ເມື່ອ Scale AI 'ສອນ' ປັນຍາປະດິດ

ເລີ່ມຕົ້ນໃນເວລາທີ່ຜູ້ກໍ່ຕັ້ງຂອງມັນຍັງເປັນນັກຮຽນ, Scale AI ໃນປັດຈຸບັນແມ່ນການເຊື່ອມຕໍ່ທີ່ຂາດບໍ່ໄດ້ໃນການເດີນທາງການຮຽນຮູ້ຂອງຕົວແບບປັນຍາປະດິດ. ບໍລິສັດບໍ່ໄດ້ສ້າງ AI, ແຕ່ມັນເປັນບ່ອນທີ່ AI ເຂົ້າໃຈໂລກຂອງມະນຸດ.

ຂໍ້​ມູນ​ທີ່​ປ້ອນ​ເຂົ້າ​ໄດ້​ຖືກ​ຈັດ​ຕັ້ງ​ຢ່າງ​ລະ​ອຽດ​ກ່ອນ​ທີ່​ຈະ​ນໍາ​ໃຊ້​ເພື່ອ​ຝຶກ​ອົບ​ຮົມ AI ໄດ້​.

Scale AI ບໍ່ໄດ້ເຮັດໃຫ້ຫົວຂໍ້ຂ່າວເລື້ອຍໆ, ແລະມັນແມ່ນຫນຶ່ງໃນບໍລິສັດເຕັກໂນໂລຢີທີ່ເຮັດໃຫ້ຜະລິດຕະພັນທີ່ຜູ້ໃຊ້ສາມາດສໍາຜັດໄດ້. ແຕ່ສໍາລັບນັກພັດທະນາ AI, ມັນເປັນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງຂະບວນການຝຶກອົບຮົມແບບຈໍາລອງທັງຫມົດ.

Scale AI ເຮັດວຽກຢູ່ເບື້ອງຫຼັງຢ່າງງຽບໆ, ບ່ອນທີ່ຂໍ້ມູນດິບຖືກປະມວນຜົນໂດຍມະນຸດ ແລະປ່ຽນເປັນບົດຮຽນສຳລັບເຄື່ອງຈັກ. ຍ້ອນແນວນັ້ນ, ລະບົບອັດສະລິຍະໃໝ່ໆສາມາດເຂົ້າໃຈພາສາ, ຮູບພາບ, ອາລົມ ແລະພຶດຕິກຳທີ່ຄົນເຮົາສະແດງຢູ່ໃນ ໂລກ ແຫ່ງຄວາມເປັນຈິງ.

Scale AI ແມ່ນໃຜແລະພວກເຂົາເຮັດຫຍັງ?

ເມື່ອປຽບທຽບກັບ OpenAI, Google, ຫຼື Meta, Scale AI ເປັນເຄື່ອງຫຼິ້ນທີ່ຂ້ອນຂ້າງງຽບ. ບໍລິສັດບໍ່ໄດ້ສ້າງ chatbots ໂດຍກົງທີ່ສາມາດສົນທະນາໄດ້ຄືກັບຄົນທີ່ແທ້ຈິງຫຼືລົດທີ່ຂັບລົດດ້ວຍຕົນເອງທີ່ສາມາດອ່ານສະຖານະການຈະລາຈອນໄດ້, ແຕ່ມັນມີບົດບາດສໍາຄັນທີ່ຈະຊ່ວຍໃຫ້ເຕັກໂນໂລຢີເຫຼົ່ານັ້ນສະຫລາດກວ່າທຸກໆມື້.

