Недооцінений факт про передові дані штучного інтелекту: Scale AI прогнозує дохід у розмірі $2 млрд у 2025 році. Додайте до цього Surge, Mercor та інші, і загальні витрати на дані сягнуть близько $3,5 млрд: в основному на моделі міркувань. Але мультимодальний штучний інтелект? Очікуйте, що він буде в 10 разів більшим. Керується відео, аудіо та не тільки.

Контент нашого хлопця @NiphermeDave завжди ляпає, 🗣️ перевірте це

Іноді у вас просто є «один з цих» тижнів.... Вдячний за спільноту ОРО. Усім, хто закінчив важкий тиждень, тримайте голову піднятою! Це лише початок. Насолоджуйтесь своєю неділею

Багато людей запитували нас... На що розраховані мої дані? У ORO ми допомагаємо широко використовувати мультимодальні моделі штучного інтелекту. Міркування, голос, відео, і незабаром... Інші вертикалі 👀 Чому мультимодальний? Тому що це простір, який централізовані гравці не можуть і не хочуть атакувати. Світ відео, аудіо, довгих даних з носимих пристроїв.... Тільки така платформа, як ми, може його агрегувати. І ми єдині, хто співпрацює з провідними лабораторіями. Перевага першопрохідця в ефекті.

Ще один пост із нашої текстової серії... $META у 2024 році: якби ви спробували зібрати всі високоякісні аудіодані світу, ви отримали б 3 000 годин. Нам потрібні МІЛЬЙОНИ. Хто насправді знає, як агрегувати ці дані в масштабі? Відфільтрувати мільйони годин, щоб отримати 10 000 реально корисних годин для навчання наступного покоління моделей? ОРО. Ось і все.

Ми просто вийдемо і скажемо це... Більшість постачальників даних зі штучним інтелектом насправді не агрегують корисні дані. У них немає справжніх дослідників у провідних лабораторіях, які б навчалися на їхніх даних. Навчіться відокремлювати сигнал від шуму. Як і ми з нашими аудіоданими!

Чому серйозні постачальники даних зациклюються на інфраструктурі? 🤔 Тому що для створення чудових даних зі штучним інтелектом потрібні дві речі: 1️⃣ Колекція світового масштабу 2️⃣ автономна перевірка якості #1 потребує децентралізації. #2 залежить від потужної інфраструктури. Ми єдина платформа, яка пройшла випробування в боях на обох платформах — збирає приватне відео, аудіо та дані про носимі пристрої в масштабі за допомогою найкращих мультимодальних лабораторій, які використовують їх.

Кілька тижнів тому ми поділилися поглядом на нашу інфраструктуру даних штучного інтелекту. Сьогодні вона забезпечує роботу провідних мультимодальних лабораторій штучного інтелекту з розширюваними конвеєрами: – масштабований синтез даних – анотація моделі в циклі – детальний, настроюваний пошук Перед нами: крихкі внутрішні інструменти або повільні застарілі постачальники. Тепер: інфрачервона, спеціально створена для масштабного штучного інтелекту.

Більшість моделей сьогодні тренуються на скраплених веб-даних... Але не звідси прийдуть наступні стрибки продуктивності. Невикористаний шар? Голосові нотатки, носимі потоки, чеки, календарі, діагностика. Структурований, дозволений і насичений реальним контекстом.

Наступний прорив у LLM станеться не від коригування моделі. Це буде виходити з обчислень під час тестування на реальних даних: 🔸 Динамічний контекст 🔸 Атрибуція на рівні джерела 🔸 Живі дані з пристроїв і журналів Ми створюємо міст між пасивними моделями та інтерактивним інтелектом 🤝