Sedam milijuna eura za podatke koji su ko zna što

Sedam milijuna eura je iznos koji u normalnom svijetu kupi solidan stan u Zagrebu, četiri Tesle i godišnju zalihu craft piva za prosječni startup — ali u svijetu AI-ja to je seed round za firmu koja prodaje premium podatke drugim firmama koje treniraju modele koji bi trebali zamijeniti prve. Švedska kompanija je upravo podigla šest kom osam milijuna eura od investitora koji su očito uvjereni da je kvalitetan podatak sljedeća nafta, ili barem sljedeći kripto, ovisno o tome koliko ste cinični.

Nije da nisu u pravu. Tržište podataka za AI modele je jebeni cirkus u kojem svi trče za istom stvari — čistim, provjerenim, kuratorskim podacima koji neće natjerati model da misli da je T-Rex izumro jer je bio loš u TikToku. Problem je što je većina podataka na internetu smeće. Forumski postovi s početka tisućitih, recenzije proizvoda koje je napisala bot farma u Bangladešu, i članci koje je generirao stariji AI koji je učio na forumskim postovima s početka tisućitih. Kvalitetan podatak je postao luksuz, a luksuz se naplaćuje.

Ova švedska firma je, prema onome što se da iščitati, specijalizirana za premium data curation — što je tech izraz za "sjedimo i biramo što nije totalna budalaština da bi vaš model mogao razlikovati psa od muffina bez da povjeruje da je pas zapravo muffinični organizam koji se hrani djecom". Investitori su dali novac jer su prepoznali ono što su svi u industriji prešutjeli dok su pumpali milijarde u modele koji gutaju internet kao Pac-Man na speedu: algoritam je dobar onoliko koliko su dobri podatci kojima se hrani. Ako ga hraniš smećem, dobit ćeš smeće koje zna citirati Shakespearea i računati u kodu koji ne radi.

Ovdje dolazimo do onoga što je smiješno, a da nije ni smiješno. Sedam milijuna eura je kap u moru u usporedbi s milijardama koje su veliki igrači spalili na podatke. Ali to je i znak da se industrija konačno budi iz faze "sipaj sve što nađeš u model i vidi što ispadne" u fazu "možda bi trebalo provjeriti jel podatak točan prije nego što model počne vjerovati da je povijest počela 2015. godine s prvim iPhoneom". To je napredak. Mali, skupi, ali napredak.

Investitori koji su uložili u ovu rundu su, ako imate osjećaj za financijsku ironiju, taj oni ljudi koji su prije pet godina ulagali u firme koje su prodavale maglu o AI-ju bez podataka, pa su sad uložili u firme koje prodaju podatke za AI. To nije evolucija, to je zatvaranje kruga u kojem svi zarađuju na svima, a jedini koji gube su krajnji korisnici koji će platiti pretplatu za model koji je treniran na premium podacima koje je netko drugi kuratorski odabrao, što znači da plaćate tri puta: jednom za prikupljanje podataka, jednom za treniranje modela, i jednom za pristup modelu. Kapitalizam u svom najčišćem obliku.

Ali ono što je zanimljivo, i što ovu vijest čini više od još jednog seed rounda u moru seed roundova, jest pitanje koje nitko ne postavlja: tko odlučuje što je premium podatak? Jer ako je premium podatak onaj koji potvrđuje ono što investitori žele čuti, ili onaj koji ne sadrži ništa kontroverzno, ili onaj koji je dovoljno dosadan da ne izazove nikakve pravne probleme — onda premium podatak nije ništa drugo nego cenzura u elegantnom ruhu. Kuratorski odabir podataka je, u svojoj srži, politički čin. Netko odlučuje što je istina, što je relevantno, što je vrijedno učenja. I taj netko ima sedam milijuna eura da tu odluku provede.

Zamislite scenarij u kojem kuratorska firma odluči da su svi podatci o klimatskim promjenama iz 2023. godine "previše kontroverzni" za premium set. Model treniran na takvim podacima neće znati za poplave u Pakistanu, požare u Australiji ili činjenicu da je 2023. bila najtoplija godina u povijesti mjerenja. Model će biti "neutralan" — što je tech izraz za "beskoristan u ključnim pitanjima". I to će se prodavati kao premium proizvod.

Švedska firma vjerojatno nije zla. Vjerojatno imaju dobre namjere, pametne ljude i solidan poslovni plan. Ali sedam milijuna eura za kuriranje podataka u svijetu u kojem se podatci masovno kradu, manipuliraju i prodaju je kao da date sedam milijuna eura za čuvanje knjiga u knjižnici koju nitko ne posjećuje jer su svi na TikToku. Vrijedno, potrebno, ali potpuno u krivom smjeru.

Jer pravi problem nije manjak premium podataka. Pravi problem je što su modeli postali toliko dobri u generiranju vlastitog smeća da će uskoro premium podatci biti jedino što će preostati — i tada će cijena eksplodirati. Zamislite tržište na kojem je jedini čisti izvor podataka onaj koji ste sami proizveli i kurirali, dok je ostatak interneta kontaminiran generiranim sadržajem koji kruži u beskonačnoj petlji. To je budućnost koju ova investicija financira: svijet u kojem je istina luksuz, a laž besplatna.

Ako je AI toliko pametan, zašto mu treba sedam milijuna eura i kuratorska firma da nauči ono što svaki prosječni čovjek zna od rođenja — da ne vjeruješ svemu što pročitaš na internetu? Odgovor je jednostavan: zato što AI nema zdrav razum. Ima podatke. A podatci bez konteksta su kao recept za juhu bez vode. Možeš imati najbolje sastojke na svijetu, ali ako ne znaš što s njima, dobit ćeš nejestivu kašu koju ćeš prodavati kao premium gastronomsko iskustvo.

Sedam milijuna eura je cijena koju smo spremni platiti da ne moramo priznati da smo izgradili industriju na temeljima od pijeska. I to je u redu. Kapitalizam voli pijesak — dok god ga netko kurira i prodaje kao premium.

Izvor: tech.eu