トレーニングデータ

マスクは、AIプログラミング会社Cursorの買収理由について、真に優れたスーパーインテリジェンスを構築するには大量のトレーニングデータが必要であり、プログラミングを克服しなければならないと述べました。マスクによれば、十分なプログラミングトレーニングデータを持つ機関は3つしかなく、OpenAI、Anthropic、そしてCursorです。かろうじてGoogleも含めることができます。マスクの会社SpaceXは8月14日にCursorの買収を完了し、取引額は約600億ドルです。

市場の情報によると、AIトレーニングデータのスタートアップAfterQueryが新たな資金調達を完了し、評価額は32億ドルに達しました。4月に3億ドルの評価額で3,000万ドルのAラウンド資金調達を完了してからわずか5ヶ月で、評価額は10倍以上に増加しました。Y CombinatorのパートナーであるGustaf Alströmerによれば、これはYCの歴史の中で設立からユニコーンになるまでの速度が最も速いスタートアップです。AfterQueryの創業者はわずか22歳と23歳で、18ヶ月前にYCの2025年冬季バッチに参加したばかりです。同社は4月に年換算収益が1億ドルに達したと発表し、顧客にはNVIDIA、Legora、韓国のAIラボMotif Technologiesが含まれています。AfterQueryは、モデルのトレーニングとエージェントが専門家のようにタスクを完了する方法に焦点を当てており、単に答えの正確性を確保することだけではありません。

ChainCatcher のメッセージによると、AI トレーニングデータプラットフォーム Public AI が CoinList の公募を完了し、200 万ドルを調達し、予想を上回ったとのことです。これまでに、同社は Stanford Blockchain Accelerator、Solana Foundation、NEAR Foundation の支援を受けた 1000 万ドルの機関投資を獲得しており、総調達額は 1200 万ドルに達しています。今回の公募は「ボトムフィリング」方式を採用し、小口参加者に優先的に配分され、未当選者には返金されます。PublicAI のトークン生成イベント（TGE）は 8 月 15 日にバイナンス Alpha プラットフォームで開始され、その後主要取引所に上場する予定です。

ChainCatcher のメッセージによると、TechCrunch の報道で、イーロン・マスクは Stagwell の会長マーク・ペンとのライブ対話の中で、現在の AI モデルのトレーニングは実世界のデータをほぼ使い果たしており、「私たちは人類の知識の蓄積の総和を使い尽くしました。これは昨年に起こりました。」と述べました。マスクは、前 Open AI のチーフサイエンティストであるイリヤ・サツケバーと同じ見解を持っており、彼は NeurIPS 機械学習会議で AI 業界が「データのピーク」に達しており、今後はモデル開発の方法を変える必要があると提案しました。マスクは、合成データが実データを補完する手段になると考えており、AI は生成と自己評価データを通じて自己学習を実現すると述べています。この傾向は、マイクロソフト、Meta、Open AI、Anthropic などのテクノロジー大手によって採用されており、マイクロソフトの Phi-4 モデルやグーグルの Gemma モデルは、実データと合成データを組み合わせてトレーニングされています。ガートナーは、2024年の AI および分析プロジェクトの約 60% のデータが合成生成されると予測しています。合成データの利点にはコスト削減が含まれます。例えば、AI スタートアップの Writer は、ほぼ完全に合成データに基づく Palmyra X 004 モデルを開発するのに約 70 万ドルを費やしましたが、同規模の Open AI モデルの開発コストは約 460 万ドルです。しかし、合成データにはリスクもあり、モデルの創造性の低下、出力の偏りの悪化、そして潜在的なモデルの崩壊が含まれます。特に、トレーニングデータ自体に偏りがある場合、生成結果にも影響を与える可能性があります。