التوجه الجديد في مجال تعليم البيانات بواسطة الذكاء الاصطناعي: من المنافسة على قوة الحوسبة إلى معركة جودة البيانات
مؤخراً، قامت شركة التكنولوجيا العملاقة ميتا بشراء 48% من أسهم شركة Scale AI لتصنيف البيانات مقابل 14.8 مليار دولار، مما أثار ضجة في وادي السيليكون، ويعتبر إعادة تقييم لصناعة "تصنيف البيانات". في الوقت نفسه، لا تزال بعض مشاريع Web3 AI تكافح للتخلص من علامة "التسويق المفاهيمي". وراء هذه الفجوة الكبيرة، يبدو أن السوق يتجاهل بعض العوامل الرئيسية.
تعتبر ترميز البيانات أكثر قيمة من تجميع قوة الحوسبة اللامركزية. على الرغم من أن قصة استخدام وحدات معالجة الرسوميات غير المستخدمة لمنافسة عمالقة الحوسبة السحابية مثيرة، إلا أن قوة الحوسبة في جوهرها هي سلعة موحدة، والاختلاف الرئيسي يكمن في السعر والتوافر. بمجرد أن يخفض العمالقة الأسعار أو يزيدون العرض، فإن هذه الميزة يمكن أن تُمحى بسهولة.
بالمقارنة، تُعدّ تسمية البيانات مجالًا يتطلب ذكاءً بشريًا وحكمًا متخصصًا. تحمل التسمية عالية الجودة معرفة متخصصة فريدة، وخلفية ثقافية، وتجربة إدراكية، ولا يمكن نسخها بشكل قياسي مثل قوة الحوسبة لوحدات معالجة الرسوميات (GPU). على سبيل المثال، تحتاج التسمية الدقيقة لتشخيص الصور السرطانية إلى حدس متخصص من أطباء الأورام ذوي الخبرة، بينما لا يُمكن تحليل مشاعر السوق المالية بنجاح دون تجربة تجار وول ستريت. هذه الندرة وعدم القابلية للاستبدال تمنح تسمية البيانات خندقًا عميقًا.
يستحق استحواذ ميتا على Scale AI الانتباه. سيتولى ألكسندر وانغ، مؤسس Scale AI والرئيس التنفيذي لها، مسؤولية مختبر البحوث "الذكاء الخارق" الذي أنشأته ميتا حديثًا. وقد بلغت قيمة الشركة التي أسسها هذا رائد الأعمال البالغ من العمر 25 عامًا 30 مليار دولار، وتضم قائمة عملائها العديد من شركات ومؤسسات الذكاء الاصطناعي الرائدة.
تظهر هذه الصفقة حقيقة مُهملة: قوة الحوسبة لم تعد نادرة، وهيكل النماذج يميل نحو التماثل، وما يحدد فعليًا الحد الأقصى للذكاء الاصطناعي هو تلك البيانات التي تم "تدريبها" بعناية. يمكن اعتبار تصرفات ميتا كصراع على "حقوق استخراج النفط" في عصر الذكاء الاصطناعي.
ومع ذلك، فإن الاحتكار سيؤدي دائمًا إلى المقاومة. تحاول بعض مشاريع Web3 AI إعادة كتابة قواعد توزيع قيمة وضع العلامات على البيانات باستخدام blockchain. تتمثل المشكلة الرئيسية في نموذج وضع العلامات على البيانات التقليدي في تصميم الحوافز غير المعقول. على سبيل المثال، قد يقضي طبيب ساعات في وضع علامات على الصور الطبية، ولكنه قد يحصل فقط على بضع عشرات من الدولارات كمكافأة، بينما قد تصل قيمة نموذج AI المدرب باستخدام هذه البيانات إلى عدة مليارات من الدولارات، ولا يمكن للطبيب مشاركة عائدات ذلك.
إن آلية تحفيز رموز Web3 من المتوقع أن تغير هذا الوضع، حيث تحول مقدمي البيانات من "عمال المزارع الرخيصة" إلى "مساهمين" حقيقيين في شبكة الذكاء الاصطناعي. تظهر مزايا Web3 في إعادة تشكيل علاقات الإنتاج بشكل خاص في سيناريوهات تعليم البيانات.
