Die großen KI-Unternehmen verlagern ihren Fokus von kostengünstigen Datenkennzeichnungsarbeitern in Afrika und Asien hin zu qualifizierten, höher bezahlten Fachleuten, um intelligentere Modelle zu trainieren. Diese Verschiebung wird durch die Erkenntnis angetrieben, dass die Verbesserung von KI-Modellen größere Datenmengen und eine schnellere Bearbeitung erfordert. Unternehmen wie Scale AI, Turing und Toloka stellen vermehrt Experten aus verschiedenen Fachbereichen ein, um komplexere Trainingsdatensätze zu erstellen.
Die Entwicklung von „Reasoning“-KI-Systemen hat den Übergang von Niedriglohnarbeitern zu qualifizierten Fachkräften beschleunigt. Diese Systeme, wie OpenAI's o3 und Googles Gemini 2.5, erfordern eine tiefere Datenanalyse und -genauigkeit. Investoren zeigen verstärktes Interesse an Unternehmen, die diesen strategischen Wandel vollziehen, was sich in erheblichen Investitionen widerspiegelt, wie die 15 Milliarden Dollar von Meta in Scale AI.
Die Verlagerung hin zu Experten wird durch die Notwendigkeit getrieben, KI-Modelle mit realen menschlichen Nutzungsdaten zu trainieren, insbesondere bei komplexen Aufgaben. Dies erfordert ein tiefes Verständnis der lokalen Sprachen und kulturellen Nuancen. Trotz der relativ geringen Budgetzuweisung für Daten im Vergleich zu Rechenressourcen, bleibt die Investition in qualitativ hochwertige Daten entscheidend für die Entwicklung fortschrittlicher KI-Systeme.
Der Artikel wurde zusammengestellt aus: https://www.cryptopolitan.com/ai-giants-shift-model-replacing-cheap-labor/
Nellius Irene ist Mitherausgeber der Website zraoxdatenbank.de und verfügt über Fachkompetenz im Bereich Kryptowährungen. Der Mitherausgeber ordnet für Sie die aktuellsten Informationen im Internet, stellt jedoch keine Anlageberatung dar.