Scale AI ກໍ່ຕັ້ງຂຶ້ນໃນປີ 2016 ເມື່ອຜູ້ກໍ່ຕັ້ງ Alexandr Wang ຍັງເປັນນັກຮຽນຢູ່. ແທນ​ທີ່​ຈະ​ເດີນ​ໄປ​ຕາມ​ເສັ້ນ​ທາງ​ການ​ພັດ​ທະ​ນາ​ວິ​ທີ​ການ​, Wang ໄດ້​ເລືອກ​ເອົາ​ເສັ້ນ​ທາງ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​: ການ​ສ້າງ​ເວ​ທີ​ການ​ປຸງ​ແຕ່ງ​ຂໍ້​ມູນ​ສະ​ເພາະ​ເພື່ອ​ຮັບ​ໃຊ້ ​ການ​ຝຶກ​ອົບ​ຮົມ​ຂອງ​ປັນຍາ​ປອມ ​.

ໃນໂລກນີ້, ຂໍ້ມູນແມ່ນວັດຖຸດິບ. ແຕ່ຂໍ້ມູນດິບເຊັ່ນຮູບພາບທີ່ບໍ່ໄດ້ຈັດປະເພດ, ການສົນທະນາທີ່ບໍ່ເປັນລະບຽບ, ຫຼື ວິດີໂອ ທີ່ບໍ່ຊັດເຈນແມ່ນມັກຈະສັບສົນແລະບໍ່ມີມູນຄ່າໂດຍກົງກັບເຄື່ອງຈັກ.

Scale AI ວຽກງານແມ່ນເພື່ອເຮັດຄວາມສະອາດ, ຈັດປະເພດ, ແລະຕິດປ້າຍຈໍານວນຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍ. ນັ້ນ ໝາຍ ຄວາມວ່າການອອກແບບທັງລະບົບແລະທີມງານເພື່ອ ກຳ ນົດແລະຈັດທຸກລາຍລະອຽດນ້ອຍໆໃນຮູບ, ຫຍໍ້ ໜ້າ ຫຼືວິດີໂອ.

ຕົວຢ່າງເຊັ່ນ: ສໍາລັບລົດທີ່ຂັບລົດຕົນເອງຮຽນຮູ້ທີ່ຈະຢຸດຢູ່ໃນບ່ອນທີ່ເຫມາະສົມ, ແຕ່ລະກອບຂອງກ້ອງຖ່າຍຮູບຕ້ອງໄດ້ຮັບການກໍານົດຢ່າງຊັດເຈນວ່າບ່ອນໃດມີທາງຂ້າມ, ບ່ອນທີ່ມີໄຟຈະລາຈອນ, ບ່ອນທີ່ມີຄົນຍ່າງ. ດ້ວຍຂໍ້ມູນດັ່ງກ່າວຫຼາຍລ້ານ, ປັນຍາປະດິດສາມາດຮຽນຮູ້ພຶດຕິກໍາໄດ້ຢ່າງຖືກຕ້ອງ.

ຂໍຂອບໃຈກັບຂັ້ນຕອນການກະກຽມຂໍ້ມູນດັ່ງກ່າວ, ແບບຈໍາລອງເຊັ່ນ: ChatGPT, Claude ຫຼືຜູ້ຊ່ວຍ virtual ໃນລົດສາມາດເຂົ້າໃຈພາສາທໍາມະຊາດ, ຮັບຮູ້ຮູບພາບໃນສະພາບແວດລ້ອມທີ່ແທ້ຈິງໄດ້ຢ່າງຖືກຕ້ອງແລະຕອບສະຫນອງໃນລັກສະນະຄ້າຍຄືມະນຸດ.

ຢາກສອນ AI ໃຫ້ສະຫລາດ ຕ້ອງເລີ່ມຈາກສິ່ງນ້ອຍໆທີ່ສຸດ

ບໍ່ວ່າຕົວແບບ AI ມີຄວາມຊັບຊ້ອນຫຼາຍປານໃດ, ມັນເປັນພຽງແຕ່ໂຄງກະດູກທີ່ຫວ່າງເປົ່າໂດຍບໍ່ມີຂໍ້ມູນເພື່ອລ້ຽງມັນ. ບໍ່ເຫມືອນກັບມະນຸດທີ່ສາມາດຮຽນຮູ້ຈາກປະສົບການແລະຄວາມຕັ້ງໃຈ, ເຄື່ອງຈັກພຽງແຕ່ສາມາດເຮັດຊ້ໍາສິ່ງທີ່ພວກເຂົາເຄີຍເຫັນມາກ່ອນ. ນັ້ນແມ່ນເຫດຜົນທີ່ຂໍ້ມູນການຝຶກອົບຮົມມີບົດບາດຕັດສິນໃນການສ້າງຕົວແບບທີ່ມີປະສິດທິພາບຫຼືບໍ່.

