وقتی Scale AI هوش مصنوعی را «آموزش» می‌دهد

شرکت Scale AI که فعالیت خود را از زمانی که بنیانگذار آن هنوز دانشجو بود آغاز کرد، اکنون حلقه‌ای ضروری در مسیر یادگیری مدل‌های هوش مصنوعی است. این شرکت هوش مصنوعی را خلق نمی‌کند، اما جایی است که هوش مصنوعی دنیای انسان را درک می‌کند.

داده‌های ورودی قبل از استفاده برای آموزش هوش مصنوعی، به طور مرتب سازماندهی می‌شوند.

شرکت Scale AI اغلب تیتر خبرها را به خود اختصاص نمی‌دهد و جزو شرکت‌های فناوری‌ای هم نیست که محصولاتی تولید کند که کاربران بتوانند واقعاً آنها را لمس کنند. اما برای توسعه‌دهندگان هوش مصنوعی، این بخش جدایی‌ناپذیر از کل فرآیند آموزش مدل است.

کار Scale AI بی‌سروصدا در پشت صحنه اتفاق می‌افتد، جایی که داده‌های خام توسط انسان‌ها پردازش شده و به درس‌هایی برای ماشین‌ها تبدیل می‌شوند. به لطف آن، سیستم‌های هوشمند جدید می‌توانند به تدریج زبان، تصاویر، احساسات و رفتارهایی را که مردم در دنیای واقعی از خود نشان می‌دهند، درک کنند.

Scale AI کیست و چه کاری انجام می‌دهد؟

در مقایسه با OpenAI، گوگل یا متا، Scale AI بازیگر نسبتاً ساکتی است. این شرکت مستقیماً چت‌بات‌هایی که بتوانند مانند افراد واقعی صحبت کنند یا ماشین‌های خودران که می‌توانند موقعیت‌های ترافیکی را بخوانند، نمی‌سازد، اما نقش مهمی در کمک به هوشمندتر شدن این فناوری‌ها در هر روز ایفا می‌کند.

شرکت Scale AI در سال ۲۰۱۶، زمانی که بنیانگذار آن، الکساندر وانگ، هنوز دانشجو بود، تأسیس شد. وانگ به جای دنبال کردن مسیر توسعه الگوریتم، مسیر متفاوتی را انتخاب کرد: ساخت یک پلتفرم پردازش داده تخصصی برای خدمت به آموزش هوش مصنوعی .

در این دنیا، داده‌ها ماده خام هستند. اما داده‌های خام مانند تصاویر طبقه‌بندی نشده، مکالمات سازمان نیافته یا ویدیوهای نامشخص اغلب نامرتب هستند و هیچ ارزش مستقیمی برای ماشین‌ها ندارند.

وظیفه Scale AI تمیز کردن، دسته‌بندی و برچسب‌گذاری این حجم عظیم داده‌ها است. این به معنای طراحی سیستم‌ها و تیم‌ها برای شناسایی و سازماندهی تک تک جزئیات کوچک در یک عکس، یک پاراگراف یا یک فیلم است.

برای مثال، برای اینکه یک ماشین خودران یاد بگیرد در جای درست توقف کند، هر فریم دوربین باید به وضوح مشخص کند که کجا خط عابر پیاده وجود دارد، کجا چراغ راهنمایی وجود دارد، کجا عابر پیاده وجود دارد. با میلیون‌ها داده از این دست، هوش مصنوعی می‌تواند رفتار را به طور دقیق یاد بگیرد.

به لطف چنین مراحل آماده‌سازی داده‌ها، مدل‌هایی مانند ChatGPT، Claude یا دستیاران مجازی در خودروها می‌توانند زبان طبیعی را درک کنند، تصاویر را در محیط‌های دنیای واقعی به طور دقیق تشخیص دهند و به شیوه‌ای شبیه به انسان پاسخ دهند.

می‌خواهید به هوش مصنوعی هوشمند بودن را آموزش دهید، باید از کوچکترین چیز شروع کنید

مهم نیست که یک مدل هوش مصنوعی چقدر پیچیده باشد، فقط یک اسکلت خالی بدون داده برای تغذیه آن است. برخلاف انسان‌ها که می‌توانند از تجربه و شهود یاد بگیرند، ماشین‌ها فقط می‌توانند آنچه را که قبلاً دیده‌اند تکرار کنند. به همین دلیل است که داده‌های آموزشی نقش تعیین‌کننده‌ای در ایجاد یک مدل مؤثر یا غیر مؤثر دارند.

