نفيديا حلم، نموذج فوكسكون: كيف استخدم ألكسندر وانغ 240 ألف مهاجر رقمي لإنشاء مملكة تسمية البيانات
هذا أصغر ملياردير شاب في العالم الذي ارتقى بنفسه من الصفر إلى الثراء، لقد هوى سريعًا بعد ظهوره الأول في قائمة فوربس، لكن بعد عدة سنوات، نجح في استعادة هذا اللقب مرة أخرى. الجهة التي منحت أليكسندر وانج هذا التسمية الأسطورية هي مصنع بياناته - Scale AI.
مؤخرًا، حققت Scale AI إيرادات سنوية تقدر بحوالي 10 مليارات دولار أمريكي، بزيادة تبلغ ضعفين مقارنة بالسنوات السابقة.
تسببت هذه الرسالة في جذب الكثير من الاهتمام، فما الذي قامت به شركة Scale AI لكسب هذا القدر من المال؟ يجب ملاحظة أن إيرادات OpenAI في نهاية العام الماضي كانت فقط 16 مليار دولار، مما يعني أنه من المتوقع أن تتجاوز 35 مليار دولار هذا العام.
Scale AI تقوم بأمور بسيطة جدًا، حيث توفر خدمات تسمية البيانات لنماذج الذكاء الاصطناعي، ليس لديها تقنيات سوداء ولكنها حقا تربح الكثير من المال.
بعد كل شيء، لا يمكن تحقيق النجاح دون فهم القوة الحاسوبية والبيانات والخوارزميات الثلاثة لنماذج الذكاء الاصطناعي، وما عليك سوى فهم واحد منها لكي تحقق النجاح، ولا داعي للحديث عن كون مجال البيانات كان فارغًا تمامًا قبل ذلك.
عندما سئل عن كيف بنى ألكسندر وانغ نموذج "مصنع البيانات" للذكاء الاصطناعي Scale AI، صرح بشكل فانيل أنه كان "مجرد شيء تجنب اللعب به في الصيف".
في الصف التاسع، كان ألكسندر وانغ متحمسًا لروح ريادة الأعمال، وكان يقوم في كثير من الأحيان بإعداد خطط ريادية مع أصدقائه.
أثناء الثانوية، كان لديه العديد من تجارب العمل في شركات ناشئة، لذلك في الجامعة، لم تعد فرص التدريب في الشركات الكبيرة التي يسعى إليها أقرانه كافية لتلبية احتياجات تطوير نفسه.
خلال عام من الدراسة في معهد التكنولوجيا بولاية ماساتشوستس، أصيب ألكسندر وانغ بالإدمان على التعلم العميق والشبكات العصبونية، كما قام بأخذ خمسة دورات صعبة على مستوى الدراسات العليا في علم الحاسوب، بحصوله على تقدير 5.0 من 5.0 في الأداء الدراسي.
لكن، أصبح ألكسندر وانغ متعبًا من الدراسة الأكاديمية، ويرغب أكثر في أن يكون عملاقًا في هذا المجال. عندما رأى شركات التكنولوجيا تخصص مليارات الدولارات لتدريب النماذج، أدرك ألكسندر وانغ أن الفرصة في متناول اليدين، وقام بقرار حاسم بترك معهد ماساتشوستس للتقنية وتأسيس Scale AI مع لوسي غو، التي التقى بها سابقًا على Quora.
في نظر الناس في ذلك الوقت، يبدو أن الأمر الذي يجب على Scale القيام به يتعارض مع اتجاه الصناعة، حيث يحاول الجميع استخدام الذكاء الصناعي بدلاً من القوى البشرية، بينما تقوم Scale بتوظيف كميات كبيرة من العمالة للقيام بالأمور التي لا يمكن للذكاء الصناعي القيام بها.
ولكن هذا هو ما يجعل Scale AI متميزة، فشركات الذكاء الاصطناعي تقوم بجمع كميات هائلة من البيانات الأصلية لتدريب النماذج، ولكن قبل إدخال هذه البيانات إلى النموذج الذكي، يتطلب تزويدها بتسميات توضيحية، ومعظم الشركات لا يمكنها سوى إتمام هذه المهمة الصعبة يدويًا. Scale AI قدمت لهم خيارًا جديدًا.
