Apabila Skala AI 'mengajar' kecerdasan buatan

Bermula ketika pengasasnya masih seorang pelajar, Scale AI kini merupakan pautan yang sangat diperlukan dalam perjalanan pembelajaran model kecerdasan buatan. Syarikat itu tidak mencipta AI, tetapi ia membantu AI memahami dunia manusia.

Data input disusun dengan kemas sebelum digunakan untuk melatih AI.

Skala AI tidak banyak menjadi tajuk utama, dan bukan juga salah satu syarikat teknologi yang membuat produk yang sebenarnya boleh disentuh pengguna. Tetapi bagi pembangun AI, ia adalah sebahagian daripada keseluruhan proses latihan model.

Skala kerja AI berlaku secara senyap di belakang tabir, di mana data mentah diproses oleh manusia dan diubah menjadi pengajaran untuk mesin. Ini membolehkan sistem pintar memahami secara beransur-ansur bahasa, imej, emosi dan tingkah laku yang dipaparkan oleh orang ramai di dunia nyata .

Siapa Skala AI dan apakah yang mereka lakukan?

Berbanding dengan OpenAI, Google atau Meta, Scale AI ialah pemain yang agak senyap. Syarikat itu tidak secara langsung mencipta chatbot yang boleh bercakap seperti orang sebenar atau kereta pandu sendiri yang boleh membaca situasi lalu lintas, tetapi ia memainkan peranan penting dalam menjadikan teknologi tersebut lebih pintar setiap hari.

Skala AI diasaskan pada 2016 ketika pengasas Alexandr Wang masih seorang pelajar. Daripada mengikuti laluan pembangunan algoritma, Wang memilih jalan yang berbeza: membina platform pemprosesan data untuk menyediakan latihan kecerdasan buatan .

Dalam dunia ini, data adalah bahan mentah. Tetapi data mentah seperti imej tidak dikelaskan, perbualan tidak teratur atau video tidak jelas selalunya tidak kemas dan tidak mempunyai nilai langsung kepada mesin.

Skala tugas AI ialah membersihkan, mengkategorikan dan melabelkan jumlah data yang besar itu. Ini bermakna mereka bentuk kedua-dua sistem dan pasukan untuk mengenal pasti dan mengatur setiap butiran kecil dalam foto, perenggan atau video.

Sebagai contoh, untuk kereta pandu sendiri belajar berhenti di tempat yang betul, setiap bingkai kamera mesti mengenal pasti dengan jelas di mana lintasan pejalan kaki, di mana lampu isyarat dan di mana pejalan kaki berada. Dengan berjuta-juta data sedemikian, kecerdasan buatan boleh mempelajari tingkah laku dengan tepat.

Terima kasih kepada langkah penyediaan data sedemikian, model seperti ChatGPT, Claude atau pembantu maya dalam kereta boleh memahami bahasa semula jadi, mengecam imej dengan tepat dalam persekitaran dunia sebenar dan bertindak balas dengan cara seperti manusia.

Nak ajar AI jadi pandai, kena mula dari sekecil-kecil perkara

Tidak kira betapa kompleksnya model AI, ia tidak lebih daripada rangka kosong tanpa data untuk memberinya makan. Tidak seperti manusia yang boleh belajar daripada pengalaman dan intuisi, mesin hanya boleh mengulangi apa yang telah mereka lihat sebelum ini. Itulah sebabnya data latihan memainkan peranan penting dalam mencipta model yang berkesan.

Untuk chatbot memahami cara manusia bertanya, ia perlu didedahkan kepada berjuta-juta perbualan. Untuk kereta mengenali pejalan kaki dalam hujan, ia perlu melihat ratusan ribu foto yang serupa. Semua contoh dunia sebenar tersebut perlu dilabelkan dengan betul untuk dipelajari oleh komputer. Tanpa label yang betul, AI akan membuat kesilapan. Tanpa data pelbagai yang mencukupi, ia akan bertindak balas dengan buruk dalam persekitaran dunia sebenar.

Inilah sebab mengapa kerja Scale AI sangat penting. Mereka bukan sahaja mengumpul data, mereka memastikan ia disusun dengan cara yang tepat, pelbagai dan boleh dipelajari, supaya model masa depan boleh bertindak balas seperti yang dilakukan oleh seseorang.

Contoh utama adalah dalam bidang kereta pandu sendiri. Untuk melatih kereta untuk mengendalikan situasi yang tidak dijangka seperti orang yang melintas jalan atau motosikal pergi ke arah yang salah, model kecerdasan buatan perlu melihat puluhan ribu situasi yang serupa.

Data sedemikian tidak boleh didapati dengan mudah, dan tidak boleh diserahkan kepada mesin untuk belajar sendiri. Seseorang mesti menyediakan, mengatur, dan memastikan ketepatannya sebelum AI boleh memulakan proses pembelajaran.

Di situlah Skala AI masuk. Mereka mencipta pengajaran, bukan daripada pengetahuan buku teks tetapi daripada berbilion-bilion contoh dunia sebenar yang direka dengan teliti. Setiap aliran data yang melalui tangan mereka menjadi blok binaan kognisi AI moden.

Dari makmal ke jalanan, data kekal sebagai raja

Skala AI bukan sahaja terhad kepada teks, ia juga terlibat dalam melatih penglihatan komputer untuk kereta pandu sendiri. Syarikat teknologi seperti Tesla, Toyota dan General Motors semuanya telah bekerjasama dengan Scale AI untuk mengajar kereta mengenali pejalan kaki, membaca papan tanda lalu lintas dan mengendalikan situasi yang tidak dijangka.

Selain itu, Skala AI juga menyokong bidang lain seperti pertahanan, satelit dan peta. Mereka memproses imej daripada kamera, radar dan foto yang diambil dari angkasa untuk membantu model mengenali rupa bumi, mengelaskan objek atau mengesan risiko lebih awal. Imej satelit mungkin kelihatan seperti pemandangan hutan sahaja, tetapi melalui tangan pasukan AI Skala, ia boleh menjadi set data yang membantu mesin meramalkan arah kebakaran hutan.

Peluasan ke dalam pelbagai bidang menunjukkan bahawa Skala AI bukan sekadar alat tambahan tetapi menjadi bahagian teras bagaimana kecerdasan buatan belajar tentang dunia. Memandangkan dunia terus berlumba untuk mencipta model yang lebih pintar, syarikat seperti Skala AI yang secara senyap-senyap meletakkan asas untuk perlumbaan itu.

Kembali ke topik

THANH KHAM

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