وقتی Scale AI هوش مصنوعی را «آموزش» می‌دهد

شرکت Scale AI که زمانی که بنیانگذارش هنوز دانشجو بود، شروع به کار کرد، اکنون حلقه‌ای ضروری در مسیر یادگیری مدل‌های هوش مصنوعی است. این شرکت هوش مصنوعی را ایجاد نمی‌کند، اما به هوش مصنوعی کمک می‌کند تا دنیای انسان‌ها را درک کند.

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

شرکت Scale AI زیاد خبرساز نمی‌شود 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. این به سیستم‌های هوشمند اجازه می‌دهد تا به تدریج زبان، تصاویر، احساسات و رفتارهایی را که افراد 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 هوشمندتر کردن 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 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 ویدیو است.

برای مثال، برای اینکه یک ماشین خودران یاد بگیرد در جای درست توقف کند، هر فریم دوربین باید به وضوح محل عبور عابر پیاده، چراغ راهنمایی و محل عابر پیاده را مشخص کند. 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، بدون داده برای تغذیه، چیزی بیش از یک اسکلت خالی نیست. 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 دارند.

برای اینکه یک چت‌بات بتواند نحوه‌ی پرسیدن سوال توسط انسان‌ها را درک کند، باید در معرض میلیون‌ها مکالمه قرار گیرد. برای اینکه یک ماشین بتواند عابران پیاده را در باران تشخیص دهد، باید صدها هزار عکس مشابه را ببیند. همه 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 بارز 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، یک 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 ساخته 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 صحنه‌ای از یک جنگل 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 حوزه‌های متعدد نشان می‌دهد که Scale AI فقط یک ابزار مکمل نیست، بلکه در حال تبدیل شدن به بخش اصلی چگونگی یادگیری هوش مصنوعی در مورد جهان است. همچنان که جهان به رقابت برای ایجاد مدل‌های هوشمندتر ادامه می‌دهد، شرکت‌هایی مانند Scale AI هستند که بی‌سروصدا زمینه‌ساز این رقابت می‌شوند.

بازگشت به موضوع

تان پنجشنبه

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