Eğer a16z, yc veya sequoia olsaydım, gerçek dünya verilerini toplamak ve açıklamak için yeni yollar geliştiren girişimlere agresif bir şekilde yatırım yapardım. > Milyarlarca saatlik sürüş verisi > Fabrika işçilerinin beyaz eşyalar ve ağır makinelerle etkileşimi > Derin diyalektik ve kültürel anlayışla ses segmentasyonu > Islak laboratuvar deneysel verileri > Ajan izlerinin hesaplama ölçeğinde sürekli toplanması ve notlanması LLM'ler kurduğumuzda, verilerin çoğu zaten internette mevcuttu. Sadece kazımamız, temizlememiz ve ölçeklendirmemiz gerekiyordu. Ancak dünya temel modellerine doğru ilerlerken, dar boğaz yüksek kaliteli, gerçek dünyadan, iyi açıklamalı verilerdir. Ve annotasyon kalitesi önemlidir. Bunlar arasında büyük bir fark var: "Ağaçta elma" ve "Ağaçta olgun elmalar. Rüzgar saatte 2 mil hızla esiyor. Sıcaklık yaklaşık 18°C'dir. ” Soru basit. Dünyanın ne kadarını gerçekten yakalayabilirsiniz? Bugün LLM'ler, elmaların yerçekiminden kaynaklandığını biliyor; nedenselliği anladıkları için değil, dil korelasyonlarını çok iyi anladıkları için. Nedensel yapıyı anlamak ise sırada gelir. O geleceğe doğru ilerleseydim, veri toplamayı Hindistan ve diğer Güney ve Güneydoğu Asya bölgelerinde desteklerdim. Donanım dağıtır, binlerce saatlik insan aktivite verisi, sağlık sinyalleri ve hayati veriler toplar, sürekli olarak annotasyon hatları çalıştırırdım. Gündüz gece. Ben a16z olsaydım, kuruculara bunu yapmaları için fon verirdim. Belki de kendim yapma isteğim var.