je ne pouvais pas comprendre pourquoi zuck a payé 15 milliards de dollars pour acquérir 15 employés de scaleAI (entreprise de données)
donc j'ai plongé en profondeur et je pense que j'ai compris :
Nous ne manquons pas de données. En fait, c'est l'inverse.
une seule voiture autonome produit 2 To (c'est 800 000 livres) de données PAR HEURE.
le problème est que les données sont en désordre, il n'est pas facile de les introduire dans un LLM pour l'entraîner, donc elles finissent simplement dans un cimetière de données pour que quelqu'un d'autre les résolve ( personne ne le fait ).
Pénurie sévère de bons ingénieurs en données
Ce cimetière que j'ai mentionné ci-dessus est en fait une mine d'or si vous pouvez le trier.
le problème est que très peu de gens ont les cerveaux ou le temps. Je suppose que c'est pourquoi zuck a payé 15 milliards de dollars pour les employés de scaleAI
Des données de meilleure qualité valent beaucoup plus que la "quantité" de données.
Surtout pour les modèles post-formation (eg temps de calcul de test).
cela nécessite également moins de calcul, ce qui réduit le coût de l'entraînement des modèles.
donc si votre équipe de formation peut 1. Trier des données de haute qualité 2. Les injecter dans le post-formation et 3. Réduire les coûts - vous allez gagner la course à l'IA (priceless).
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
je ne pouvais pas comprendre pourquoi zuck a payé 15 milliards de dollars pour acquérir 15 employés de scaleAI (entreprise de données)
donc j'ai plongé en profondeur et je pense que j'ai compris :
Nous ne manquons pas de données. En fait, c'est l'inverse.
une seule voiture autonome produit 2 To (c'est 800 000 livres) de données PAR HEURE.
le problème est que les données sont en désordre, il n'est pas facile de les introduire dans un LLM pour l'entraîner, donc elles finissent simplement dans un cimetière de données pour que quelqu'un d'autre les résolve ( personne ne le fait ).
Pénurie sévère de bons ingénieurs en données
Ce cimetière que j'ai mentionné ci-dessus est en fait une mine d'or si vous pouvez le trier.
le problème est que très peu de gens ont les cerveaux ou le temps. Je suppose que c'est pourquoi zuck a payé 15 milliards de dollars pour les employés de scaleAI
Des données de meilleure qualité valent beaucoup plus que la "quantité" de données.
Surtout pour les modèles post-formation (eg temps de calcul de test).
cela nécessite également moins de calcul, ce qui réduit le coût de l'entraînement des modèles.
donc si votre équipe de formation peut 1. Trier des données de haute qualité 2. Les injecter dans le post-formation et 3. Réduire les coûts - vous allez gagner la course à l'IA (priceless).