ສໍາລັບ chatbot ເພື່ອເຂົ້າໃຈວິທີການທີ່ມະນຸດຖາມຄໍາຖາມ, ມັນຕ້ອງໄດ້ຮັບການສໍາຜັດກັບຫຼາຍລ້ານການສົນທະນາ. ສໍາລັບລົດທີ່ຈະຮັບຮູ້ຄົນຍ່າງໃນຝົນ, ມັນຕ້ອງໄດ້ເຫັນຫຼາຍຮ້ອຍພັນຮູບທີ່ຄ້າຍຄືກັນ. ຕົວຢ່າງຕົວຈິງທັງໝົດເຫຼົ່ານັ້ນຕ້ອງຖືກຕິດສະຫຼາກຢ່າງຖືກຕ້ອງເພື່ອໃຫ້ຄອມພິວເຕີຮຽນຮູ້ຈາກ. ໂດຍບໍ່ມີປ້າຍຊື່ທີ່ຖືກຕ້ອງ, AI ຈະໄດ້ຮັບມັນຜິດ. ຖ້າບໍ່ມີຂໍ້ມູນຫຼາກຫຼາຍພຽງພໍ, ມັນຈະມີປະຕິກິລິຍາບໍ່ດີໃນສະພາບແວດລ້ອມຕົວຈິງ.

ນີ້ແມ່ນເຫດຜົນທີ່ວ່າວຽກງານຂອງ Scale AI ມີຄວາມສໍາຄັນຫຼາຍ. ພວກເຂົາບໍ່ພຽງແຕ່ເກັບກຳຂໍ້ມູນ, ພວກເຂົາຮັບປະກັນວ່າມັນຖືກຈັດລະບຽບໃນແບບທີ່ຖືກຕ້ອງ, ຫຼາກຫຼາຍ ແລະ ສາມາດຮຽນຮູ້ໄດ້, ເພື່ອໃຫ້ຕົວແບບໃນອະນາຄົດສາມາດຕອບສະໜອງໄດ້ຄືກັບຄົນ.

ຕົວຢ່າງຄລາສສິກແມ່ນຢູ່ໃນພາກສະຫນາມຂອງລົດຂັບລົດຕົນເອງ. ເພື່ອຝຶກລົດເພື່ອຮັບມືກັບສະຖານະການທີ່ບໍ່ຄາດຄິດເຊັ່ນຄົນຂ້າມຖະຫນົນຫຼືລົດຈັກໄປໃນທາງທີ່ຜິດ, ຮູບແບບປັນຍາປະດິດຈໍາເປັນຕ້ອງເຫັນສະຖານະການທີ່ຄ້າຍຄືກັນຫຼາຍສິບພັນຄົນ.

ຂໍ້​ມູນ​ດັ່ງ​ກ່າວ​ບໍ່​ສາ​ມາດ​ມີ​ໃຫ້​ໄດ້​ຢ່າງ​ງ່າຍ​ດາຍ​, ຫຼື​ບໍ່​ສາ​ມາດ​ປະ​ໄວ້​ໃຫ້​ເຄື່ອງ​ເພື່ອ​ຮຽນ​ຮູ້​ດ້ວຍ​ຕົນ​ເອງ​. ບາງຄົນຕ້ອງກະກຽມ, ຈັດຕັ້ງ, ແລະຮັບປະກັນຄວາມຖືກຕ້ອງຂອງມັນກ່ອນທີ່ປັນຍາປະດິດສາມາດເລີ່ມຕົ້ນຂະບວນການຮຽນຮູ້.