برای اینکه یک چت‌بات بتواند نحوه‌ی پرسیدن سوال توسط انسان‌ها را درک کند، باید در معرض میلیون‌ها مکالمه قرار گرفته باشد. برای اینکه یک ماشین بتواند عابران پیاده را در باران تشخیص دهد، باید صدها هزار عکس مشابه دیده باشد. تمام این نمونه‌های دنیای واقعی باید به درستی برچسب‌گذاری شوند تا کامپیوتر بتواند از آنها یاد بگیرد. بدون برچسب‌های مناسب، هوش مصنوعی اشتباه می‌کند. بدون داده‌های متنوع کافی، در محیط‌های دنیای واقعی واکنش ضعیفی نشان خواهد داد.

به همین دلیل است که کار Scale AI بسیار مهم است. آنها فقط داده‌ها را جمع‌آوری نمی‌کنند، بلکه اطمینان حاصل می‌کنند که این داده‌ها به روشی دقیق، متنوع و قابل یادگیری سازماندهی شده‌اند، به طوری که مدل‌های آینده بتوانند مانند یک انسان واکنش نشان دهند.

یک مثال کلاسیک در زمینه خودروهای خودران است. برای آموزش یک خودرو برای مدیریت موقعیت‌های غیرمنتظره مانند عبور یک فرد از خیابان یا موتورسیکلتی که مسیر اشتباه را طی می‌کند، مدل هوش مصنوعی باید ده‌ها هزار موقعیت مشابه را ببیند.

چنین داده‌هایی را نمی‌توان به راحتی در دسترس قرار داد و همچنین نمی‌توان آنها را به ماشین واگذار کرد تا به تنهایی یاد بگیرد. قبل از اینکه هوش مصنوعی بتواند فرآیند یادگیری را آغاز کند، باید کسی آن را آماده، سازماندهی و از صحت آن اطمینان حاصل کند.

اینجاست که هوش مصنوعی مقیاس‌پذیر وارد عمل می‌شود. آن‌ها درس‌هایی را نه از دانش کتاب‌های درسی، بلکه از میلیاردها مثال دنیای واقعی که با دقت اصلاح شده‌اند، خلق می‌کنند. هر جریان داده‌ای که از دستان آن‌ها عبور می‌کند، به یک بلوک سازنده از شناخت هوش مصنوعی مدرن تبدیل می‌شود.

از آزمایشگاه تا خیابان‌ها، داده‌ها همچنان حرف اول را می‌زنند

Scale AI فقط به متن محدود نمی‌شود، بلکه در آموزش بینایی کامپیوتر برای خودروهای خودران نیز نقش دارد. شرکت‌های فناوری مانند تسلا، تویوتا و جنرال موتورز همگی با Scale AI همکاری کرده‌اند تا به خودروها آموزش دهند عابران پیاده را تشخیص دهند، علائم راهنمایی و رانندگی را بخوانند و موقعیت‌های غیرمنتظره را مدیریت کنند.

علاوه بر این، Scale AI از زمینه‌های دیگری مانند دفاع، ماهواره‌ها و نقشه‌ها نیز پشتیبانی می‌کند. آنها تصاویر دوربین‌ها، رادارها و عکس‌های گرفته شده از فضا را پردازش می‌کنند تا به مدل‌ها در تشخیص زمین، طبقه‌بندی اشیاء یا تشخیص زودهنگام خطرات کمک کنند. یک تصویر ماهواره‌ای ممکن است فقط یک صحنه کوهستانی به نظر برسد، اما از طریق تیم Scale AI، می‌تواند به مجموعه‌ای از داده‌ها تبدیل شود که به دستگاه کمک می‌کند جهت آتش‌سوزی‌های جنگلی را پیش‌بینی کند.

گسترش به بسیاری از زمینه‌ها نشان می‌دهد که Scale AI فقط یک ابزار تکمیلی نیست، بلکه در حال تبدیل شدن به بخش اصلی چگونگی یادگیری هوش مصنوعی در جهان است. همچنان که جهان به رقابت برای ایجاد مدل‌های هوشمندتر ادامه می‌دهد، شرکت‌هایی مانند Scale AI هستند که بی‌سروصدا پایه‌های محکمی را برای این رقابت بنا می‌کنند.

بازگشت به موضوع

تان پنجشنبه

منبع: https://tuoitre.vn/khi-scale-ai-day-hoc-cho-tri-tue-nhan-tao-20250616095516101.htm