"نحن نساعد العملاء في فك رموز هذه البيانات"، قال ألكسندر وانغ، "وهذا يساعدهم على الابتعاد عن خط البداية".
ألكسندر وانغ استغل الفرصة الناشئة للقيادة الآلية، حيث ساعد السيارات القائمة على القيادة الآلية في تسمية البيانات لصور ثلاثية الأبعاد التي تم إنشاؤها باستخدام الرادار والحساسات، ويمكن أن تساعد هذه البيانات المسماة بجودة عالية في تحسين الأداء عند الاستخدام.
في غضون سنوات قليلة فقط ، توسعت Scale AI إلى حدٍ مذهل.
حتى الآن، جمعت Scale AI استثمارات بقيمة 13.5 مليار دولار ووصلت قيمتها إلى 13.8 مليار دولار. وأيضًا، استطاع Alexander Wang الحصول على لقب "أصغر مليونير يعتمد على ثروته الخاصة مرتين" في قائمة فوربس من خلال Scale AI. ولكن نجاحه أتى بجدل مرافق.
اعتمدت Scale AI على كميات كبيرة من القوى العاملة الرخيصة في الخارج لتناول المشاريع الضخمة لتسمية البيانات، ولهذا ، تم اتهامها بالاستغلال والضغط. وقد زادت استقالة مؤسسة الشركة المشاركة لوسي غو من انتقادات الجمهور لأسلوب عمل ألكسندر وانغ.
قصة نمو Alexander Wang يمكن وصفها بأنها نموذجية لقصة "الشاب العبقري".
تم ولادته في عائلة من مهاجرين صينيين في ولاية نيومكسيكو، حيث كان والديهما عالما فيزياء في معمل لوس ألاموس الوطني. يتذكر أليكساندر وانغ أن والديه بدأوا في تعليمه الفيزياء المتقدمة عندما كان لا يزال في السنة التمهيدية.
تحت تأثير والديه، شغف ألكسندر وانغ بالرياضيات وبرمجة الحاسوب بدا منذ كان صغيرًا.
عندما كان في سن المراهقة، كان ألكسندر وانغ منتظمًا في المسابقات الكبرى للرياضيات والفيزياء. في عام 2013، تأهل بنجاح لمشاركة في مشروع أولمبياد الرياضيات، كما تأهل للمشاركة في المرحلة النهائية لمسابقة USACO (الأولمبياد الأمريكي للحوسبة) لعامي 2012 و 2013 على التوالي. فقد امتلأ منزله في لوس ألاموس بالألقاب والجوائز التي فاز بها هو وإخوته.
بفضل أدائه الممتاز في المباريات، استقبل ألكسندر وانغ الكثير من العروض من أهم شركات التكنولوجيا في وادي السيليكون قبل تخرجه من الثانوية.
عندما بلغ السابعة عشرة من عمره، غادر ألكسندر وانغ المدرسة الثانوية وذهب للعمل في وادي السيليكون، وفيما بعد أصبح مهندسا في موقع الأسئلة والأجوبة Quora. خلال عامه في Quora، كان يعمل لمدة 12 ساعة يومياً، واستمر بتطبيق هذا العزم حتى اليوم.
تم إطلاق مخيم صيفي بوسم اسم SPARC (برنامج التطبيق العقلاني والإدراكي للصيف) في سان فرانسيسكو، بهدف جمع الطلاب الموهوبين في مجال الرياضيات والعلوم معًا. وهو هنا حيث لاحظ ألكسندر وانغ الإمكانيات الرائدة للذكاء الاصطناعي، وتعرف على مؤسسا OpenAI جريغ بروكمان والرئيس التنفيذي لشركة Anthropic داريو أمودي، وبتشجيعهم بدأ بالتعرف بشكل نشط على المزيد من المعرفة التقنية المتعلقة بالذكاء الاصطناعي.
