داده‌ها همچنان قلب تپندهٔ مدل‌های زبانی بزرگ و سیستم‌های هوش مصنوعی هستند. بدون داده‌های دقیق، متنوع و پربار، هیچ مدلی نمی‌تواند انتظارات کاربران را برآورده کند. با این حال، گردآوری و برچسب‌گذاری داده‌ها اغلب پرهزینه، زمان‌بر و نیازمند تخصص است. به همین دلیل، دو پلتفرم Argilla و Hugging Face تصمیم گرفته‌اند با راه‌اندازی پروژه‌ای به نام «Data is Better Together» (داده با هم بهتر است)، گامی نوین در جهت ایجاد داده‌های جمعی بردارند.

چرا داده‌ها برای مدل‌های بهتر حیاتی‌اند؟

پیشرفت‌های اخیر در حوزهٔ هوش مصنوعی بیش از هرچیز مدیون حجم عظیم داده‌های آموزشی و بازخوردهای انسانی است. پژوهش‌های متعدد نشان می‌دهند که کیفیت و تنوع داده‌ها مستقیماً بر توانایی مدل‌ها در درک زبان، استدلال و پاسخ‌گویی تأثیر می‌گذارد. بدون داده‌های استاندارد و مرتب، حتی قوی‌ترین معماری‌های مدل نیز نمی‌توانند نتایج مطلوبی ارائه دهند.

ساخت جمعی داده‌ها چه مزیتی دارد؟

هنگامی که داده‌ها به‌صورت فردی و در محیط‌های بسته تولید می‌شوند، اغلب از دیدگاه‌های متنوع انسانی و فرهنگ‌های گوناگون بی‌بهره‌اند. ساخت داده به‌صورت جمعی این امکان را فراهم می‌کند که افراد با پیشینه‌های مختلف، نظرات و قضاوت‌های خود را به اشتراک بگذارند. این رویکرد نه‌تنها دقت داده‌ها را افزایش می‌دهد، بلکه موجب می‌شود مدل‌های هوش مصنوعی بازتاب‌دهندهٔ نیازها و ارزش‌های واقعی جوامع باشند.

پروژه «داده با هم بهتر است» و دستاورد اولیه

در آزمایش اولیه، Argilla و Hugging Face داده‌های ترجیحی مربوط به رتبه‌بندی پرامپت‌ها را به‌صورت جمعی جمع‌آوری کردند. در عرض چند روز، موفق شدند بازخوردهای ارزشمندی از کاربران دریافت کنند و در نهایت مجموعه‌داده‌ای به نام 10k_prompts_ranked منتشر شد که شامل ۱۰ هزار پرامپت همراه با رتبه‌بندی کاربران دربارهٔ کیفیت آن‌هاست. این دستاورد نشان می‌دهد که مشارکت اجتماعی می‌تواند به‌سرعت داده‌های مفید و مقیاس‌پذیری تولید کند.

فراخوان برای اولین گروه از جوامع

حالا Argilla و Hugging Face آماده‌اند تا نخستین گروه از جوامع علاقه‌مند به ساخت داده‌های جمعی را حمایت کنند. آن‌ها به دنبال پروژه‌هایی هستند که بتوانند از زیرساخت‌های مشترک و ابزارهای متن‌باز برای تولید داده‌های کیفی بهره ببرند. این همکاری فرصتی است تا توسعه‌دهندگان، پژوهشگران و علاقه‌مندان به هوش مصنوعی به‌صورت داوطلبانه در بهبود مدل‌های متن‌باز مشارکت کنند.

چرا باید در ساخت داده‌های جمعی شرکت کنیم؟

  • دسترسی به داده‌های متنوع و باکیفیت برای آموزش مدل‌های بهتر
  • کاهش هزینه‌ها و زمان مورد نیاز برای جمع‌آوری داده
  • تقویت شفافیت و اعتماد در فرآیند توسعه هوش مصنوعی
  • ایجاد فرصت یادگیری و شبکه‌سازی در جوامع متن‌باز
  • مشارکت در دموکراتیزه کردن هوش مصنوعی و علم باز

ابتکار «داده با هم بهتر است» فقط یک پروژهٔ فنی نیست؛ بلکه دعوتی عمومی برای تغییر نحوهٔ نگاه ما به داده و نقش جامعه در توسعهٔ هوش مصنوعی است. با پیوستن به این جنبش، نه‌تنها به بهبود مدل‌های زبانی کمک می‌کنید، بلکه گامی در جهت ساختن آینده‌ای بازتر و مشارکتی برای هوش مصنوعی برمی‌دارید.

پرسش‌های پرتکرار

پروژه Data is Better Together چیست؟

این پروژه توسط Argilla و Hugging Face راه‌اندازی شده و هدف آن تشویق جوامع مختلف به مشارکت در ساخت داده‌های باکیفیت برای مدل‌های هوش مصنوعی است. در آزمایش اولیه، بیش از ۱۰ هزار پرامپت توسط کاربران رتبه‌بندی شد و مجموعه‌داده 10k_prompts_ranked منتشر گردید.

چگونه می‌توانم در این پروژه مشارکت کنم؟

می‌توانید از طریق اعلام فراخوان عمومی Argilla و Hugging Face برای اولین گروه از جوامع، پروژهٔ خود را پیشنهاد دهید. کافی است ایدهٔ ساخت داده‌های جمعی خود را ارائه کنید تا از زیرساخت‌ها و ابزارهای متن‌باز این دو پلتفرم بهره‌مند شوید.