przewidywanie - dane kończą się kosztować znacznie więcej niż obliczenia do trenowania modeli AI. poważnie, im bardziej w to wnikam, tym więcej jest niewykorzystanego potencjału w *istniejących* modelach, które mogłyby zostać odblokowane w odpowiednim kontekście. ale problem polega na tym, że twórcy modeli nie mają dostępu do niszowych danych lub dane są "nieczytelne". w tej chwili Google płaci 200 milionów dolarów na najwyższym końcu rynku za dane wysokiej jakości, ale to tylko dla uogólnionych modeli. gdy to wszystko zacznie stawać się agentowe, będzie potrzebować danych, aby dostarczyć kontekst w nieskończonej liczbie potencjalnych scenariuszy przed wyborem jednego i wykonaniem - te dane albo tworzą, albo łamią jakość doświadczenia użytkownika. tymczasem obliczenia w końcu stają się towarem. jeszcze nie jesteśmy blisko tego trendu, ale warto zwrócić uwagę na agregację danych, sortowanie, generację syntetyczną i firmy zajmujące się środowiskami RL.