2015年، ذهب ألكسندر وانغ إلى معهد ماساتشوستس للتكنولوجيا لدراسة الرياضيات وعلوم الحاسوب. خلال عامه الأول، كان يدرس خمسة مقررات دراسات عليا في علوم الحاسوب بالإضافة إلى تطوير تطبيق يدعى Ava لمساعدة المستخدمين في حجز مواعيد مع الأطباء.
في هذه المرحلة بالضبط، كان لديه بعض المحادثات العميقة مع الرئيس التنفيذي للعبة تجارة العقارات عبر الإنترنت Opendoor، إريك وو. حفزه إريك وو على المجازفة وقال له إنه يجب عليه أن يحاول البدء من شركة ناشئة، بدلاً من العمل في شركة تكنولوجية ناضجة.
"أعلم أنه إذا لم أجازف في أن أصبح رائد أعمال في الوقت المناسب، سأندم"، كتب Alexander Wang في المدونة، "إذا لم أكن على استعداد لاتخاذ هذه الخطوة الآن، فمتى سأكون على استعداد؟"
أدرك ألكسندر وانغ أن تقنيات التعلم الآلي والذكاء الاصطناعي قد بدأت تندمج في التطبيقات الأولية، وأنها ستؤدي بالتأكيد إلى ثورة تقنية في المستقبل. كما عقل إلى نقطة يختصر فيها السوق: الجميع بحاجة إلى كميات كبيرة من البيانات، ولكن ليس الجميع مستعد لقضاء وقت طويل على معالجة البيانات المُعقدة.
سنتينان فقط في عمره، قرر التخلي عن دراسته في معهد ماساتشوستس للتكنولوجيا بعد سنة واحدة من دراسته، وقام بتأسيس شركة Scale AI بالتعاون مع لوسي جو، مستهدفًا إحدى مناطق البحر الزرقاء التي لم يستكشفها بعد في مجال الذكاء الاصطناعي—تسميم البيانات.
مجال الذكاء الاصطناعي لديه ثلاثة أسس معترف بها: البيانات، الخوارزميات، والطاقة الحسابية.
إذا قيل إن NVIDIA هي شخص يبيع قوة الحساب، فشركات توسيم البيانات مثل Scale AI هي أشخاص يبيعون البيانات. تعتمد تطوير النماذج الكبيرة على القوة الحسابية التي توفرها NVIDIA، وتطور نماذج الذكاء الاصطناعي يعتمد أيضًا على بيانات عالية الجودة الموسومة بعناية. ومع هذا الطلب، ظهرت الشركات التي تقدم خدمات توسيم البيانات المتخصصة.
في بداية تأسيسه، لم يكن ألكسندر وانغ متأكدًا من نوع البيانات التي يجب توفيرها لـ Scale AI، وقام بمحاولات متعددة وتجارب فاشلة. ومع ذلك، كان واضحًا له شيء واحد: أن كيفية التعامل مع البيانات هو الأمر الحاسم لنجاح أعمال Scale AI.
"Data is the new oil," used to be a popular saying in the past.
لكن ألكسندر وانغ لديه رأي مختلف بخصوص هذا الموضوع. إنه يرون أن النفط هو سلعة نادرة، بينما البيانات ليست كذلك. أنواع البيانات ومضمونها أكثر تنوعًا من النفط، وبين البيانات وبينها ليس تكافؤًا، القيمة الحقيقية هي بيانات مفيدة متنوعة الجودة، موحدة وتماسكت بعد التفكير العميق فيها.
هذه الرؤية أصبحت مفهومًا أساسيًا لـ Scale AI.
في البحث في مجال الذكاء الاصطناعي، يمكن القول تقريباً أن الخوارزميات والشفرات تكاد تكون جامعة. فعلى سبيل المثال، يمكن استخدام برنامج واحد لاكتشاف تعابير الوجه، وخلال عملية اكتشاف التعابير المختلفة، تبقى الخوارزميات والشفرات التي تعمل هي نفسها، إذ تتغير فقط البيانات.
كمثال على التعاون المبكر في مجال القيادة الذاتية مع شركة Scale AI، يتطلب الخوارزمية دراسة العديد من الحالات لتعرف مواقف الوقوف ومواقع المشاة وكيفية تفادي الدراجات الهوائية. ومع ذلك، يجب أولاً علامة البيانات الكبيرة التي تجمعها السيارات، حتى يمكن للخوارزمية أن تتعلم من البيانات من خلال التعرف على "من هو مشاة ومن هو عجلة هوائية".
