התעשייה הבלתי נראית שמאפשרת את ChatGPT, Stable Diffusion וכל מערכת בינה מלאכותית מודרנית אחרת

‍

הסוד השמור ביותר של הבינה המלאכותית

כשמשתמשים ב-ChatGPT כדי לחבר אימייל או ליצור תמונה עם Midjourney, לעתים רחוקות חושבים על ה"קסם" שמאחורי הבינה המלאכותית. עם זאת, מאחורי כל תגובה חכמה וכל תמונה שנוצרת מסתתרת תעשייה של מיליארדי דולרים שמעטים מדברים עליה: שוק נתוני הדרכת הבינה המלאכותית .

‍

מגזר זה, אשר על פי MarketsandMarkets יגיע ל -9.58 מיליארד דולר עד 2029 עם צמיחה שנתית של 27.7%, הוא המנוע האמיתי של הבינה המלאכותית המודרנית. אבל איך בדיוק עובד העסק הנסתר הזה?

‍

המערכת האקולוגית הבלתי נראית שמניעה מיליארדים

ענקי המסחר

עולם נתוני ההדרכה של בינה מלאכותית נשלט על ידי כמה חברות שרוב האנשים מעולם לא שמעו עליהן:

‍

Scale AI , החברה הגדולה ביותר בתעשייה עם נתח שוק של 28% , הוערכה לאחרונה ב -29 מיליארד דולר לאחר ההשקעה של Meta. לקוחותיה הארגוניים משלמים בין 100,000 דולר לכמה מיליוני דולרים בשנה עבור נתונים באיכות גבוהה.

‍

אפן , שבסיסה באוסטרליה, מפעילה רשת עולמית של למעלה ממיליון מומחים ב-170 מדינות, אשר מתייגים ואוספים באופן ידני נתונים עבור בינה מלאכותית. חברות כמו Airbnb, John Deere ו-Procter & Gamble משתמשות בשירותיהן כדי "לאמן" את מודלי הבינה המלאכותית שלהן.

‍

עולם הקוד הפתוח

במקביל, קיימת מערכת אקולוגית בקוד פתוח המובלת על ידי ארגונים כמו LAION (רשת פתוחה לבינה מלאכותית בקנה מידה גדול), עמותה גרמנית ללא מטרות רווח שיצרה את LAION-5B , מערך הנתונים של 5.85 מיליארד זוגות תמונה-טקסט שאפשר את הפיזור היציב.

‍

Common Crawl משחררת מדי חודש טרה-בייטים של נתוני אינטרנט גולמיים , המשמשים לאימון GPT-3, LLaMA ומודלים רבים אחרים של שפות.

‍

העלויות הנסתרות של בינה מלאכותית

מה שהציבור לא יודע הוא כמה יקר הפך לאמן מודל בינה מלאכותית מודרני. לפי Epoch AI , העלויות עלו פי 2-3 בשנה בשמונה השנים האחרונות .

‍

דוגמאות לעלויות אמיתיות:

• גוגל ג'מיני 1.0 אולטרה : כ-192 מיליון דולר
• GPT-4 : מוערך ביותר מ-100 מיליון דולר
• תחזית עתידית : מעל מיליארד דולר עד 2027

העובדה המפתיעה ביותר? לפי AltIndex.com , עלויות הכשרת בינה מלאכותית עלו ב-4,300% מאז 2020 .

‍

האתגרים האתיים והמשפטיים של המגזר

שאלת זכויות היוצרים

אחת הסוגיות השנויות ביותר במחלוקת נוגעת לשימוש בחומר המוגן בזכויות יוצרים. בפברואר 2025, בית משפט בדלאוור פסק בתיק Thomson Reuters נגד ROSS Intelligence כי אימון בבינה מלאכותית יכול להוות הפרה ישירה של זכויות יוצרים, ודחה את טענת "שימוש הוגן".

