Průběh umělé inteligence zpomaluje kvůli nadbytku zbytečných dat – je jich příliš mnoho

Klíčový závěr: aby se přecházelo od ChatGPT k „živým“ robotům, potřeba nejsou jen velké datové sady, ale kvalitní a relevantní informace.

Fortune zdůrazňuje, že průmysl umělé inteligence stojí na prahu nové éry – fyzického rozumu a modelů okolního světa. Takové systémy musí být schopny se orientovat ve skutečném prostoru: chovat se po silnici, skládat prádlo nebo pomáhat při složitých chirurgických zákrocích. K tomu potřebují nejen „načtené“ data, ale bohaté, mnohostranné soubory informací.

Proč je kvalita dat kritická
1. Přebytek a zbytečnost

V době vzrušení kolem AI se objevilo mnoho startupů (Scale AI, Surge AI, Mercor), které usilují o shromáždění co největšího množství dat. To vede k akumulaci obrovského objemu „prázdných“ souborů, které nepřispívají k tréninku modelů. Pokud výzkumníci nebudou schopni je filtrovat, potenciál fyzické AI zůstane nedostatečně využitý.

2. Složitost vícerozměrných úloh

Porozumění složitému světu vyžaduje ještě větší objemy dat, ale jsou extrémně obtížně dostupná. Proto se inženýři uchylují k modelování: vytvářejí virtuální rekonstrukce reálných scénářů, aby generovali tréninkové příklady pro roboty a autonomní dopravní prostředky.

3. Rizika nízkokvalitních sad

Nekvalitní data mohou vést k nepředvídatelným výsledkům. Příkladem je ukončení podpory OpenAI videopřиложения Sora: model nedokázal zvládnout fyziku, což bránilo realistickým předpovědím.

Jak řešit problém
- Čisticí nástroje

Specialisté na strojové učení potřebují technologie, které automaticky odstraňují přebytečná data, analyzují, normalizují a upravují sady. To umožní vyzdvihnout hodnotné informace z „šumu“.

- Zaměření na kvalitu

V současnosti je omezujícím faktorem nedostatek kvalitních dat. Firmy, které to první pochopí a začnou investovat do jejich sběru a zpracování, budou lídry při vytváření skutečně fungujících AI‑systémů.

Tedy přechod od textových modelů k robotům schopným jednat ve skutečném světě je nemožný bez systematického přístupu ke kvalitě tréninkových dat. Fortune zdůrazňuje, že právě tento faktor bude rozhodující pro budoucnost fyzického rozumu.