هذه العملية "تكرير البيانات" هي الخطوة الحاسمة التي تسمح للذكاء الاصطناعي بالانتقال من "عدم الفهم" إلى "القدرة على الحكم".
قال ألكسندر وانغ: "إذا كانت البيانات هي نوع جديد من النفط، فإن Scale AI هي مثل مصفاة نفط." يساعد Scale AI الشركات في مجال الذكاء الاصطناعي على تحسين خوارزمياتهم من خلال تحويل البيانات الأولية إلى بيانات تصنيف عالية الجودة.
حتى لو كانت كل شركة ذكاء اصطناعي بحاجة إلى عمل تسمية البيانات، إلا أنها ليست بالضرورة تحتاج إلى إنشاء فريق خاص للتعامل مع هذه المهام المملة. تماماً كما قامت الصناعة بتفويت التكنولوجيا المتعلقة بالGPU والقوة الحسابية إلى شركة NVIDIA، فإن العديد من الشركات الكبيرة تمتلك استثمارات ضخمة وموظفين مؤهلين، ولكن بدلاً من تطوير الشرائح من الصفر، يمكنها مباشرة استخدام منتجات NVIDIA لتوفير الوقت والجهد، وبتكلفة أقل.
وبالتالي، ترتبط أعمال Scale AI بشدة بصناعة الذكاء الاصطناعي.
ألكسندر وانغ يقول: "نحن الأدوات الحفارة والمعول في الحمى التنقيبية للذكاء الاصطناعي الإنشائي". عندما يحاول الجميع "حفر الذهب" ، يعتمد Scale AI على ميزة فريدة في هذه "حروب التنقيب عن الذهب".
قبل تأسيسها، كانت شركة Scale AI قد لاقت اعجاب سوق رأس المال.
قام Alexander Wang بإحضار منتجه Ava للمشاركة في برنامج تدريبي للشركات الناشئة، الذي يتم تشغيله بواسطة شركة الاستثمارات الريسك Y Combinator الشهيرة. ونتيجة لذلك، تعرف على قائد البرنامج في ذلك الوقت، مؤسس OpenAI Sam Altman.
استثمر المستثمر الخاص دان ليفين من شركة أكسل أيضًا في تجربة ألكسندر وانج وأظهر اهتمامًا كبيرًا بها. قبل ي كومبايناتور ، أصبح شريكًا لألكسندر وانج وقدم له 4.5 مليون دولار دولار من رأس المال الأولي، كما قدم شقته ليكون مكتبًا.
في عام 2016، قرر ألكسندر وانغ والشريكة المؤسسة الأخرى لوسي غو إنشاء شركة Scale AI. حصل هذا الاستوديو الذي يضم فقط ثلاثة أشخاص على استثمار بقيمة 120 ألف دولار من جولة الملاك في Y Combinator. ونتيجة لهذا، أصبح لدى سام ألتمان، الرئيس التنفيذي لـ Y Combinator في ذلك الوقت، حصة غير مباشرة في Scale AI.
ثم، زادت Scale AI بسرعة بمعدل جولة تمويل سنوية. بدءًا من 500 ألف دولار في عام 2017، ثم 8 ملايين دولار في عام 2018، ثم وصولًا إلى 1 مليار، 1.5 مليار دولار، تزايدت مبالغ تمويل Scale AI بوتيرة سريعة. وبحلول عام 2020، ارتفعت قيمة الشركة ثلاث مرات لتصل إلى 35 مليار دولار.
في عام 2021، قامت شركة Scale AI بفتح جولة جمع تمويل سلسلة E، حيث بلغ إجمالي التمويل 3.25 مليار دولار، مما زاد قيمة الشركة بمقدار ضعف لتبلغ 70 مليار دولار.
في شهر مايو من هذا العام، تم قيادة جولة جديدة من التمويل لشركة Scale AI من قبل Accel، وتم جمع مبلغ إجمالي يبلغ 10 مليارات دولار أمريكي، وقفزت تقديرات قيمة Scale AI إلى 138 مليار دولار أمريكي، وهو رقم مدهش.
