Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]
All voices matter
OpenAI-ն և Anthropic-ը գնում են կորպորատիվ տվյալներ՝ AI-ի ուսուցման համար
- The Information-ի հաղորդմամբ, OpenAI-ն և Anthropic-ը գնում են աշխատակիցների չաթերը, էլեկտրոնային նամակները և հանդիպումների ձայնագրությունները սնանկացման կամ ձեռքբերման եզրին գտնվող ստարտափներից:
news.sbs - Protege տվյալների բրոքերային ընկերությունը հայտնում է, որ պահանջարկի աճի ֆոնին իր գործարքների ծավալը նախորդ տարվա 30 միլիոնից այս տարի հասել է առնվազն 100 միլիոնի:
news.sbs - Epoch AI-ի գնահատմամբ, օգտակար հանրային տեքստերի պաշարը՝ մոտ 300 տրիլիոն թոքեն, կարող է ամբողջությամբ սպառվել արդեն 2027 թվականին:
siliconcanals+1
Ըստ The Information-ի օգոստոսի 13-ի զեկույցի, որը հիմնված է մոտ 20 աղբյուրների, այդ թվում՝ ստարտափների հիմնադիրների և ոլորտի փորձագետների վրա, AI մշակողները, ներառյալ OpenAI-ը և Anthropic-ը, ավելի ու ավելի են գնում ներքին կորպորատիվ տվյալներ՝ աշխատակիցների չաթեր, էլեկտրոնային նամակներ, տեսակոնֆերանսների ձայնագրություններ և կոդի փոփոխությունների պատմություն, քանի որ հանրությանը հասանելի ինտերնետային տեքստերի պաշարը մոտենում է սպառմանը:news.sbs
Կորպորատիվ տվյալների աճող շուկան
Կորպորատիվ հաղորդակցության տվյալների պահանջարկը վերջին ամիսներին կտրուկ աճել է, ինչը պայմանավորված է իրական աշխարհում խնդիրներ լուծելու ունակ AI գործակալներ ստեղծելու մրցավազքով: Protege տվյալների բրոքերային ստարտափի գործադիր տնօրեն Բոբի Սեմյուելսը The Information-ին հայտնել է, որ իր ընկերության գործարքների ծավալը նախորդ տարվա 30 միլիոնից այս տարի հասել է առնվազն 100 միլիոնի:news.sbs
Տվյալներ գնողները հիմնականում թիրախավորում են սնանկացման կամ ձեռքբերման եզրին գտնվող ստարտափները: Warmly-ն՝ AI գործակալների ստարտափը, որը վերջերս ձեռք է բերվել HubSpot-ի կողմից, ըստ տեղեկությունների, ձեռքբերման պայմանագիրը ստորագրելուց հետո ստացել է իր ներքին հանդիպումների արձանագրությունները և նամակները գնելու չորս առանձին առաջարկ՝ մինչև 300 000 դոլար արժողությամբ, սակայն մերժել է դրանք բոլորը: Մարդկային փոխգործակցության գրառումները՝ ծրագրավորողների կողմից խնդիրների լուծումը, ֆինանսական ցուցանիշների քննարկումները և ծրագրային ապահովման ցուցադրական տեսանյութերը, համարվում են հաջորդ սերնդի AI համակարգերի համար անհրաժեշտ ուսումնական նյութ:news.sbs
Տվյալների պատնեշը մոտենում է
Այս գնումները արտացոլում են կառուցվածքային սահմանափակում: Epoch AI-ն գնահատում է, որ մարդու կողմից գրված որակյալ հանրային տեքստերի արդյունավետ պաշարը կազմում է մոտ 300 տրիլիոն թոքեն և կարող է ամբողջությամբ սպառվել 2026-2032 թվականների ընթացքում: Ավելի ագրեսիվ ենթադրությունների դեպքում այդ ժամկետը կարող է կրճատվել մինչև 2027 թվականը: Համացանցում նոր տեքստեր շարունակում են հայտնվել, սակայն դրանց աճի տեմպը շատ ավելի դանդաղ է, քան AI-ի ուսուցման տվյալների բազաների ընդլայնումը:siliconcanals+3
Գրքեր, դատական հայցեր և աճող ծախսեր
Մասնավոր տվյալների համար պայքարը հետևում է այն հակասություններին, թե ինչպես են AI ընկերությունները ձեռք բերել ուսումնական նյութեր: Anthropic-ի ներքին "Project Panama" նախաձեռնությունը ներառում էր հեղինակային իրավունքով պաշտպանված գրքերի գնում, սկանավորման համար դրանց կազմերի հեռացում և հետագայում ֆիզիկական օրինակների ոչնչացում: Սան Ֆրանցիսկոյի դաշնային դատավորը հուլիսին հաստատել է 1.5 միլիարդ դոլարի կոլեկտիվ հայց՝ կապված այդ ծրագրի հետ: Ինչպես հաղորդում է The Washington Post-ը, ներքին պլանավորման փաստաթղթում այդ ջանքերը նկարագրվել են որպես "աշխարհի բոլոր գրքերը դեստրուկտիվ կերպով սկանավորելու" փորձ:reuters+1
Քանի որ կորպորատիվ տվյալների բազաների ապանույնականացումը դառնում է հիմնական մարտահրավեր, տվյալների մշակման Integral ընկերության գործադիր տնօրեն Շուբ Սինհան ասել է, որ իր ընկերությունը անցկացնում է "խիստ անանունացման գործընթաց՝ տվյալների արժեքը պահպանելու և գաղտնիության կանոնակարգերին համապատասխանելու համար": Մասնավոր տեքստերի ընդլայնվող շուկան ազդարարում է, որ ուսուցման ծախսերը, որոնք նախկինում գերակշռում էին հաշվողական հզորություններով, AI մշակողների համար դառնում են ավելի ու ավելի էական ծախսային կետ:news.sbs
Աղբյուրներ (18)
- 1 Tech Giants Buy Corporate Chat and Email Data as Public Internet Data Runs Dry news.sbs.co.kr
- 2 Epoch AI estimates that frontier models could fully use up the available stock of useful public human-written text sometime between 2026 and 2032. After that, developers may increasingly turn to priva siliconcanals.com
- 3 Will we run out of data? Limits of LLM scaling based on ... arxiv.org
- 4 Epoch AI's Post www.linkedin.com
- 5 What Happens When Models Run Out of Data? www.vastdata.com
- 6 US judge approves Anthropic's $1.5 billion settlement of copyright ... www.reuters.com
- 7 Inside an AI start-up's plan to scan and dispose of millions of books www.washingtonpost.com
- 8 From Bookshelf to Shredder: AI’s Race for Training Data Is Responsible for Destroying Rare and Antique Books www.barchart.com
- 9 Be Careful What You Tell Your AI Chatbot | Stanford HAI hai.stanford.edu
- 10 Anthropic ripped up millions of books to train AI - Tech Brew www.techbrew.com
- 11 10 Best AI Training Data Providers in 2026 labelyourdata.com
- 12 Anthropic's "Project Panama" reportedly involved purchasing ... www.instagram.com
- 13 AI 'gold rush' for chatbot training data could run out of ... www.pbs.org
- 14 The 2026 AI Data Safety Strategy Every Small Business Needs www.youtube.com
- 15 How to use AI for your email campaigns in 2026 - YouTube www.youtube.com
- 16 Will we run out of ML data? Projecting dataset size trends epoch.ai
- 17 Best Enterprise AI Training Companies in 2026: Top 8 Ranked www.correlation-one.com
- 18 What is going on with Anthropic and destroying books in the ... - Reddit www.reddit.com