‍

משרד זכויות היוצרים האמריקאי פרסם דו"ח בן 108 עמודים, בו מסיקים כי לא ניתן להגן על שימושים מסוימים כשימוש הוגן, מה שפותח את הדלת לעלויות רישוי עצומות שעלולות להיות עבור חברות בינה מלאכותית.

פרטיות ונתונים אישיים

חקירה של MIT Technology Review חשפה כי DataComp CommonPool, אחד ממערכי הנתונים הנפוצים ביותר, מכיל מיליוני תמונות של דרכונים, כרטיסי אשראי ותעודות לידה. עם למעלה מ-2 מיליון הורדות בשנתיים האחרונות, הדבר מעלה חששות משמעותיים בנוגע לפרטיות.

‍

העתיד: מחסור וחדשנות

בעיית "נתוני שיא"

מומחים צופים שעד שנת 2028, רוב הטקסט הציבורי שנוצר על ידי בני אדם הזמין באינטרנט יהיה בשימוש . תרחיש "שיא נתוני" זה דוחף חברות לעבר פתרונות חדשניים:

• נתונים סינתטיים : יצירה מלאכותית של נתוני אימון
• הסכמי רישוי : שותפויות אסטרטגיות כמו זו שבין OpenAI ל-Financial Times
• נתונים רב-מודאליים : שילוב טקסט, תמונות, אודיו ווידאו

תקנות חדשות בקרוב

חוק השקיפות בבינה מלאכותית של קליפורניה ידרוש מחברות לחשוף את מערכי הנתונים שהן משתמשות בהם להכשרה, בעוד שהאיחוד האירופי מיישם דרישות דומות בחוק הבינה המלאכותית שלו.

‍

הזדמנויות לחברות איטלקיות

עבור חברות המעוניינות לפתח פתרונות בינה מלאכותית, הבנת המערכת האקולוגית הזו היא קריטית:

אפשרויות ידידותיות לתקציב:

• פרצוף מחבק : מעל 50,000 מערכי נתונים בחינם
• מערכי נתונים בקוד פתוח : Common Crawl, LAION, MS COCO לפרויקטים ניסיוניים

פתרונות ארגוניים:

• קנה מידה של AI ו- Appen עבור פרויקטים קריטיים למשימה
• שירותים מיוחדים : כמו Nexdata עבור NLP או FileMarket AI עבור נתוני אודיו

מסקנות

שוק נתוני ההדרכה בתחום הבינה המלאכותית שווה 9.58 מיליארד דולר וצומח בקצב שנתי של 27.7%. תעשייה בלתי נראית זו אינה רק המנוע של הבינה המלאכותית המודרנית, אלא גם מייצגת את אחד האתגרים האתיים והמשפטיים הגדולים ביותר של זמננו.

‍

במאמר הבא נחקור כיצד חברות יכולות להיכנס לעולם הזה בפועל, עם מדריך מעשי לתחילת פיתוח פתרונות בינה מלאכותית באמצעות מערכי הנתונים והכלים הזמינים כיום.

‍

עבור אלו המעוניינים להעמיק מיד, ריכזנו מדריך מפורט עם מפת דרכים ליישום, עלויות ספציפיות ומערך כלים מלא - להורדה בחינם על ידי הרשמה ל... newsletter .

‍

קישורים מועילים להתחלה מיידית:

‍

• סביבת פיתוח : Google Colab (חינם עם GPU)
• מערכי נתונים בקוד פתוח : מערכי נתונים של פנים מחבקות
• כלי הערות : Label Studio (חינם)
• פריסה מהירה : Gradio + HF Spaces
• קורסים מעשיים : Fast.ai (חינם, מעשי)

מקורות טכניים:

• תיעוד פנים מחבקות
• מדריכי PyTorch
• מדריכי TensorFlow
• מאמרים עם קוד (מודלי SOTA + מערכי נתונים)
• ‍

אל תחכו ל"מהפכת הבינה המלאכותית". צרו אותה. בעוד חודש, ייתכן שיהיה לכם את המודל הראשון שעובד, בזמן שאחרים עדיין מתכננים.