توسعت شركة Scale AI بمعدل مذهل بفضل حس السوق الحساس لـ Alexander Wang.
تقييم مايك فولبي، شريك سابق في شركة Index Ventures وعضو في مجلس إدارة Scale AI، عن ألكساندر وانغ: "ألكساندر وانغ يمتلك مجموعة من المهارات الريادية والرؤى البعيدة المتفردة، تجتمع هذه المهارات في شخص واحد."
أول عمل توسعت شركة Scale AI فيه كان توفير بيانات الوسم اللازمة لتدريب نماذج تعلم الآلة للسيارات ذاتية القيادة لشركات مثل تسلا وكروز. عندما بدأ اهتمام الناس بالسيارات ذاتية القيادة يتراجع تدريجيًا، لاحظ ألكسندر وانج سريعًا الفرصة في سوق الذكاء الاصطناعي الجيلي.
في عام 2019، وقع عقدًا مع OpenAI لتوفير البيانات المسماة فيما بعد لطراز توليد الذكاء الاصطناعي ChatGPT للغات.
في عام 2020، وقع Alexander Wang عقداً بقيمة 3.5 مليار دولار مع الجيش الأمريكي، وزادت قيمة شركة Scale AI إلى 73 مليار دولار بناءً على ذلك. حصل Alexander Wang على 15% من حصته في Scale AI، الأمر الذي جعله يدخل قائمة فوربس ويحصل على لقب "أصغر ملياردير مبتدئ بدون رأس مال" عن عمر يبلغ 25 عامًا.
أثناء فترة تفشي الوباء بشكل أشد، نجح Scale AI في الحصول على عقد قيمته حوالي 40 مليون دولار مع Meta لتسمية البيانات لميزة التسوق الجديدة على Facebook و Instagram. ومع ذلك، قامت Meta بإلغاء هذه الصفقة بعد عدة أشهر.
في يناير 2023 ، وقعت صناعة التكنولوجيا في حالة من الانخفاض ، واتخذ ألكسندر وانغ قرارًا صعبًا بتخفيض 20٪ من العمال. قيمة الشركة انخفضت بشكل كبير خلال العام الماضي أيضاً، واختفى اسمه من قائمة المليارديرات.
فوربس يصف هذه الفترة بأنها قصيرة جدًا، "حيث انخفضت تقديرات الشركات التكنولوجية الخاصة بشكل كبير في العام التالي، وسرعان ما انخفض من وسط الأثرياء إلى أدنى مستوياته".
ولكن نجاح ChatGPT أدى إلى جذب كميات كبيرة من الأموال للاستثمار في الذكاء الاصطناعي الذي يعتمد على النماذج اللغوية، وبفضل هذه الاهتمامات، نجحت شركة Scale AI في التعافي.
العام الماضي، وقعت Scale AI اتفاقًا بقيمة 1.2 مليار دولار مع شركة Google لمساعدتها في تطوير نموذج Gemini اللغوي، وزادت إيرادات Scale AI السنوية من 2.27 مليار دولار إلى 6.8 مليار دولار.
بعد جمع تمويل بقيمة مليار دولار هذا العام ، عاد ألكسندر وانغ ليظهر من جديد على قائمة مليارديرات فوربس بقيمة 20 مليار دولار.
أثارت شهرة شركة Scale AI التقليد من الأشخاص، حيث يسارع منافسونها لسرقة أعمالها وتقديم حلول مماثلة لشركاهم وفق نمط Scale AI. في الوقت نفسه، يقوم عملاء كبار مثل OpenAI بتوظيف محققين بياناتهم الخاصين للحد من اعتمادهم على شركات تسميات البيانات.
شريك شركة Thrive Capital والمستثمر الطويل الأجل في Scale AI، فينس هانكس، ليس مهتمًا بهذا الأمر، "إذا كانوا يرغبون في أن تكون شركتهم شركة تبلغ قيمتها 500 مليار دولار، فيجب أن يجدوا وسيلة أخرى لكتابة فصل جديد في قصتهم."
