Nedoceněný fakt o hraničních datech AI: Společnost Scale AI předpokládá v roce 2025 tržby ve výši 2 miliard dolarů. Přidejte Surge, Mercor a další a celkové výdaje na data dosáhnou kolem 3,5 miliardy dolarů: většinou za rozumové modely. Ale multimodální AI? Očekávejte, že to bude 10x větší. Poháněno obrazem, zvukem a dalšími oblastmi.

Obsah našeho chlapa @NiphermeDave vždy facku, 🗣️ podívejte se na to

Někdy máte prostě "jeden z TĚCH" týdnů.... Vděčný za komunitu ORO. Pro každého, kdo dokončil náročný týden, držte hlavu vzhůru! Je to jen začátek. Užijte si neděli

Hodně lidí se nás ptá... K čemu slouží moje data? Ve společnosti ORO pomáháme pohánět multimodální modely umělé inteligence v širokém měřítku. Uvažování, hlas, video a brzy... Ostatní vertikály 👀 Proč multimodální? Protože je to prostor, na který centralizovaní hráči nemohou a nebudou útočit. Svět videa, zvuku, dlouhých dat z nositelných zařízení.... Pouze platforma jako jsme my je může agregovat. A to jsme jediní, kdo spolupracuje s předními laboratořemi. Výhoda prvního tahu v efektu.

Další příspěvek z naší textové série... $META v roce 2024: Pokud byste se pokusili agregovat všechna vysoce kvalitní zvuková data na světě, získali byste 3 000 hodin. Potřebujeme MILIONY. Kdo vlastně ví, jak tato data agregovat ve velkém měřítku? Odfiltrovat miliony hodin a získat 10 000 skutečně využitelných hodin pro trénování nové generace modelů? ORO. A je to.

Prostě půjdeme ven a řekneme to... Většina poskytovatelů dat AI ve skutečnosti neagreguje užitečná data. Nemají skutečné výzkumníky v předních laboratořích, kteří by školili na jejich datech. Naučte se oddělit signál od šumu. Stejně jako my s našimi zvukovými daty!

Proč jsou seriózní poskytovatelé dat posedlí infrastrakcí? 🤔 Protože skvělá data AI vyžadují dvě věci: 1️⃣ Sbírka v globálním měřítku 2️⃣ autonomní ověřování kvality #1 potřebuje decentralizaci. #2 závisí na výkonné infra. Jsme jedinou platformou, která byla testována v obou případech – shromažďujeme soukromé video, zvuk a nositelná data ve velkém měřítku s nejlepšími multimodálními laboratořemi, které je používají.

Před několika týdny jsme se s vámi podělili o pohled do naší datové infrastruktury umělé inteligence. Dnes pohání přední multimodální laboratoře umělé inteligence pomocí rozšiřitelných kanálů: – škálovatelná syntéza dat – anotace modelu ve smyčce – granulární, přizpůsobitelné vyhledávání Před námi: křehké interní nástroje nebo pomalí starší dodavatelé. Nyní: infra účelově vytvořená pro umělou inteligenci ve velkém měřítku.

Většina dnešních modelů je trénována na zškrábaných webových datech... Ale to není to, odkud přijdou další výkonnostní skoky. Nevyužitá vrstva? Hlasové poznámky, nositelné streamy, účtenky, kalendáře, diagnostika. Strukturované, povolené a bohaté na kontext reálného světa.

Další průlom v LLM nepřijde z vylepšení modelu. Bude to vycházet z výpočtů na reálných datech v době testu: 🔸 dynamický kontext 🔸 Uvedení autorství na úrovni zdroje 🔸 živé vstupy ze zařízení a logů Vytváříme most mezi pasivními modely a interaktivní inteligencí 🤝