Das US-amerikanische KI-Datenplattformunternehmen Protege hat kürzlich das DataLab-Forschungsprogramm gestartet, das darauf abzielt, KI-Daten in eine strengere wissenschaftliche Disziplin zu verwandeln, um die zunehmend sichtbaren Datenengpässe in der aktuellen Entwicklung der künstlichen Intelligenz zu bewältigen. Während KI-Systeme zu komplexen praktischen Anwendungen fortschreiten, sind Datenqualität, -auswahl und -bewertung zu Schlüsselfaktoren geworden, die den Fortschritt behindern.
Das DataLab als spezielle Forschungseinrichtung widmet sich der Aufgabe, Forschern bei der Bewältigung der Kernherausforderungen im Bereich der Datenwissenschaft zu helfen. Das Team besteht aus internen Experten und hat bereits vorab Unterstützung durch Kooperationen mit mehreren Technologiegiganten wie Amazon, Apple, Alphabet, Microsoft, Nvidia, Meta und Tesla erhalten. Eine kürzlich durchgeführte Snowflake-Umfrage zeigt, dass trotz der signifikanten Renditen von generativen KI-Projekten Datenaufbereitungs- und Qualitätsprobleme nach wie vor weit verbreitete Hindernisse darstellen, was die Bedeutung der Optimierung der KI-Datenschicht weiter untermauert.
Bobby Samuels, CEO von Protege, betont: „Wir verstehen die drei Kernpfeiler, die KI antreiben: Modelle, Chips und Daten. Wir sind überzeugt, dass wir durch die richtigen Datensätze – den dritten, noch nicht vollständig entwickelten Pfeiler – die gesamte Innovationsfront vorantreiben können.“ Er hob hervor, dass das Unternehmen „das DataLab gegründet hat, um Daten als Infrastruktur und nicht als Abfall zu betrachten“ und plädiert für eine Verbesserung der Systemzuverlässigkeit durch die Etablierung besserer Standards, Reproduzierbarkeit und wissenschaftlicher Normen.
Das DataLab wird sich auf drei Kernbereiche konzentrieren: die Förderung der wissenschaftlichen Zusammenarbeit, den Aufbau hochwertiger Datensätze und Datenprodukte sowie die Führung in der KI-Datenforschung. Diese Arbeit wird sowohl akademische Erkundungen als auch kommerzielle Anwendungen umfassen und plant die Veröffentlichung von Benchmark-Tests und technischen Forschungsergebnissen. Engy Ziedan, Mitbegründer von Protege, erklärt: „Die Stärke des DataLab liegt in seiner Fähigkeit, typischerweise isolierte Perspektiven zu integrieren.“ Er erläutert weiter, dass dies „Denken an den Rändern erfordert, d.h. wir müssen den Grenznutzen von Datenpunkten für das Lernen gegen die Opportunitätskosten der Wahl eines falschen Datensatzes abwägen“, um sicherzustellen, dass das Datensatzdesign Disziplin und ein tiefes Verständnis der realen Komplexität aufweist.
Während KI-Technologien tiefer in wissenschaftliche und kritische Anwendungsbereiche vordringen, steigen die Anforderungen an die Datenpräzision erheblich. Forscher konzentrieren sich zunehmend auf den Grenznutzen von Daten, also darauf, wie einzelne Datenpunkte das Modellverhalten beeinflussen. Protege gibt an, dass das DataLab auf dieser Ebene wirken wird, indem es wissenschaftlich fundierte Entscheidungen über Datenauswahl, -struktur und Wirkungsbewertung ermöglicht, um sicherzustellen, dass KI-Systeme in realen Umgebungen zuverlässig funktionieren und so die wissenschaftliche Entwicklung von KI-Daten unterstützen.
