MIT boshchiligidagi tadqiqot guruhi Data Provenance Initiative tomonidan o'tkazilgan so'nggi tadqiqot sun'iy intellekt (AI) modellarini o'qitish uchun foydalaniladigan ma'lumotlarning mavjudligi inqirozi kuchayib borayotganini aniqladi. Tadqiqot, qaysi 14 000 ta veb-domenlarni tekshirdi tez-tez ishlatib turadigan uchta toifaga kiradi AI ta'lim ma'lumotlar to'plami, yuqori sifatli ma'lumotlar manbalarining muhim qismi hozirda ularning mazmuniga kirishni cheklashini aniqladi.
Tadqiqot shuni ko'rsatadiki, C4, RefinedWeb va Dolma ma'lumotlar to'plamida taxminan Barcha maʼlumotlarning 5 foizi va eng yuqori sifatli manbalardan olingan maʼlumotlarning 25 foizi cheklandi. Bu cheklovlar, birinchi navbatda, orqali amalga oshiriladi Robotlarni istisno qilish protokoli, veb-sayt egalari uchun robots.txt deb nomlangan fayl yordamida avtomatlashtirilgan botlarning sahifalarini skanerlashiga yo'l qo'ymaslik uchun uzoq vaqtdan beri mavjud bo'lgan usul.
Bosh muallif Sheyn Longpre ogohlantiradi: “Biz Internetda maʼlumotlardan foydalanishga rozilik tez pasayib borayotganini koʻryapmiz, bu nafaqat maʼlumotlarga taʼsir qiladi. AI kompaniyalar, ammo tadqiqotchilar, akademiklar va notijorat tashkilotlar uchun. Ushbu tendentsiya rivojlanish va takomillashtirishga sezilarli ta'sir ko'rsatishi mumkin AI Modellari, bu ta'lim uchun juda ko'p turli xil, yuqori sifatli ma'lumotlarga tayanadi.
O'quv ma'lumotlarining etishmasligi mamlakatimizda muhim muammoga aylanmoqda AI sanoat. Sifatida AI tizimlar yanada murakkablashadi va tobora murakkab vazifalarga qo'llaniladi, boy, xilma-xil ma'lumotlar to'plamlariga talab oshadi. Biroq, bunday ma'lumotlarning ta'minoti turli omillar, jumladan, tufayli kamayib bormoqda maxfiylik bilan bog'liq muammolar, axloqiy mulohazalar va orqaga qaytish kontent yaratuvchilari.
Ko'pgina noshirlar va onlayn platformalar o'z ma'lumotlarini ruxsatsiz yig'ishdan himoya qilish uchun choralar ko'rdi. Ba'zilar bor to'lovlarni o'rnatish yoki xizmat ko'rsatish shartlarini o'zgartirish uchun ularning mazmunidan foydalanishni cheklash AI trening. Reddit va StackOverflow kabi boshqalar boshlandi zaryadlash AI kompaniyalari ularning ma'lumotlariga kirish uchun. Huquqiy choralar ham ko'rildi, The New York Times Openni sudga berdiAI va Microsoft da yangiliklar maqolalaridan foydalanish bilan bog'liq da'vo qilingan mualliflik huquqining buzilishi uchun AI ta'lim.
Ushbu ma'lumotlar tanqisligining oqibatlari juda keng. AI etarli bo'lmagan yoki noto'g'ri ma'lumotlarga o'rgatilgan modellar aniqlikning pasayishiga, cheklangan umumlashtirishga va yangi vaziyatlarga moslasha olmaslikka duch kelishi mumkin. Bu sohadagi innovatsiyalarni sekinlashtirishi va yangilarini ishlab chiqishga to'sqinlik qilishi mumkin AI ilovalar.
Ushbu muammolarni hal qilish uchun tadqiqotchilar va AI kompaniyalar muqobil yondashuvlarni o'rganmoqda. Bularga o'qitish uchun eng ma'lumotli ma'lumotlar nuqtalarini tanlashga qaratilgan faol o'rganish usullari va bilimlardan foydalanadigan o'rganishni o'tkazish kiradi. oldindan tayyorlangan modellar cheklangan ma'lumotlarga ega yangi vazifalarda ishlashni yaxshilash.
Ba'zi kompaniyalar, shuningdek, ularning mazmuniga doimiy kirishni ta'minlash uchun noshirlar bilan shartnomalar tuzmoqda. Masalan; misol uchun, OpenAI, Google va Meta yaqinda yangiliklar tashkilotlari bilan shartnoma tuzdi Yuqori sifatli ta'lim ma'lumotlarining uzluksiz oqimini ta'minlash uchun Associated Press va News Corp kabi.
As AI sanoat ushbu rivojlanayotgan ma'lumotlar inqirozi bilan kurashayotgan bo'lsa, u o'qitishning yanada samarali va mas'uliyatli usullarini ishlab chiqishga majbur bo'lishi mumkin. Bu ma'lumotlarni to'plash, ulardan foydalanish va hatto katta ma'lumotlar to'plamiga kamroq bog'liq bo'lgan butunlay yangi o'rganish paradigmalarida innovatsiyalarga olib kelishi mumkin.
The o'rganish's topilmalar ga mutanosib yondashish zarurligini ta’kidlaydi AI intellektual mulk huquqlari va shaxsiy daxlsizlik muammolarini hurmat qiladigan va innovatsiyalarni qo'llab-quvvatlovchi rivojlanish. ning manzarasi sifatida AI ta'lim ma'lumotlari rivojlanishda davom etmoqda, texnologiya kompaniyalari, kontent yaratuvchilari va siyosatchilar o'rtasidagi hamkorlik ushbu muammolarni hal qilishda va barqaror o'sishni ta'minlashda hal qiluvchi ahamiyatga ega bo'ladi. AI Texnologiyalari.
Bonus: Bizning 200 dollarimizni oling "AI Mastery Toolkit” Roʻyxatdan oʻtganingizda BEPUL!
