de informații calitative și relevante.

Fortune subliniază că industria AI se află pe pragul unei noi ere – a inteligenței fizice și a modelelor lumii înconjurătoare. Astfel de sisteme trebuie să poată naviga spațiul real: să se comporte pe drum, să aranjeze lenjeria sau să ajute la intervenții chirurgicale complexe. Pentru asta au nevoie nu doar de date „descărcabile”, ci de seturi bogate și multifacete de informație.

De ce calitatea datelor este critică
1. Redundanță și inutilitate

În contextul agitației din jurul AI, au apărut numeroase startup-uri (Scale AI, Surge AI, Mercor) care doresc să colecteze cât mai multe date. Acest lucru duce la acumularea unui volum imens de fișiere „goale”, care nu contribuie la antrenarea modelelor. Dacă cercetătorii nu pot filtra aceste date, potențialul AI fizic va rămâne subutilizat.

2. Complexitatea sarcinilor multidimensionale

Înțelegerea lumii complexe necesită volume și mai mari de date, dar acestea sunt extrem de greu accesibile. Prin urmare, inginerii recurg la modelare: creează reconstrucții virtuale ale scenariilor reale pentru a genera exemple de antrenament pentru roboți și vehicule autonome.

3. Riscuri asociate seturilor de calitate scăzută

Datele necorespunzătoare pot duce la rezultate imprevizibile. Un exemplu este încetarea suportului OpenAI pentru aplicația video Sora: modelul nu se descurca cu fizica, ceea ce împiedica previziunile realiste.

Cum să rezolvăm problema
- Instrumente de curățare

Specialiștii în învățare automată au nevoie de tehnologii care elimină automat datele inutile, analizează, normalizează și corectează seturile. Acest lucru va permite extragerea informațiilor valoroase din „zgomot”.

- Focus pe calitate

În prezent, factorul limitativ este lipsa datelor de calitate. Companiile care vor înțelege primul acest aspect și vor începe să investească în colectarea și prelucrarea lor vor deveni lideri în crearea unor sisteme AI cu adevărat funcționale.

Astfel, trecerea de la modelele textuale la roboți capabili să acționeze în lumea reală este imposibilă fără o abordare sistematică a calității datelor de antrenament. Fortune subliniază că acest factor va fi decisiv pentru viitorul inteligenței fizice.