ByteDance-მა AI მონაცემთა უმაღლესი დონის დეპარტამენტი შექმნა: მიზანი 10-ტრილიონიანი მოდელია

ByteDance-მა შექმნა ახალი, პირველი დონის დეპარტამენტი სახელწოდებით „AI Data & Security“ (AI მონაცემები და უსაფრთხოება). ამ ნაბიჯით კომპანია მონაცემთა მართვის მიდგომას ახალ საფეხურზე აიყვანს, რადგან იწყებს მუშაობას მოდელზე, რომელიც მსოფლიოში ერთ-ერთი უდიდესი ხელოვნური ინტელექტის მოდელი იქნება.

PANews-ის თანახმად, ახალი განყოფილება, რომლის შესახებაც ჩინური ტექნოლოგიური გამოცემა 36Kr იტყობინება, ორგანიზაციულად იმავე დონეზეა, როგორზეც ByteDance-ის კვლევითი განყოფილება Seed AI, Flow და Douyin. მას სათავეში ჩაუდგება ადამ ვანგი, რომელიც მანამდე TikTok-ის პლატფორმის პასუხისმგებლობისა და პირდაპირი ტრანსლაციების მიმართულებებს ხელმძღვანელობდა.kucoin

მონაცემთა ნაკადის კონსოლიდაცია

დეპარტამენტის მთავარი მისიაა კროს-მოდალური მონაცემთა სერვისების მიწოდება ByteDance-ის ყველა მსხვილი მოდელისთვის. იგი აერთიანებს Global Data-ს გუნდს (რომელიც 2023 წელს TikTok-ის ერთ-ერთმა დამფუძნებელმა წევრმა, ფუ იუემ შექმნა), კომპანიის მონაცემთა შუამავალ პროგრამულ უზრუნველყოფას DMC-ს და Flow-ს დაქვემდებარებაში არსებულ AI მონაცემთა პლატფორმას. ახალი ერთეული ფარავს მონაცემთა სრულ სასიცოცხლო ციკლს: სტანდარტიზაციიდან და მოპოვებიდან სინთეზამდე, გაწმენდამდე, ხარისხის შეფასებასა და უსაფრთხოების შესაბამისობამდე.kucoin

ანტიდისტილაციური კონტექსტი

ეს რესტრუქტურიზაცია განხორციელდა რამდენიმე დღეში მას შემდეგ, რაც ByteDance-ის დამფუძნებელმა, ჯანგ იმინგმა კომპანიის Seed AI კვლევით გუნდს მოუწოდა, თავი აარიდონ მოდელების გაუმჯობესებას კონკურენტი სისტემების დისტილაციის (მონაცემთა კოპირება ან გადამუშავება) გზით. „ხელოვნური ინტელექტის განვითარება მოითხოვს გრძელვადიან ხედვას და შედეგის მოთმინებით ლოდინს, და არა სხვისი ნამუშევრის გამოყენებას რეიტინგებში მოკლევადიანი წარმატების მისაღწევად“, განაცხადა ჯანგმა ბოლო შიდა შეხვედრაზე, იტყობინება Reuters ჩინურ გამოცემა The Paper-ზე დაყრდნობით.mix929

ჯანგმა თანამშრომლებს განუცხადა, რომ ByteDance მზად უნდა იყოს „დათმოს გარკვეული მოკლევადიანი სარგებელი გრძელვადიანი მიზნებისთვის“ და დასძინა, რომ დისტილაცია ხელს უშლის ნამდვილ გრძელვადიან ტექნოლოგიურ გარღვევებს.mix929

ეს დირექტივა განსაკუთრებულ მნიშვნელობას იძენს ფართო გეოპოლიტიკური გარემოს გათვალისწინებით. Financial Times-ი 7 აგვისტოს წერდა, რომ ByteDance წინასწარ წვრთნის მოდელს, რომელსაც 10 ტრილიონამდე პარამეტრი აქვს და ეფუძნება ექსპერტთა ნაზავის (mixture-of-experts) არქიტექტურას. ამას სჭირდება დაახლოებით 30,000 გრაფიკული პროცესორი (GPU) და სამიდან ექვს თვემდე უწყვეტი წინასწარი წვრთნა. მონაცემთა ახალი განყოფილება, როგორც ჩანს, შექმნილია იმისთვის, რომ უზრუნველყოს ამ პროექტისა და მომავალი ინიციატივების წვრთნის პროცესი სათანადოდ მართული, შიდა წყაროებიდან მიღებული მონაცემებით წარიმართოს, და არა დასავლური სისტემებიდან მოპოვებული ან დისტილირებული მასალებით.wionews

სტრუქტურული სიგნალი

AI მონაცემთა მართვის იმავე დონეზე დაყენებით, რომელზეც მისი ძირითადი AI კვლევებისა და პროდუქტების განყოფილებებია, ByteDance ორგანიზაციულ დონეზე აცხადებს, რომ მონაცემთა წარმომავლობა და შესაბამისობა მეორეხარისხოვანი საკითხი კი არა, არამედ მისი ამბიციური მიზნების წინაპირობაა. ეს ნაბიჯი ასევე ეხმარება კომპანიას დაიცვას თავი ინტელექტუალური საკუთრების არასათანადო გამოყენების მომავალი ბრალდებებისგან იმ ფონზე, როდესაც აშშ-ის ოფიციალური პირები აფრთხილებენ ჩინურ ფირმებს, რომ ამერიკული AI სისტემების დისტილაციაში ეჭვმიტანილი კომპანიების წინააღმდეგ „სანქციები და ე.წ. სუბიექტების სიაში (Entity List) შეყვანა განიხილება“.wionews