Kunstmatige intelligentie zal AI niet snel trainen, zegt de CEO van een datalabel-startup.
In een aflevering van de podcast “20VC” die vorige week werd uitgebracht, zegt Matt Fitzpatrick, CEO onzichtbare technologie, zegt dat een van de grootste misvattingen in de AI-trainingsindustrie is dat mensen over een paar jaar niet meer nodig zullen zijn.
“Toen ik voor het eerst met dit werk begon, was de belangrijkste aanmoediging die ik altijd kreeg dat synthetische data het over zouden nemen en dat je over twee tot drie jaar geen menselijke input meer nodig zou hebben”, zegt Fitzpatrick, die vorig jaar bij de startup kwam. “Vanuit de eerste principes is het eigenlijk niet logisch.”
Synthetische data verwijst naar gegevens die kunstmatig zijn gecreëerd. Het wordt gebruikt om AI- of machine learning-modellen te trainen, vooral wanneer echte gegevens schaars of onbruikbaar zijn vanwege privacyoverwegingen. Menselijke feedback vraagt daarentegen echte mensen om de reacties van de AI te filteren, beoordelen en trainen.
In de podcast zei Fitzpatrick dat er in de wereld te veel soorten taken zijn die AI kan voltooien, en dat het lang zal duren om ze nauwkeurig te voltooien, rekening houdend met de taal en culturele context. De juridische sector bevat bijvoorbeeld een grote hoeveelheid niet-openbare informatie.
“Aan de GenAI-kant zul je mensen nodig hebben om dit de komende decennia te doen”, zei hij. “En ik denk dat dat iets is dat de meeste mensen zich beginnen te realiseren.”
Fitzpatrick was voorheen een seniorpartner bij McKinseywaar hij leiding geeft aan QuantumBlack Labs, de AI-onderzoeks- en softwareontwikkelingstak van het bedrijf.
Invisible, dat in september 100 miljoen dollar ophaalde met een waardering van $ 2 miljard, concurrerend met bedrijf voor gegevenslabels zoals Scale AI en Surge AI. Deze startups hebben het afgelopen jaar miljarden dollars aan financiering opgehaald terwijl technologiegiganten racen om de gegevens veilig te stellen die nodig zijn om hun AI-modellen te trainen. Ze hebben miljoenen menselijke contractanten in dienst, die helpen modellen wiskunde, wetenschap, coderen en eigenschappen als humor en empathie te onderwijzen.
Fitzpatrick sluit zich aan bij andere CEO’s van startups op het gebied van datalabeling die zeggen dat de sector menselijke inspanningen zal blijven vergen.
In september, CEO Mercor, Brendan Foodyzegt dat het belangrijkste aspect van het bedrijf de datakwaliteit is en ‘fenomenale mensen hebben die je heel goed behandelt’.
In juli, CEO-handdrukeen banenplatform dat vorig jaar overstapte naar AI-training, zei dat er nog steeds mensen nodig zijn om AI te trainen, maar wie de training doet, verandert.
Garrett Lord zegt dat de data-annotatie-industrie aan het verschuiven is van het vereisen van generalisten naar zeer gespecialiseerde experts, inclusief in wiskunde en wetenschappen.
“Nu hebben deze modellen het hele internetcorpus en elk boek en elke video opgezogen”, zei Lord in de podcast. “Ze zijn zo goed dat generalisten niet langer nodig zijn.”
