Ex-OpenAI-onderzoeker verwacht 100 miljard dollar aan investeringen in AI-data
AI-taalmodellen lopen tegen hun grenzen aan doordat ze weliswaar uitblinken in programmeren en wiskunde, maar op andere terreinen stagneren. Voormalig OpenAI-onderzoeker Andrew Ho richt daarom een bedrijf op dat zich richt op gespecialiseerde trainingsdata. Hij voorspelt dat ontwikkelaars tientallen miljarden moeten steken in gerichte dataverzameling om AI breder inzetbaar te maken.
Een voormalige onderzoeker van OpenAI start een nieuwe onderneming die zich volledig richt op het leveren van specifieke trainingsdata voor kunstmatige intelligentie. Volgens de oprichter stuiten de huidige taalmodellen op inhoudelijke grenzen, ondanks hun sterke prestaties op het gebied van wiskunde en programmering. Om AI-systemen op andere domeinen verder te ontwikkelen, is gerichte en kwalitatief betere informatie noodzakelijk.
De noodzaak van gerichte trainingsdata
Taalmodellen worden getraind op enorme hoeveelheden tekst om patronen te herkennen en menselijk taalgebruik te simuleren. Naarmate deze systemen geavanceerder worden, verschuift de aandacht van kwantiteit naar kwaliteit van de data. Experts wijzen er vaker op dat het simpelweg toevoegen van meer algemene internetdata niet langer leidt tot betere resultaten, wat de vraag naar gecureerde en gespecialiseerde datasets vergroot.
De ontwikkeling past in een bredere trend binnen de technologiesector waarin de focus op de efficiëntie van modellen ligt. Bedrijven zoeken naar manieren om de prestaties van neurale netwerken te verbeteren zonder uitsluitend te leunen op schaalvergroting van computerkracht en datavolume. Gerichte dataverzameling geldt daarbij als een mogelijke sleutel om AI breder toepasbaar te maken in verschillende sectoren.
Deze samenvatting is gebaseerd op een origineel artikel van The Decoder. Lees het volledige, originele bericht bij de bron.
Lees het originele artikel