"إن عبارة 'كما يوجد ذكاء اصطناعي يوجد كمية من المعرفة' مشهورة في مجال الذكاء الاصطناعي، وهي تنطبق تمامًا على Scale AI."
قامت شركة Scale AI بتوظيف 240،000 عامل خارجي عبر شركتها التابعة Remotasks حول العالم، كما أنشأت عدة عشرات من مراكز التدريب في إفريقيا وجنوب شرق آسيا خصيصًا لتدريب الموظفين المختصين في تسمية البيانات.
بفضل فريق التعهيدات الخارجي الضخم، أصبحت Scale AI "فوكسيكون" في صناعة البيانات، حيث تحتل موقع الريادة في مجال تسميم البيانات.
هذه الاستراتيجية التي تعتمد على تفويض الأعمال للخارج أحدثت الكثير من الجدل لألكسندر وانج، حيث تم اتهامه بأنه يستغل القوى العاملة الرخيصة في الخارج. قد تكون أجور العمال في الخارج أكثر من عدة أضعاف إلى عشر مرات أكثر من أجور الموظفين الأمريكيين الذين يقومون بتعليم البيانات في الموقع. هذا الفارق الكبير في الأجور يمنح Scale AI مساحة ربحية لا يمكن لمنافسيه منافستها.
مع ذلك ، يجعل هذا الاتهام الشخص يشعر وكأنه منافس غير قادر يغار. قد قام الخصم Hive بتقليد Scale AI عند إطلاق منافس Remotasks ، ولكن فيما بعد أغلق بسبب منخفض معدل الربح.
فوكسكون يمكن أن تصبح عملاقًا في صناعة التصنيع، بجانب السيطرة على التكاليف، فإن مهاراتها وقدرتها على التكامل العمودي في مجال التصنيع تعتبران مفتاحين. بالمثل، نجاح شركة "Scale AI" ليس معتمدًا فقط على العمالة الرخيصة بكميات كبيرة، بل يعتمد بشكل رئيسي على تنبُّه ألكسندر وانغ لاتجاهات الصناعة.
في البداية، انخرط في موجة القيادة الذاتية وأصبح سيدًا سريعًا في هذا المجال. ومع زيادة حادة في الطلب على العمالة، ارتفعت تكاليف التعهيد بسرعة أيضًا، حيث انخفضت هامش الربح مرة واحدة من 65٪ إلى 30٪. لحل هذه المشكلة، أسس Scale AI وكالته الخارجية الخاصة، وفي العام الثاني، ارتفع معدل الربح في الشركة إلى 69٪.
عندما بدأت سوق القيادة الذاتية في الانحدار، تحول ألكسندر وانغ بسرعة إلى الذكاء الاصطناعي الإنتاجي وقام بتوسيع قاعدة عملائه إلى مجالات ناشئة مثل الروبوتات ورؤية الحواسيس الحاسوبية والتجارة الإلكترونية.
بفضل حاسة الأعمال المتميزة هذه، تستطيع شركة Scale AI دائمًا دخول الأسواق الناشئة بسرعة وتحتل حصة كبيرة من السوق.
عميل رئيسي أعرب بصراحة عن أن خدمة Scale AI الشاملة تجعلهم يتعاونون مع شركة واحدة فقط، مما يقلل من المتاعب المتعلقة بالتعامل مع 15 موردًا، ويعتبر هذا النوع من الخدمات الشاملة هو ما لا يمكن للمنافسين منافسته.
قدرة Scale AI على التطور المستمر هي ما يميزها ويمكنها من التفوق في المنافسة الشديدة، وهذا له علاقة بتجربة Alexander Wang.
اسم Scale AI كان في الأصل Scale API، ملتزمة بإنشاء واجهة برمجة تطبيقات بسيطة لإنشاء بيانات التدريب، حيث كانت تقوم أساسًا بمهام بسيطة تكرارية مثل مراجعة المحتوى وتصنيف البيانات. مع تحول تدريجي للشركة إلى تسميتها الحالية لتركز بشكل أساسي على تعليم الآلة وتسمية البيانات، تم تغيير اسم الشركة رسميًا إلى Scale AI في عام 2018.
