text size
Silencio, tvrtka specijalizirana za prikupljanje glasovnih podataka i dio portfelja Advanced Blockchain AG, objavila je potpisivanje svog do sada najvećeg ugovora. Posao vrijedan 250.000 američkih dolara za isporuku podataka na jezicima tagalog i cebuano dolazi u trenutku kada se industrija umjetne inteligencije suočava s novim uskim grlom: nedostatkom podataka za jezike kojima govore milijarde ljudi, ali koji nisu digitalno dostupni.
Dok su internetski izvori za engleski i mandarinski jezik praktički iscrpljeni, budućnost AI modela sada ovisi o podacima koji se moraju prikupiti izravno od izvornih govornika.
Razvoj naprednih AI modela, posebice velikih jezičnih modela (LLM), došao je do točke u kojoj je najveći izazov pronaći nove, kvalitetne podatke za treniranje. Za visokoresursne jezike, poput engleskog ili kineskog, postoji obilje materijala. Međutim, za tisuće takozvanih "niskoresursnih" jezika, kojima se služe milijarde ljudi diljem svijeta - od filipinskog cebuana do afričkog wolofa - digitalni korpus gotovo da i ne postoji. Ovaj nedostatak stvara "digitalnu podjelu" i prijeti isključivanjem velikog dijela svjetske populacije iz prednosti koje AI donosi, na što upozoravaju i institucije poput Sveučilišta Stanford.
"Industrija je ostala bez interneta za 'struganje', a jezici koji su preostali nikada nisu ni bili na internetu", slikovito je objasnio Theo Messerer, suosnivač i operativni direktor Silencija. "Ne možete doći do cebuana ili wolofa pretraživanjem - morate platiti ljudima koji ga govore."
Upravo je to tržišna niša koju Silencio iskorištava. Njihov poslovni model temelji se na izgradnji dugoročnih odnosa s vodećim AI laboratorijima i kompanijama s Fortune 100 liste, koji nakon početne narudžbe za jedan jezik često nastavljaju suradnju tražeći podatke za srodne jezike ili složenije zadatke poput transkripcije i označavanja.
Od mapiranja buke do globalne banke glasova
Silencio je svoj put započeo kao projekt za mapiranje zvučnog zagađenja, no ubrzo je prepoznao znatno veći potencijal svoje rastuće mreže. Tvrtka se oslanja na model decentralizirane mreže fizičke infrastrukture (DePIN), okupljajući više od 2,5 milijuna suradnika u preko 185 zemalja. Ta globalna zajednica, koja pokriva više od tisuću jezika i dijalekata, koristi svoje pametne telefone za snimanje i transkribiranje govornih podataka.