„OpenAI“ ir „Anthropic“ perka įmonių susirašinėjimus dirbtinio intelekto mokymui

Dirbtinio intelekto kūrėjai, įskaitant „OpenAI“ ir „Anthropic“, vis dažniau perka vidinius įmonių duomenis – darbuotojų susirašinėjimus, el. laiškus, vaizdo konferencijų įrašus ir kodo pakeitimų istorijas – nes viešai prieinamų interneto tekstų atsargos sparčiai senka. Tai teigiama rugpjūčio 13 d. „The Information“ paskelbtoje ataskaitoje, kurioje remiamasi maždaug 20 šaltinių, įskaitant startuolių įkūrėjus ir duomenų pramonės atstovus.news.sbs

Auganti įmonių duomenų rinka

Įmonių komunikacijos duomenų paklausa per pastaruosius kelis mėnesius išaugo dėl lenktynių kuriant DI agentus, gebančius atlikti realias užduotis, pavyzdžiui, klientų aptarnavimą ar sąskaitų faktūrų tikrinimą. Duomenų tarpininkavimo startuolio „Protege“ generalinis direktorius Bobby Samuelsas „The Information“ sakė, kad jo įmonės bendras sandorių tūris šiemet išaugo nuo 30 mln. dolerių pernai iki bent 100 mln. dolerių.news.sbs

Duomenų pirkėjai daugiausia taikosi į startuolius, kuriems gresia bankrotas arba perėmimas. „Warmly“, DI agentų startuolis, kurį neseniai įsigijo „HubSpot“ ↘ 6.81%, pranešama, kad po įsigijimo sutarties pasirašymo gavo keturis atskirus pasiūlymus iki 300 000 dolerių už vidinius susitikimų protokolus ir el. laiškus, tačiau visų jų atsisakė. Gyvų žmonių sąveikų įrašai – programuotojai, sprendžiantys problemas el. paštu, finansų direktoriai, aptariantys veiklos rezultatus, programinės įrangos demonstravimo vaizdo įrašai – laikomi esmine mokymo medžiaga naujos kartos DI sistemoms.news.sbs

Artėjanti duomenų riba

Šis pirkimo bumas atspindi struktūrinį apribojimą. „Epoch AI“ skaičiuoja, kad kokybiškų viešų žmonių parašytų tekstų atsargos sudaro apie 300 trilijonų žetonų ir gali būti visiškai išnaudotos pažangiausių modelių tarp 2026 ir 2032 metų. Esant agresyvesnėms mokymo prielaidoms, šis terminas gali sutrumpėti iki 2027 metų. Nauji žmonių tekstai internete nuolat atsiranda, tačiau jų augimo tempas yra gerokai lėtesnis nei DI mokymo duomenų rinkinių plėtra.siliconcanals+3

Knygos, ieškiniai ir kylančios sąnaudos

Kova dėl privačių duomenų vyksta po prieštaringai vertinamo laikotarpio, kai buvo diskutuojama, kaip DI įmonės gauna mokymo medžiagą. „Anthropic“ vidinė iniciatyva „Project Panama“ apėmė autorių teisių saugomų knygų pirkimą, jų įrišimų nupjovimą skenavimui ir fizinių kopijų sunaikinimą. Federalinis teisėjas San Fransiske liepos mėnesį patvirtino 1,5 mlrd. dolerių vertės kolektyvinį susitarimą dėl šios programos. Kaip pranešė „The Washington Post“, neviešintame vidiniame planavimo dokumente ši veikla apibūdinta kaip bandymas „destruktyviai nuskenuoti visas pasaulio knygas“.reuters+1

Kadangi įmonių duomenų rinkinių nuasmeninimas tampa dideliu iššūkiu, duomenų apdorojimo įmonės „Integral“ generalinis direktorius Shubas Sinha teigė, kad jo įmonė vykdo „griežtą anonimizavimo procesą, kad išlaikytų duomenų vertę ir kartu laikytųsi privatumo reglamentų“. Plečiantis privačių tekstų rinka rodo, kad mokymo sąnaudos, kuriose anksčiau dominavo skaičiavimo galia, tampa vis svarbesne DI kūrėjų išlaidų eilute.news.sbs