أليكساندر وانغ اختياره لمجال البيانات ليس بصدفة.
عندما كان يدرس في معهد ماساتشوستس للتكنولوجيا، لاحظ ألكسندر وانغ وجود موارد كبيرة متاحة في المدرسة، لكن لا توجد أدوات قياسية أو بنية أساسية موحدة. لاحظ بذكاء أن الشركات التكنولوجية كانت قد تركزت بالفعل على المجالين - الخوارزميات والطاقة الحسابية - وحده قطاع "البيانات" كان لم يلفت انتباه الكثيرون، وهذا هو ما دفعه لاستغلال الفرصة.
تبين الحقيقة أن أليكساندر وانج كان على حق.
يتم استثمار تدفق استمراري من الأموال والموارد في صناعة الذكاء الاصطناعي، مع السابقة Scale API الذي سمح له بتجميع كم هائل من الموارد البيانات والمعرفة في الصناعة، بالإضافة إلى دعم Ultraman الذي حصل عليه خلال بدايات رحلته في ريادة الأعمال مع YCombinator، استطاع ألكسندر وانغ بقوته التنفيذية الكبيرة أن يجمع بين التوقيت والفرصة والقوة البشرية، ليقود Scale AI نحو النجاح بسرعة ليصبح بفضلها وحشاً مصنفاً ضمن هذا المجال.
حتى في مجال تسمية البيانات الذي يبدو بدون فائدة تقنية، نجح Alexander Wang في بناء حواجز تقنية تتبع Scale AI.
ألكسندر وانغ يستوحي من نموذج أمازون، ويحول عمليات تحديد البيانات إلى "خط إنتاج" آلي.
اعتمدت Scale AI على "استراتيجية البحر البشري" في المرحلة الأولى، حيث جمعت موارد بشرية وبيانات غنية، وبدأت في تدريب أدواتها الذكاء الاصطناعي لزيادة الكفاءة. كمية كبيرة من العمالة الأجنبية قدمت لـ Scale AI كميات كبيرة من بيانات التدريب، وفي الوقت نفسه تساعد في تحسينها أثناء استخدام أدوات الذكاء الاصطناعي مرارًا وتكرارًا.
"الجمع الذهبي من التكنولوجيا والإنسان يظهر تقدما كبيرا في كفاءة Scale AI، لكن Scale AI لم تتوقف عند هذا الحد، بل استعدت لمواجهة التحدي التالي، بتوسيع نطاق خدماتها إلى الدورة الحياة كاملة لتطوير الذكاء الاصطناعي، حيث تظل جودة الخدمة على استمرار تفوق المنافسين."
Scale AI أعلنت سابقاً أن خدمات تسمية وتعليق البيانات الخاصة بها أسرع وأرخص وأكثر دقة من حلول البدائل الأخرى. وهي تستخدم عمليات تأكد الجودة المتقدمة وحلقات ردود الفعل لضمان تجانس وموثوقية بياناتها.
اختار أحد العملاء التوقف عن استخدام مزود الخدمة الأصلي بعد المقارنة واختار خدمات Scale AI. "قمنا بتغيير مزود الخدمة بشكل رئيسي بسبب سببين. الأول هو جودة تلصيق العلامات. والثاني هو الطاقة الاستيعابية... لقد نظرنا أيضًا في تسعير حلول أخرى. تظل Scale AI تحتفظ بتنافسية قوية في هذا السوق".
بالإضافة إلى ذلك، تعد الاتفاقيات الصارمة للسرية أحد المزايا الكبيرة لشركة Scale AI. تعاونها مع الجيش وتوقيع عقود دفاعية، يقدم إعلانًا غير مباشر لـ Scale AI. شركة تسمية البيانات التي يثق فيها حتى الجيش، فالسرية مضمونة بالتأكيد.
خلال مقابلة، قال ألكسندر وانغ: "العقبة التي تحد من تطور الذكاء الاصطناعي حاليًا ليست في الحوسبة، بل في البيانات."
