AI 發(fā)展正面臨著高質量數(shù)據(jù)短缺的問題。近年來，伴隨著大模型技術的快速發(fā)展，機器學習也正從“以模型為中心”轉向“以數(shù)據(jù)為中心”，高質量數(shù)據(jù)可以更好地模擬客觀世界，提升模型的準確性和穩(wěn)定性，但是“到 2026 年，現(xiàn)存的用于 AI 模型訓練的高質量語言數(shù)據(jù)將耗盡”，據(jù)Epoch AI Research研究團隊預測。Gartner 表示，到 2030 年，合成數(shù)據(jù)將成為 AI 模型的主要訓練數(shù)據(jù)來源；2024 年， 60% 的 AI 數(shù)據(jù)將是合成數(shù)據(jù)，被用于模擬、預測場景和降低風險。

據(jù)悉，AIGD平臺是由螞蟻數(shù)科申報的首發(fā)成果，平臺可通過大規(guī)模合成互聯(lián)網(wǎng)所不覆蓋的高質量、高價值垂直語料數(shù)據(jù)，幫助科技廠商進行 AI 模型訓練。據(jù)介紹，AIGD具備 PB 級數(shù)據(jù)生產能力，支持數(shù)據(jù)從生成到訓練全流程自動化處理，自動化率達到 80%，這提高了數(shù)據(jù)處理的效率和質量。此外，平臺自研15 余種數(shù)據(jù)合成工具，目前可以合成圖片、視頻、3D模型、多模態(tài)圖文視頻對、多輪對話、語音信號、心率腦電信號、結構化交易數(shù)據(jù)等多模態(tài)數(shù)據(jù)，以滿足多種應用場景下的 AI 模型訓練需求。

業(yè)內人士普遍認為，“高質量數(shù)據(jù)”是 AI 大模型深入到產業(yè)的重要基礎，沒有好的數(shù)據(jù)做支撐，一切 AI 應用都是空中樓閣。近日，OpenAI員工爆料說，“新模型‘沒有那么大飛躍’”，主要原因之一便是高質量數(shù)據(jù)不足所導致的。今年 9 月份， OpenAI 發(fā)布推理模型o1，帶來了強化學習訓練新范式，通過自博弈強化學習，將合成數(shù)據(jù)的形式訓練給大模型，從而大幅增加大模型邏輯推理能力。

“數(shù)據(jù)合成”是螞蟻數(shù)科 AIGD 平臺的主要功能之一，此外還包括數(shù)據(jù)標注、質檢等能力。在數(shù)據(jù)標注方面，通過人機協(xié)同進行標注，人工智能算法能夠自動識別和預處理大部分基礎信息，預標注模型依賴人工標注量降低了 70%以上。在數(shù)據(jù)質檢方面，平臺會根據(jù)元信息支持不同粒度的數(shù)據(jù)質量統(tǒng)計，最大程度理解數(shù)據(jù)，保證合成及標注后的數(shù)據(jù)符合預期質量要求。

螞蟻數(shù)科今年陸續(xù)迭代發(fā)布了多款 AI 產品，包括大模型安全評測與防御產品“蟻天鑒”、反深偽造產品 ZOLOZ Deeper 等。作為一家面向 ToB 服務的科技公司，螞蟻數(shù)科旗下主要包含“企業(yè)用云服務”“企業(yè)區(qū)塊鏈服務”“企業(yè)AI服務”三大核心業(yè)務，李哲在烏鎮(zhèn)峰會上表示，“我們即將迎來 AI 服務產業(yè)的黃金年代，螞蟻數(shù)科將會堅定在 AI ToB 領域投入，讓 AI 深入千行百業(yè)?！?/p>

xiesc