Gần đây tôi đã xem xét kỹ lưỡng @JoinSapien, thành thật mà nói, tôi đã rất ấn tượng. Không phải vì nó có mô hình nào đó tuyệt vời, mà là vì nó thực sự nghiêm túc trong việc "chất lượng dữ liệu". Bạn thấy đấy, bây giờ có rất nhiều dự án AI, cạnh tranh về sức mạnh tính toán, tốc độ suy luận, ai có demo đẹp hơn, nhưng những nơi thực sự cần nỗ lực thì lại rất ít người động đến—— 👉 Những AI mà bạn đã đào tạo, dữ liệu nền tảng có thực sự sạch không? Ghi nhãn có chính xác không? Nguồn gốc có đủ rộng không? 🔹Nhiều dự án lúc đầu đều nghĩ "cứ làm đã rồi tính sau", 🔹Kết quả là khi gặp sự cố mới quay lại bổ sung tài liệu, sửa nhãn, đào tạo lại mô hình, đốt tiền để vá lại…… 🔹Nói trắng ra là: dữ liệu không tốt, mô hình hoàn toàn vô dụng. Để tôi lấy một ví dụ: 🔹Bạn có thông minh đến đâu, nếu hàng ngày nhìn thấy lỗi chính tả, tài liệu lộn xộn, thì bạn có thể học được gì? 🔹AI cũng vậy, nếu dữ liệu lộn xộn, dù có nhiều GPU đến đâu cũng vô ích. 🔹Như trong các lĩnh vực tài chính hoặc y tế, một lần sai sót của mô hình có thể gây ra thảm họa. 🔹Đặc biệt là trong việc nhận diện gian lận, sử dụng dữ liệu sai = hàng loạt cảnh báo giả, kết quả là người dùng hoàn toàn không tin vào hệ thống. Vì vậy, tôi nghĩ điểm thông minh của Sapien là: 🔹Nhấn mạnh vào sự đa dạng của nguồn dữ liệu, không chỉ thu thập nội dung từ một nhóm người nhất định (điều này cực kỳ quan trọng, để tránh thiên lệch trong mô hình) 🔹Quy tắc ghi nhãn được viết rõ ràng (cái gì gọi là "xe"? Xe hơi? Xe thể thao? Xe buýt? Nói rõ để không bị lẫn lộn) 🔹Có người kiểm tra lại! Không phải chỉ cần máy móc ghi nhãn xong là xong, như vậy tỷ lệ sai sót sẽ tăng vọt. Tóm lại là: Họ coi việc "làm thế nào để chuyển giao kiến thức của con người cho AI" như một hệ thống nghiêm túc. Tôi đã xem qua nhiều dự án, có rất nhiều nói về GPU nhanh như thế nào, mô hình đẹp ra sao, Nhưng nói về "làm thế nào để làm dữ liệu đúng, làm cho chính xác" thì thật sự không nhiều. Bây giờ, những đội ngũ muốn làm AI một cách nghiêm túc, thực sự nên bắt đầu từ việc "xây dựng nền tảng dữ liệu" cho tốt, Nếu không, bạn chỉ đang cho AI ăn đồ ăn nhanh, rồi mong nó trở thành nhà khoa học? Đừng đùa. Vì vậy, bây giờ tôi bắt đầu cảm thấy, những dự án như Sapien, Có thể mới là loại thực sự cần chú ý trong Web3 AI: Không phải loại chỉ cần bùng nổ một airdrop rồi xong, mà là từng bước xây dựng khả năng AI dựa trên "dữ liệu thực" và "kinh nghiệm con người". Tôi cá nhân ủng hộ con đường này, AI muốn đáng tin cậy, trước tiên phải quản lý dữ liệu cho tốt. Đừng để mô hình vừa nhanh vừa chính xác mà lại làm sai.