ນັ້ນແມ່ນບ່ອນທີ່ Scale AI ເຂົ້າມາ. ພວກເຂົາສ້າງບົດຮຽນ, ບໍ່ແມ່ນມາຈາກຄວາມຮູ້ໃນປຶ້ມແບບຮຽນ, ແຕ່ມາຈາກຫຼາຍພັນລ້ານຕົວຢ່າງທີ່ຫລອມໂລຫະຕົວຈິງ. ທຸກໆກະແສຂໍ້ມູນທີ່ຜ່ານມືຂອງພວກເຂົາກາຍເປັນຕົວສ້າງຂອງຄວາມຮູ້ AI ທີ່ທັນສະໄຫມ.

ຈາກຫ້ອງທົດລອງໄປສູ່ຖະຫນົນ, ຂໍ້ມູນຍັງຄົງເປັນກະສັດ

Scale AI ບໍ່ພຽງແຕ່ຈໍາກັດພຽງແຕ່ຂໍ້ຄວາມ, ມັນຍັງມີສ່ວນຮ່ວມໃນການຝຶກອົບຮົມວິໄສທັດຄອມພິວເຕີສໍາລັບລົດທີ່ຂັບລົດດ້ວຍຕົນເອງ. ບໍລິສັດເຕັກໂນໂລຢີເຊັ່ນ Tesla, Toyota ແລະ General Motors ໄດ້ຮ່ວມມືກັບ Scale AI ເພື່ອສອນລົດໃຫ້ຮັບຮູ້ຄົນຍ່າງ, ອ່ານປ້າຍຈະລາຈອນແລະຈັດການກັບສະຖານະການທີ່ບໍ່ຄາດຄິດ.

ນອກຈາກນັ້ນ, Scale AI ຍັງສະຫນັບສະຫນູນດ້ານອື່ນໆເຊັ່ນ: ການປ້ອງກັນ, ດາວທຽມແລະແຜນທີ່. ພວກເຂົາເຈົ້າປະມວນຜົນຮູບພາບຈາກກ້ອງຖ່າຍຮູບ, radars ແລະຮູບພາບທີ່ຖ່າຍຈາກອາວະກາດເພື່ອຊ່ວຍໃຫ້ຕົວແບບຮັບຮູ້ພູມສັນຖານ, ຈັດປະເພດວັດຖຸຫຼືກວດພົບຄວາມສ່ຽງໃນຕອນຕົ້ນ. ຮູບພາບຈາກດາວທຽມອາດເບິ່ງຄືວ່າເປັນພຽງສາກພູເຂົາ, ແຕ່ຜ່ານມືຂອງທີມງານ Scale AI, ມັນສາມາດກາຍເປັນຊຸດຂໍ້ມູນທີ່ຊ່ວຍໃຫ້ເຄື່ອງສາມາດຄາດຄະເນທິດທາງຂອງໄຟປ່າໄດ້.

ການຂະຫຍາຍອອກໄປໃນຫຼາຍຂົງເຂດສະແດງໃຫ້ເຫັນວ່າ Scale AI ບໍ່ພຽງແຕ່ເປັນເຄື່ອງມືເສີມເທົ່ານັ້ນ ແຕ່ຍັງກາຍເປັນພາກສ່ວນຫຼັກຂອງວິທີການຮຽນຮູ້ປັນຍາປະດິດຂອງໂລກ. ໃນຂະນະທີ່ໂລກຍັງສືບຕໍ່ແຂ່ງຂັນເພື່ອສ້າງແບບຈໍາລອງທີ່ສະຫຼາດກວ່າ, ມັນແມ່ນບໍລິສັດເຊັ່ນ Scale AI ທີ່ວາງພື້ນຖານຢ່າງງຽບໆສໍາລັບເຊື້ອຊາດນັ້ນ.

ກັບໄປທີ່ຫົວຂໍ້

ທ່ານ ທ

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