Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]

news.sbsnews.sbssiliconcanals+1Vývojáři umělé inteligence, včetně společností OpenAI a Anthropic, stále častěji nakupují interní firemní data – zaměstnanecké chaty, e-maily, záznamy videokonferencí a historii změn kódu – protože zásoba veřejně dostupných internetových textů se blíží vyčerpání. Uvádí to zpráva serveru The Information zveřejněná 13. srpna, která cituje zhruba 20 zdrojů včetně zakladatelů startupů a odborníků z datového průmyslu.news.sbs
Poptávka po datech z firemní komunikace v posledních měsících zesílila, což je poháněno závody ve vývoji AI agentů schopných vykonávat reálné úkoly, jako je zákaznický servis nebo ověřování faktur. Bobby Samuels, generální ředitel startupu Protege, který se zabývá zprostředkováním dat, pro The Information uvedl, že objem transakcí jeho společnosti vzrostl z loňských 30 milionů dolarů na letošních nejméně 100 milionů dolarů.news.sbs
Kupující se zaměřují především na startupy, které čelí bankrotu nebo akvizici. Společnost Warmly, startup zaměřený na AI agenty, který nedávno získala firma HubSpot , údajně po podpisu akviziční smlouvy obdržela čtyři samostatné nabídky v hodnotě až 300 000 dolarů za své interní zápisy ze schůzek a e-maily, ale všechny je odmítla. Záznamy živých lidských interakcí – vývojáři řešící problémy přes e-mail, finanční ředitelé diskutující o hospodářských výsledcích, videa s ukázkami softwaru – jsou považovány za nezbytný tréninkový materiál pro systémy umělé inteligence příští generace.news.sbs
Tento nákupní boom odráží strukturální omezení. Společnost Epoch AI odhaduje, že efektivní zásoba kvalitních veřejných textů napsaných lidmi činí zhruba 300 bilionů tokenů a špičkové modely by ji mohly zcela vyčerpat mezi lety 2026 a 2032. Při agresivnějších předpokladech tréninku by se tento časový rámec mohl zkrátit až na rok 2027. Nové lidské texty se na internetu sice neustále objevují, ale jejich tempo růstu je mnohem pomalejší než rozšiřování tréninkových datových sad pro AI.siliconcanals+3
Boj o soukromá data následuje po období kontroverzí ohledně toho, jakým způsobem AI společnosti získávaly tréninkový materiál. Interní iniciativa společnosti Anthropic s názvem Project Panama zahrnovala nákup knih chráněných autorským právem, jejich rozřezání pro účely skenování a následné zničení fyzických kopií. Federální soudce v San Franciscu v červenci schválil hromadné vyrovnání ve výši 1,5 miliardy dolarů v souvislosti s tímto programem. Jak uvedl deník The Washington Post, nezveřejněný interní plánovací dokument popsal tuto snahu jako pokus o destruktivní naskenování všech knih na světě.reuters+1
Jelikož se deidentifikace podnikových datových sad stává velkou výzvou, Shub Sinha, generální ředitel společnosti Integral zabývající se zpracováním dat, uvedl, že jeho firma provádí přísný proces anonymizace, aby zachovala hodnotu dat a zároveň dodržela předpisy o ochraně soukromí. Rozšiřující se trh se soukromými texty naznačuje, že náklady na trénink, kterým dříve dominoval výpočetní výkon, se stávají stále významnější položkou pro vývojáře AI.news.sbs