Fatto sottovalutato sui dati dell'AI di frontiera: I progetti di Scale AI genereranno $2 miliardi di fatturato nel 2025. Aggiungendo Surge, Mercor e altri, la spesa totale per i dati raggiunge circa $3,5 miliardi: per lo più per modelli di ragionamento. Ma l'AI multimodale? Aspettati che sia 10 volte più grande. Guidata da video, audio e oltre.

I contenuti del nostro amico @NiphermeDave sono sempre fantastici 🗣️ dai un'occhiata

A volte hai semplicemente "una di QUELLE" settimane.... Grato per la comunità ORO. Per chiunque abbia concluso una settimana difficile, tieni alta la testa! È solo l'inizio. Goditi la tua domenica.

Molte persone ci hanno chiesto... cosa alimenta i miei dati? In ORO, aiutiamo a potenziare modelli di intelligenza artificiale multimodali in modo ampio. Ragionamento, Voce, Video e presto... altri settori 👀 Perché Multimodale? Perché è lo spazio che i player centralizzati non possono e non vorranno attaccare. Il mondo del video, dell'audio, dei dati a lungo termine provenienti da dispositivi indossabili... solo una piattaforma come la nostra può aggregarli. E siamo gli unici a lavorare con i laboratori leader. Vantaggio del primo arrivato in atto.

Un altro post nella nostra serie di testi... $META nel 2024: Se provassi ad aggregare tutti i dati audio di alta qualità del mondo, otterresti 3.000 ore. Abbiamo bisogno di MILIONI. Chi sa realmente come aggregare questi dati su larga scala? Per filtrare milioni di ore e ottenere 10.000 ore realmente utilizzabili per addestrare la prossima generazione di modelli? ORO. È tutto qui.

Diremo semplicemente che... La maggior parte dei fornitori di dati AI non sta realmente aggregando dati utili. Non hanno veri ricercatori nei laboratori leader che si formano sui loro dati. Impara a separare il segnale dal rumore. Proprio come facciamo noi con i nostri dati audio!

Perché i fornitori di dati seri sono ossessionati dall'infrastruttura? 🤔 Perché i grandi dati per l'IA richiedono due cose: 1️⃣ raccolta su scala globale 2️⃣ verifica della qualità autonoma Il punto #1 ha bisogno di decentralizzazione. Il punto #2 dipende da un'infrastruttura potente. Siamo l'unica piattaforma testata in battaglia su entrambi i fronti: raccogliendo dati privati di video, audio e indossabili su larga scala con i migliori laboratori multimodali che li utilizzano.

Qualche settimana fa, abbiamo condiviso un'anteprima della nostra infrastruttura dati AI. Oggi, alimenta i principali laboratori AI multimodali con pipeline estensibili: – sintesi dati scalabile – annotazione con modello in loop – ricerca granulare e personalizzabile Prima di noi: strumenti interni fragili o fornitori legacy lenti. Ora: infrastruttura progettata appositamente per l'AI su larga scala.

La maggior parte dei modelli oggi è addestrata su dati web estratti... Ma non è da lì che arriveranno i prossimi salti di prestazione. Il livello non sfruttato? Note vocali, flussi indossabili, ricevute, calendari, diagnosi. Strutturati, autorizzati e ricchi di contesto reale.

Il prossimo grande passo avanti per i LLM non arriverà da modifiche ai modelli. Arriverà dal calcolo in tempo di test su dati reali: 🔸 contesto dinamico 🔸 attribuzione a livello di sorgente 🔸 input in tempo reale da dispositivi e registri Stiamo creando il ponte tra modelli passivi e intelligenza interattiva 🤝