Az MI fejlődése lassul a haszontalan adatok túlzott mennyisége miatt – túl sok van belőlük

Kulcsfontosságú következtetés: ahhoz, hogy a ChatGPT-től „életben lévő” robotokhoz jussunk, nem csak nagy adatbázisokra van szükség, hanem minőségi és releváns információkra.

A Fortune hangsúlyozza, hogy az AI iparág egy új korszak küszöbén áll – a fizikai intelligencia és a környezeti modellek területén. Az ilyen rendszereknek képesnek kell lenniük a valós térben való orientálódásra: utakon mozogni, ruhát hajtogatni vagy segíteni bonyolult sebészeti beavatkozások során. Ehhez nem csupán „letöltendő” adatokra van szükség, hanem gazdag, sokoldalú információkészletekre.

Miért kritikus az adatminőség
1. Túlzott és haszontalan tartalom

Az AI körüli izgalom miatt számos startup (Scale AI, Surge AI, Mercor) próbál minél több adatot gyűjteni. Ez hatalmas mennyiségű „üres” fájl felhalmozódását eredményezi, amelyek nem járulnak hozzá a modellek betanításához. Ha a kutatók nem tudják szűrni ezeket, a fizikai AI potenciálja kihasználatlan marad.

2. Többdimenziós feladatok komplexitása

A bonyolult világ megértéséhez még nagyobb adatméretre van szükség, de ezek rendkívül nehezen hozzáférhetők. Ezért a mérnökök modellezéshez fordulnak: virtuális rekonstruálásokat hoznak létre valós szcenáriókból, hogy tanító példákat generáljanak robotok és önvezető járművek számára.

3. Alacsony minőségű adathalmazok kockázatai

A nem megfelelő adatok előre nem látható eredményekhez vezethetnek. Például az OpenAI Sora videóalkalmazás támogatásának leállítása: a modell nem tudta kezelni a fizikát, ami akadályozta a reális előrejelzéseket.

Hogyan oldjuk meg a problémát
- Tisztítási eszközök

A gépi tanulási szakemberek olyan technológiákra van szüksége, amelyek automatikusan eltávolítják a felesleges adatokat, elemzik, normalizálják és korrigálják az adathalmazokat. Ez lehetővé teszi a értékes információk kiemelését a „zajból”.

- Fókusz a minőségre

Jelenleg a korlátozó tényező a minőségi adatok hiánya. Azok a vállalatok, amelyek először felismerik ezt és elkezdik befektetni az adatgyűjtésbe és feldolgozásába, vezetők lesznek a valóban működő AI‑rendszerek létrehozásában.

Így tehát a szöveges modellekről robotok felé történő átmenet, amelyek képesek valós környezetben cselekedni, nem lehetséges a tanító adatok minőségének rendszerszerű kezelésének nélkül. A Fortune hangsúlyozza, hogy ez a tényező lesz a döntő a fizikai intelligencia jövőjében.