Äskettäin katsoin vakavasti @JoinSapien, ja rehellisesti sanottuna silmäni syttyivät. Kyse ei ole siitä, että sillä olisi hienoja malleja, vaan siitä, että se suhtautuu vakavasti "datan laatuun". Näet, että tekoälyprojekteja on nyt kaikkialla, ja demot laskentatehosta, päättelynopeudesta ja taistelusta ovat häikäisevämpiä, mutta paikkoihin, joihin sinun pitäisi todella käyttää ponnistelusi, kosketaan harvoin. 👉 Ovatko kouluttamasi tekoälyn taustalla olevat tiedot puhtaita? Onko merkki tarkka? Ovatko lähteet riittävän laajoja? 🔹 Monet projektit alkavat tunteesta "tee se ensin". 🔹 Tämän seurauksena, kun jotain tapahtui, menin takaisin keksimään tiedot, korjasin etiketin, koulutin mallin uudelleen ja poltin rahaa korvatakseni potin...... 🔹 Suoraan sanottuna: data ei ole hyvää, ja malli on turha. Otetaan analogia: 🔹 Riippumatta siitä, kuinka älykäs olet, mitä voit oppia ymmärtämään lukemalla kirjoitusvirheitä ja sotkuisia oppikirjoja joka päivä? 🔹Sama pätee tekoälyyn, GPU:ta ei mene hukkaan, jos tiedot menevät sekaisin. 🔹 Rahoituksen tai terveydenhuollon kaltaisella alalla yksittäinen virhe mallissa voi olla katastrofaalinen. 🔹 Varsinkin petosten tunnistamisessa väärät tiedot = joukko vääriä hälytyksiä, minkä seurauksena käyttäjä ei luota järjestelmään ollenkaan. Joten mielestäni Sapien on fiksu siinä: 🔹 Tietolähteet korostavat monimuotoisuutta, eivät vain yhden tyyppistä sisältöä (tämä on erittäin tärkeää malliharhan välttämiseksi) 🔹 Kirjoita selkeästi merkintäsäännöt (mikä on "auto"?) Kantotuoli? Roadster? Bussi? Tee se selväksi, jotta se ei ole sotkuinen) 🔹 Joku arvosteli! Kyse ei ole siitä, että kone on valmis merkillä, joten virheprosentti nousee suoraan Sanalla sanoen se voidaan tiivistää seuraavasti: He käsittelevät kysymystä "kuinka inhimillinen tieto siirretään tekoälyyn" vakavana järjestelmänä. Katsoin projektikierroksen ja puhuin paljon siitä, kuinka nopea GPU on ja kuinka häikäisevä malli on. Mutta ei todellakaan puhuta paljon siitä, "miten tieto tehdään oikein ja hienosti". Jos nyt haluat tehdä tekoälyä vakavasti, sinun on ensin luotava hyvä "tietoperusta". Vai sitten vain syötät tekoälyn pikaruokaa ja odotat sen olevan tiedemies? Lopeta tuo. Joten nyt alan ajatella, että Sapienin kaltaisten projektien kanssa, Se voi olla sellainen Web3-tekoäly, johon pitäisi todella keskittyä: Se ei ole sellainen, joka sopii lyhytaikaiseen airdropiin, vaan sellaista, joka rakentaa tekoälyn ominaisuuksia "todellisen datan" ja "inhimillisen kokemuksen" pohjalta askel askeleelta. Henkilökohtaisesti kannatan tätä reittiä, tekoäly haluaa olla luotettava ja hallita ensin dataa. Älä anna mallin tehdä vääriä asioita nopeasti ja tarkasti. 😅 #Sapien #SNAPS #COOKIE #Sapien大使 #Web3AI #CookieDotFun #JoinSapien #Spark #CookieDAO #Spark