第383章 北辰数据、智网、逼乎……又在下一盘大棋?!(1/2)
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能,避免出现内容无法显示或者段落错乱。
刘新宇离开。
何文君又来到96层韩文韬的办公室。
“我需要你在【北辰科技】成立‘北辰数据公司’,招收大量人手,扫描图书、收录各方面数据……建立标准化的标注流程和质量控制体系!”
韩文韬没和何文君废话。
直接下达指令就行。
目前这个时期,没有专业的数据标注公司,甚至都没有相关的产业。
此刻,韩文韬开始布局人工智能,数据标注是必不可缺的!
数据标注,是人工智能绝对的核心之一。
是理解用户下达指令的核心!
是评判一个大模型,是不是聪明的核心之一!
没有足够多的数据标注,就做不出人工智能……只能做出人工智障!
一张图片,需要人工标注:这是一只猫、一只狗、一朵花……通过训练,做出图像识别模型;
一句话:我不想理你了……需要人工标注,相关的情绪:正面情绪、负面情绪等等,训练情感分析模型。
同样是一句话:今天天气怎么样?需要标注这句话的是要查询天气,训练意图识别模型。
一段对话,也需要标注各方面的信息,训练对话模型。
一张实况图片……需要标注各种信息。
没有数据标注,人工智能是很难理解相关的信息。
很难理解用户下达的指令。
只能看到一堆文字、图片、数字等等。
没办法理解其中的各种数据,怎么将这些数据变成可以不断训练、学习的数字信号呢?
数据标注是必须的。
早在‘锦湖·北辰总部’建设的时候,韩文韬划分了一大个底盘,修建了整个蜀汉市,最大、标准最高的图书馆。
当时很多人不理解。
其实,就是为人工智能做准备。
收集各类实体书、电子书、专业文稿、文献……这些书籍在这个时代开始收集,都是没有被‘蒸馏’和‘污染’的宝贵数据。
在韩文韬重生的时候,那时候许多知识,无论是出版的专业知识、数据……很多都已经被污染。
开发人工智能的一些公司,为了保证自己的优势,已经丧心病狂到购买以前没有被‘污染’的书本、孤本。
扫描收录后……直接将书本全部毁掉!
确保自己数据独家,确保自己的优势!
“这家数据公司,不仅需要扫描收录各种书本、专业文稿、文献……还需要在全世界购买书籍、电子书!”
“这些都需要做伪装,尽量套几层壳、分散开来……”
“甚至爬取互联网上的各种数据……”
购买大量书籍、电子书。
可以用图书馆的名义。
可以像亚马逊、‘当当’这类电商平台一样,购买电子书籍版权。
反正通过分散在全国的一些公司、分散开来,正常的购买这些东西。
至于……爬取网络上公开的数据。
这个业务需要拆分出去,不能和【北辰集团】【北辰科技】直接关联。
属于灰色地带、见不得光。
此类爬取的数据,都需要做脱敏处理。
这种做法属于是常规操作……任何一家搞人工智能大模型的公司,谁敢说自己所有数据,几千亿、万亿的参数,全部都是合法、合规、正常途径拿到的?都有授权、有版权?
这就不可能!
而且,现在2004年,这个时代慢慢开始爬取互联网上的数据资料,也没人会去关注。
加上现在互联网上的书籍和资料其实也不算多。
“好的老板,我会亲自去处理!”
本章未完,点击下一页继续阅读。