📰 重點摘要

冷戰思維與晶格塔的意象很有趣,但這是內容轉譯任務,直接產出即可。

近期物理AI領域出現一批新創公司,押注下一個真正瓶頸不是模型架構,而是真實世界物理訓練資料的稀缺。位於加州San Leandro的Encord便是其一,該公司原本專注機器視覺應用的資料標註與模型評估工具,近期轉型自行「製造」機器人訓練資料,而非僅協助客戶管理既有資料。Encord稱其機器人訓練員為「pilot」,其中一人Andrew Ceja配戴含攝影機的頭戴裝置拆解積木塔,同時記錄其視角畫面,這是蒐集機器人訓練資料的常見作法。特別的是,這款頭戴裝置還內建感測器量測腦波,由德國神經科學新創Zander Labs打造,目的是透過偵測「錯誤、意圖、驚訝」等心理狀態,建立更有價值的訓練資料集。目前雙方合作仍處於試驗階段,Encord計畫先建立腦波標記資料集,套用到客戶的機器人模型上測試成效,再評估是否擴大規模。Zander神經科學家Lucas Gehrke指出,任務執行過程中腦部活動量的變化,可作為模型開發者判斷何時該啟用「高算力模式」的線索。Encord機器人學習部門主管、前OpenAI機器人實驗室及Berkshire Grey出身的Vineeth Velmurugan表示,這是解決機器人資料瓶頸的「最前沿」嘗試,他透露光靠影片訓練缺乏真實世界資料的精確度,估計需要約五倍於YouTube影片總量規模的資料集才能突破現有瓶頸,這也是資料生成本身逐漸發展成獨立商業模式,而非單純研究課題的原因。

💬 JudyAI Lab 觀點

近期物理AI領域出現一波新創,押注下一個真正瓶頸不是模型架構,而是真實世界物理訓練資料的稀缺。這類趨勢值得AI builder留意。

加州新創Encord原本專注機器視覺資料標註與模型評估工具,近期轉型自行「製造」機器人訓練資料。其訓練員配戴含攝影機的頭戴裝置拆解積木塔以記錄第一人稱視角畫面,特別的是這款裝置還內建感測器量測腦波,由德國新創Zander Labs打造,目的是偵測「錯誤、意圖、驚訝」等心理狀態以建立更有價值的資料集。Encord機器人學習部門主管Vineeth Velmurugan透露,光靠影片訓練缺乏真實世界資料的精確度,估計需要約5倍於YouTube影片總量的資料集才能突破瓶頸。這反映出資料生成本身正逐漸發展成獨立商業模式,而非單純研究課題。

當「資料」比「模型架構」更稀缺,builder不妨重新盤點:手上的訓練資料是否足夠貼近真實世界場景。

📅 原文資訊

🔗 延伸閱讀