Data input disusun dengan kemas sebelum digunakan untuk melatih AI.
Scale AI tidak selalunya menjadi tajuk utama, dan juga bukan antara syarikat teknologi yang mencipta produk ketara untuk pengguna. Tetapi bagi pembangun kecerdasan buatan, ia adalah bahagian yang sangat penting dalam keseluruhan proses latihan model.
Kerja Scale AI berlaku secara senyap di sebalik tabir, di mana data mentah diproses oleh manusia dan diubah menjadi pengajaran untuk mesin. Ini membolehkan sistem pintar baharu secara beransur-ansur memahami bahasa, imej, emosi dan tingkah laku yang ditunjukkan oleh manusia di dunia nyata.
Siapakah Scale AI dan apakah fungsinya?
Berbanding dengan OpenAI, Google atau Meta, Scale AI merupakan pemain yang agak senyap. Walaupun ia tidak secara langsung mencipta chatbot yang bercakap seperti orang sebenar atau kereta pandu sendiri yang mampu membaca situasi trafik, ia memainkan peranan penting dalam menjadikan teknologi tersebut lebih pintar setiap hari.
Scale AI ditubuhkan pada tahun 2016 ketika pengasasnya, Alexandr Wang, masih seorang pelajar. Daripada meneruskan pembangunan algoritma, Wang memilih jalan yang berbeza: membina platform khusus untuk memproses data bagi melatih kecerdasan buatan .
Dalam dunia ini, data adalah nadi. Tetapi data yang tidak diproses, seperti imej yang tidak dikelaskan, perbualan yang tidak teratur atau video dengan kandungan yang tidak jelas, selalunya huru-hara dan tidak mempunyai nilai langsung kepada mesin.
Tugas Scale AI adalah untuk membersihkan, mengklasifikasikan dan melabelkan sejumlah besar data tersebut. Ini bermakna mereka mereka bentuk sistem dan pasukan untuk mengenal pasti dan menyusun setiap butiran kecil dalam gambar, teks atau klip video.
Contohnya, agar kereta pandu sendiri dapat belajar berhenti di tempat yang betul, setiap bingkai yang ditangkap daripada kamera mesti dikenal pasti dengan jelas sebagai lintasan pejalan kaki, lampu isyarat atau pejalan kaki. Dengan berjuta-juta titik data sedemikian, kecerdasan buatan boleh mempelajari tingkah laku dengan tepat.
Hasil daripada proses 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 seperti manusia.
Untuk melatih AI supaya menjadi pintar, kita mesti bermula dengan perkara yang paling kecil.
Tidak kira betapa rumitnya struktur model kecerdasan buatan, ia hanyalah rangka kosong jika tidak diberi makan dengan data. Tidak seperti manusia, yang boleh belajar daripada pengalaman dan intuisi, mesin hanya tahu cara mengulangi apa yang telah mereka lihat. Itulah sebabnya data latihan memainkan peranan penting dalam mencipta model yang berkesan.
Agar chatbot dapat memahami cara manusia bertanya soalan, ia perlu didedahkan kepada berjuta-juta perbualan. Agar kereta dapat mengenali pejalan kaki dalam hujan, ia perlu melihat ratusan ribu imej yang serupa. Semua contoh dunia sebenar itu mesti dilabelkan dengan tepat agar komputer dapat belajar daripadanya. Tanpa label yang betul, kecerdasan buatan akan salah tafsir. Tanpa data yang pelbagai, ia akan bertindak balas dengan buruk dalam persekitaran dunia sebenar.
Ini menjelaskan mengapa kerja Scale AI begitu penting. Mereka bukan sahaja mengumpul data tetapi juga memastikan ia disusun dengan tepat, pelbagai dan boleh dipelajari. Ini membolehkan model seterusnya bertindak balas seperti seseorang yang mempunyai pengalaman dunia sebenar.
Satu contoh utama adalah dalam bidang kereta pandu sendiri. Untuk melatih kereta bagi menangani situasi yang tidak dijangka seperti pejalan kaki yang melintas jalan atau motosikal yang datang dari arah yang bertentangan, model kecerdasan buatan perlu melihat pratonton puluhan ribu senario yang serupa.
Data sedemikian tidak boleh tersedia dengan mudah, dan juga tidak boleh dibiarkan untuk mesin belajar sendiri. Ia mesti disediakan, disusun dan ketepatannya dipastikan oleh manusia sebelum kecerdasan buatan boleh memulakan proses pembelajaran.
Di situlah terletaknya peranan Scale AI. Merekalah yang mencipta pengajaran, bukan dengan pengetahuan buku teks, tetapi dengan berbilion contoh dunia sebenar yang diperhalusi dengan teliti. Setiap aliran data yang melalui tangan mereka menjadi blok binaan dalam pemahaman kecerdasan buatan moden.
Dari makmal hingga ke jalanan, data tetap diutamakan.
Peranan Scale AI melangkaui pemprosesan teks; ia juga terlibat dalam melatih visi komputer untuk kereta pandu sendiri. Syarikat teknologi seperti Tesla, Toyota dan General Motors semuanya telah bekerjasama dengan Scale AI untuk mengajar kenderaan mengenali pejalan kaki, membaca isyarat lalu lintas dan mengendalikan situasi yang tidak dijangka.
Di samping itu, Scale AI menyokong bidang lain seperti pertahanan, satelit dan pemetaan. Ia memproses imej daripada kamera, radar dan imejan berasaskan angkasa lepas untuk membantu model mengenali rupa bumi, mengklasifikasikan objek atau mengesan ancaman lebih awal. Imej satelit yang mungkin kelihatan seperti pemandangan hutan dan gunung sahaja, melalui pasukan Scale AI, boleh menjadi set data yang membantu mesin meramalkan arah pergerakan kebakaran hutan.
Pengembangan ke pelbagai bidang menunjukkan bahawa Scale AI bukan sekadar alat bantu tetapi menjadi bahagian teras bagaimana kecerdasan buatan mempelajari dunia. Ketika dunia terus berlumba untuk mencipta model yang lebih pintar, syarikat-syarikat senyap seperti Scale AI yang sedang meletakkan asas kukuh untuk perlumbaan tersebut.
Sumber: https://tuoitre.vn/khi-scale-ai-day-hoc-cho-tri-tue-nhan-tao-20250616095516101.htm
Komen (0)