Kunstmatige intelligentie zal AI niet snel trainen, zegt de CEO van een datalabel-startup.
In een aflevering van de podcast “20VC” die vorige week werd uitgebracht, zei Matt Fitzpatrick, de CEO van Onzichtbare technologieën, zei dat een van de grootste misvattingen in de AI-trainingsindustrie is dat mensen over een paar jaar niet meer nodig zullen zijn.
“Toen ik voor het eerst met deze baan begon, was de belangrijkste tegenprestatie die ik altijd kreeg dat synthetische data het over zullen nemen en dat je over twee tot drie jaar gewoon geen menselijke feedback meer nodig hebt”, zegt Fitzpatrick, die vorig jaar bij de startup kwam. “Vanuit de eerste principes is dat eigenlijk niet zo logisch.”
Synthetische data verwijst naar gegevens die kunstmatig zijn gecreëerd. Het wordt gebruikt voor het trainen van AI- of machine learning-modellen, meestal daar waar echte gegevens schaars zijn of niet kunnen worden gebruikt vanwege privacyoverwegingen. Menselijke feedback daarentegen vraagt echte mensen om AI-reacties te filteren, rangschikken en trainen.
Op de podcast zei Fitzpatrick dat er te veel soorten taken zijn die AI in de wereld kan uitvoeren, en dat het lang zou duren om ze nauwkeurig uit te voeren met de taal en culturele context in gedachten. De juridische sector bevat bijvoorbeeld enorme hoeveelheden niet-openbare informatie.
“Aan de GenAI-kant heb je de komende decennia mensen nodig”, zei hij. “En ik denk dat dat iets is dat de meeste mensen zich beginnen te realiseren.”
Fitzpatrick was voorheen een seniorpartner bij McKinseywaar hij leiding gaf aan QuantumBlack Labs, de AI-onderzoeks- en softwareontwikkelingsafdeling van het bedrijf.
Invisible, dat in september 100 miljoen dollar ophaalde met een waardering van $2 miljard, concurreert met datalabelbedrijven zoals Scale AI en Surge AI. Deze startups hebben het afgelopen jaar miljarden opgehaald terwijl technologiegiganten racen om de gegevens veilig te stellen die nodig zijn om hun AI-modellen te trainen. Ze huren miljoenen menselijke aannemers in, die helpen de modellen wiskunde, wetenschap, coderen en kenmerken zoals humor en empathie te onderwijzen.
Fitzpatrick sluit zich aan bij de CEO’s van andere startups op het gebied van datalabeling en zegt dat de industrie menselijke inspanningen zal blijven vergen.
In september heeft de CEO van Mercor, Brendan Foodyzei dat het belangrijkste aspect van het bedrijf de datakwaliteit was en “fenomenale mensen hebben die je ongelooflijk goed behandelt.”
In juli heeft de CEO van Handshakeeen banenplatform dat vorig jaar de nadruk legde op AI-training, zei dat er nog steeds mensen nodig zullen zijn om AI te trainen, maar wie de snit maakt, verandert.
Garrett Lord zei dat de data-annotatie-industrie verschuift van het vereisen van generalisten naar zeer gespecialiseerde experts, inclusief in wiskunde en wetenschappen.
“Nu hebben deze modellen het hele internetcorpus en elk boek en elke video opgezogen”, zei Lord op een podcast. “Ze zijn goed genoeg geworden waar generalisten niet langer nodig zijn.”
