Data Quality Is the Compute Multiplier — Ari Morcos, DatologyAI
Ari Morcos från DatologyAI argumenterar för att datakvalitet är viktigare än råa beräkningsresurser när man tränar AI-modeller.
Istället för att bara mata in massa data (en brandslang) bör man fokusera på att rensa, organisera och skapa högkvalitativ träningsdata — liksom ett oljeraffinaderi. Det visar sig att en mindre modell tränad på noggrant utvald data kan slå mycket större modeller, och använder mindre kraft när den körs. Exempel från kunder som Thomson Reuters och Arcee visar att denna strategi fungerar i praktiken. Det är billigare att göra bättre data än att köpa dyrare datorer.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
SOTA Generative Media Panel — Dumitru Erhan, Shane Gu & Nicole Brichtova, Google DeepMind
AI Engineer 30 aug.
Tell the Robot What You Want — Sandhya Subramani, AWS
AI Engineer 29 aug.
The Signal Layer: What to Build When Anything Can Be Built — Lena Hall, Akamai
AI Engineer 29 aug.
Tribal Dungeons of Global Shipping: AI Agents at Global Scale — Dmitry Buykin, Maersk
AI Engineer 29 aug.