يبدو أن السوق في نقطة تحول: سواء كانت Web3 AI أو AI التقليدية، فقد انتقلت من "قوة الحوسبة" إلى "تنافس جودة البيانات". بينما يبني العملاق التقليدي الحواجز البيانية بالمال، تقوم Web3 ببناء تجربة أكبر لـ "دمقرطة البيانات" من خلال اقتصاد الرموز. لقد بدأت "حرب الظل" حول السيطرة على مستقبل الذكاء الاصطناعي بهدوء.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
الهيكل الجديد لتوسيم بيانات الذكاء الاصطناعي: من صراع قوة الحوسبة إلى منافسة البيانات عالية الجودة
التوجه الجديد في مجال تعليم البيانات بواسطة الذكاء الاصطناعي: من المنافسة على قوة الحوسبة إلى معركة جودة البيانات
مؤخراً، قامت شركة التكنولوجيا العملاقة ميتا بشراء 48% من أسهم شركة Scale AI لتصنيف البيانات مقابل 14.8 مليار دولار، مما أثار ضجة في وادي السيليكون، ويعتبر إعادة تقييم لصناعة "تصنيف البيانات". في الوقت نفسه، لا تزال بعض مشاريع Web3 AI تكافح للتخلص من علامة "التسويق المفاهيمي". وراء هذه الفجوة الكبيرة، يبدو أن السوق يتجاهل بعض العوامل الرئيسية.
تعتبر ترميز البيانات أكثر قيمة من تجميع قوة الحوسبة اللامركزية. على الرغم من أن قصة استخدام وحدات معالجة الرسوميات غير المستخدمة لمنافسة عمالقة الحوسبة السحابية مثيرة، إلا أن قوة الحوسبة في جوهرها هي سلعة موحدة، والاختلاف الرئيسي يكمن في السعر والتوافر. بمجرد أن يخفض العمالقة الأسعار أو يزيدون العرض، فإن هذه الميزة يمكن أن تُمحى بسهولة.
بالمقارنة، تُعدّ تسمية البيانات مجالًا يتطلب ذكاءً بشريًا وحكمًا متخصصًا. تحمل التسمية عالية الجودة معرفة متخصصة فريدة، وخلفية ثقافية، وتجربة إدراكية، ولا يمكن نسخها بشكل قياسي مثل قوة الحوسبة لوحدات معالجة الرسوميات (GPU). على سبيل المثال، تحتاج التسمية الدقيقة لتشخيص الصور السرطانية إلى حدس متخصص من أطباء الأورام ذوي الخبرة، بينما لا يُمكن تحليل مشاعر السوق المالية بنجاح دون تجربة تجار وول ستريت. هذه الندرة وعدم القابلية للاستبدال تمنح تسمية البيانات خندقًا عميقًا.
يستحق استحواذ ميتا على Scale AI الانتباه. سيتولى ألكسندر وانغ، مؤسس Scale AI والرئيس التنفيذي لها، مسؤولية مختبر البحوث "الذكاء الخارق" الذي أنشأته ميتا حديثًا. وقد بلغت قيمة الشركة التي أسسها هذا رائد الأعمال البالغ من العمر 25 عامًا 30 مليار دولار، وتضم قائمة عملائها العديد من شركات ومؤسسات الذكاء الاصطناعي الرائدة.
تظهر هذه الصفقة حقيقة مُهملة: قوة الحوسبة لم تعد نادرة، وهيكل النماذج يميل نحو التماثل، وما يحدد فعليًا الحد الأقصى للذكاء الاصطناعي هو تلك البيانات التي تم "تدريبها" بعناية. يمكن اعتبار تصرفات ميتا كصراع على "حقوق استخراج النفط" في عصر الذكاء الاصطناعي.
ومع ذلك، فإن الاحتكار سيؤدي دائمًا إلى المقاومة. تحاول بعض مشاريع Web3 AI إعادة كتابة قواعد توزيع قيمة وضع العلامات على البيانات باستخدام blockchain. تتمثل المشكلة الرئيسية في نموذج وضع العلامات على البيانات التقليدي في تصميم الحوافز غير المعقول. على سبيل المثال، قد يقضي طبيب ساعات في وضع علامات على الصور الطبية، ولكنه قد يحصل فقط على بضع عشرات من الدولارات كمكافأة، بينما قد تصل قيمة نموذج AI المدرب باستخدام هذه البيانات إلى عدة مليارات من الدولارات، ولا يمكن للطبيب مشاركة عائدات ذلك.
إن آلية تحفيز رموز Web3 من المتوقع أن تغير هذا الوضع، حيث تحول مقدمي البيانات من "عمال المزارع الرخيصة" إلى "مساهمين" حقيقيين في شبكة الذكاء الاصطناعي. تظهر مزايا Web3 في إعادة تشكيل علاقات الإنتاج بشكل خاص في سيناريوهات تعليم البيانات.
يبدو أن السوق في نقطة تحول: سواء كانت Web3 AI أو AI التقليدية، فقد انتقلت من "قوة الحوسبة" إلى "تنافس جودة البيانات". بينما يبني العملاق التقليدي الحواجز البيانية بالمال، تقوم Web3 ببناء تجربة أكبر لـ "دمقرطة البيانات" من خلال اقتصاد الرموز. لقد بدأت "حرب الظل" حول السيطرة على مستقبل الذكاء الاصطناعي بهدوء.