القانون النموذجي يوضح أن مع تطور حجم النماذج الحالي، فإن الطلب على البيانات يزداد بشكل تصاعدي، حيث يبدو كما لو أن هناك حفرة سوداء لا قاع لها، لكن في يوم من الأيام سينفد البيانات، ولن تعد الإنترنت "منجم" للبيانات.
البيانات عالية الجودة أصبحت نادرة بشكل متزايد الآن. خاصةً أن بيانات النص يمكن ضغطها بشكل فعال لنقل المعلومات، بينما فعالية ضغط بيانات الفيديو أقل بكثير. كمية البيانات الأصلية المطلوبة لنماذج التدريب المسبق تحتاج إلى التوسع باستمرار لسد الفراغ البياني خلال مرحلة التعلم التعزيزي.
Scale AI لا يرضى بأن يكون فقط "عامل بيانات"، من خلال عدة تحولات، تحول من مزود خدمات تجهيز البيانات ببساطة إلى مزود خدمات شاملة في إدارة البيانات، والتحليل وبناء النماذج.
أغلقت شركة Scale AI جزءًا من مقاوليها الأجانب، وقللت من عدد العمال الأجانب غير الموحدين لرفع مستوى الجودة، وتعمل بنشاط على جذب حملة الدكتوراه وخبراء التكنولوجيا لتلبية احتياجات البيانات على مستوى أعلى.
معالجة البيانات في المستقبل لن تكون في حاجة إلى أدوات التلقين الآلي فقط، بل ستحتاج أيضًا إلى مشاركة كبيرة من الخبراء البشريين. يمكن لهؤلاء الخبراء ليس فقط مساعدة في إنشاء نماذج لغوية كبيرة الحجم أكثر طبيعية وأكثر توجها نحو التفكير البشري، ولكن يمكنهم أيضًا مراجعة البيانات المُنتجة بشكل أكثر ذكاء.
في نظر Alexander Wang، الخبراء يشبهون "وحدة معالجة الرسومات" الحية، حيث يكونون محركًا مهمًا لتعزيز صناعة الذكاء الاصطناعي بفضل حكمتهم وإبداعهم. هذا مصداقٌ لثقافة النخبة في Scale AI. يُطلب من الموظفين التركيز على المشاكل الكبيرة في الصناعة، والعمل بجد لتحويل أفكارهم إلى واقع، واعتبار ذلك مسؤوليتهم الخاصة.
في مجال التوظيف، يسعى Alexander Wang لتطبيق مبادئ MEI: الميزة، التميز، والذكاء. ويشدد على أن Scale AI توظف فقط "أفضل الأشخاص"، حيث أن "التميز" يعد متطلبًا أساسيًا في Scale AI، بينما "الذكاء" هو أمر مرغوب فيه.
يثق المستثمرون أيضًا بشكل غير عادي في Scale AI. وقال عضو مجلس الإدارة وليام هوكي: "نجاح Alexander Wang ليس بسبب كونه عبقريًا شابًا، بل بسبب أن لديه أخلاق مهنية مجنونة لا تمتلكها الآخرون."
فيما يتعلق بالمستقبل البعيد، يعتقد ألكسندر وانج أن معظم النماذج الرائدة في الوقت الحالي تعتمد بشكل كبير على بيانات الإنترنت العامة للتدريب، والفرصة للشركات تكمن في كيفية دمج النماذج العامة مع بياناتها الخاصة، وضبطها بدقة، لإنشاء "سر خاص" يتوافق مع احتياجات عملها وعملائها.
لهذا الغرض، قامت شركة Scale AI بتطوير منصة تسمى EGP تتيح للشركات ضبط النماذج الأساسية (مثل GPT-3.5) باستخدام بياناتها الخاصة لإنشاء نماذج AI مخصصة تلبي احتياجاتها بشكل أفضل.
رؤية Scale AI في المستقبل هي إنشاء منصة يمكنها التعامل مع أي نوع من البيانات وأي نوع من المهام.
في نظر Alexander Wang ، ستصبح مصادر البيانات الحصرية والمتميزة حاجزًا جديدًا لشركات الذكاء الاصطناعي في المستقبل ، وستكون Scale AI الدرع الأقوى المساعد لهم في بناء حواجز بيانات.