- Dữ liệu trực tuyến đóng vai trò quan trọng trong việc phát triển trí tuệ nhân tạo (AI). Các mô hình AI trở nên chính xác và giống con người hơn khi được cung cấp nhiều dữ liệu hơn.
- Một số mô hình ngôn ngữ lớn như GPT-3 của OpenAI được huấn luyện trên hàng trăm tỷ "token" (từ hoặc mảnh từ). Các mô hình gần đây được huấn luyện trên hơn 3 nghìn tỷ token.
- Các công ty công nghệ đang sử dụng hết dữ liệu trực tuyến công khai để phát triển mô hình AI nhanh hơn tốc độ sản xuất dữ liệu mới. Dự đoán dữ liệu kỹ thuật số chất lượng cao sẽ cạn kiệt vào năm 2026.
- OpenAI, Google và Meta đang tìm cách thu thập thêm dữ liệu bằng các công cụ mới, thay đổi điều khoản dịch vụ và tranh luận nội bộ.
- OpenAI tạo chương trình chuyển âm thanh video YouTube thành văn bản để cung cấp cho mô hình AI. Google sử dụng dữ liệu YouTube trong vùng xám về bản quyền. Meta cân nhắc mua nhà xuất bản lớn và sử dụng tác phẩm có bản quyền cho AI.
- Các công ty đang khám phá sử dụng AI để tạo ra "dữ liệu tổng hợp" làm dữ liệu huấn luyện. Tuy nhiên, điều này có rủi ro vì mô hình AI có thể mắc lỗi.
📌 Cuộc đua thu thập dữ liệu trực tuyến cho phát triển AI đang diễn ra gay gắt giữa các công ty công nghệ lớn như OpenAI, Google, Meta. Họ đang tìm mọi cách để có thêm dữ liệu, kể cả đi vào vùng xám về bản quyền và cân nhắc tạo dữ liệu tổng hợp bằng chính AI. Dự báo dữ liệu chất lượng cao sẽ cạn kiệt vào 2026.
https://www.nytimes.com/2024/04/06/technology/ai-data-tech-takeaways.html