ความเห็นและบทวิเคราะห์

หลุมดำข้อมูลของศูนย์กลาง AI

หัวข้อต้นฉบับ:The data black hole at the center of AI

สรุปโดย AI

คำจำกัดความหนึ่งของความฉลาดคือประสิทธิภาพของตัวอย่าง แต่ความก้าวหน้าของ AI ในช่วงไม่กี่ปีที่ผ่านมาอาศัยการขยายการกระจายข้อมูลและเพิ่มพลังประมวลผลเป็นหลัก การเรียนรู้แบบเสริมกำลังโดยพื้นฐานคือการสร้างข้อมูลสังเคราะห์ — ลงทุนพลังประมวลผลจำนวนมากเพื่อคัดกรองข้อมูล "ดี" ผ่านตัวตรวจสอบ แล้วฝึกโมเดลให้ทำนายผลลัพธ์ที่ถูกต้อง กระบวนการนี้ต้องใช้ตัวอย่างจากผู้เชี่ยวชาญมนุษย์จำนวนมหาศาลในทุกสาขาและทักษะ อุตสาหกรรมข้อมูลมีรายได้ต่อปีหลายพันล้านดอลลาร์แล้ว เมื่อเร็วๆ นี้ Epoch รายงานว่าโมเดลโอเพนซอร์สตามหลังโมเดลปิดแนวหน้าพียง 4 เดือน สาเหตุคือข้อมูลสามารถกลั่นจาก API สาธารณะได้ ขณะที่ไฮเปอร์พารามิเตอร์เป็นต้นนั้นคัดลอกได้ยาก มนุษย์สัมผัสโทเคนประมาณ 200 ล้านตลอดชีวิต ขณะที่การฝึกโมเดลแนวหน้าอยู่ระหว่างหลายสิบถึงหลายร้อย T โทเคน ต่างกันเกือบล้านเท่า — หุ่นยนต์ ขับขี่อัตโนมัติ และสาขาอื่นๆ ก็มีช่องว่างประสิทธิภาพมหาศาลเช่นกัน

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Dwarkesh Patel:Podcast & Blog(RSS)
หมวดหมู่
ความเห็นและบทวิเคราะห์
คะแนน AI
60
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

Dwarkesh 把 AI 的‘笨’归因于数据效率远低于人类,计算虽简但直指要害,他给出的一个逆向洞察是开源模型四个月追上闭源,正是数据驱动进步的最好证据。

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: หลุมดำข้อมูลของศูนย์กลาง AI 20 มิถุนายน 2026 https://new.nat6.net/th/news/cmql6vhtu01n0slluxpq3yvzh/

ดูทั้งหมด →