В течение долгого времени ключевым фактором развития искусственного интеллекта был принцип, согласно которому чем больше данных, тем умнее становится модель. Компании, такие как OpenAI и другие лидеры отрасли, обучали свои системы на огромных объёмах информации из интернета, и это приводило к впечатляющим результатам.

Однако в настоящее время индустрия столкнулась с неожиданным препятствием: данные есть, но их качество уже не позволяет моделям значительно улучшать свои способности.

Как отмечает Fortune, прежняя концепция, согласно которой чем больше данных, тем лучше результат, начинает давать сбои. Сегодня основная опасность заключается в быстром увеличении количества так называемых «бесполезных данных». Это информация, которая не только не улучшает работу искусственного интеллекта, но и может привести к ухудшению его работы, появлению ошибок и искажений. Производство таких данных становится всё проще и дешевле, поэтому интернет буквально переполнен ими.

Данный вопрос уже не является чисто теоретическим, он стал вполне практическим. В некоторых проектах наблюдается ситуация, когда дальнейшее обучение на больших, но не очень качественных данных не приводит к улучшению точности или даже ухудшает качество модели. Особенно ярко это проявляется в задачах, где требуется глубокое понимание физических законов, причинно-следственных связей и реального мира.

Дальнейшее развитие искусственного интеллекта будет определяться не столько мощностью вычислительных систем или объёмом моделей, сколько умением компаний находить, обрабатывать и эффективно использовать данные.

В новой реальности преимущество получат те, кто сможет обеспечить высокое качество обучающих наборов данных, разработать эффективные методы фильтрации и контроля информации. В эпоху, когда объём данных растёт, именно их качество становится ключевым фактором в создании действительно интеллектуальных систем.