Ваші відео з майстерні коштують цілий статок для робототехніки зі штучним інтелектом

Великі моделі ШІ вміють писати, узагальнювати та кодувати, тому що вони «проковтнули» текст з інтернету. Але вони залишаються дуже слабкими в одній конкретній сфері: жести фізичного світу — маніпулювання об'єктом, складання деталі, ремонт машини, збирання фрукта. Ці дані не знайти онлайн: вони створюються в майстернях, на полях, на складах і кухнях, і тому їх потрібно захоплювати біля джерела.

Масштаб дефіциту вражає. За оцінками інвестора Bessemer (BVP), у світі існує лише близько 300 000 годин даних про роботизоване маніпулювання, порівняно з майже мільярдом годин інтернет-відео та десятками трильйонів слів тексту. Це порядок величини — оцінка венчурного капіталіста, а не перевірена цифра — але вона говорить про головне: дані про фізичні жести рідкісні, отже, потенційно цінні.

Компанії, яких це стосується, — це ті, що працюють у реальному світі: майстерні та виробництво, технічне обслуговування та ремонт, автопарки, обладнані камерами, сільське господарство та харчова промисловість, логістика та вантажно-розвантажувальні роботи. Цінність має жест, побачений з першої особи — егоцентричне відео, зняте камерою на голові або GoPro, яке показує руки в роботі, захоплення, послідовність, і особливо складні випадки: дефект, несподіванка, виправлення.

Ринок структурується: виробники роботів та анотатори шукають ці корпуси, і егоцентричні набори даних вже створюються у великих масштабах. Однак слід звернути увагу на рамку: зйомка професійного жесту викликає питання щодо облич, голосів та місць. Правильний підхід — анонімізація, згода, чітка ліцензія — це те, що перетворює ці зображення на безпечний актив. Перший конкретний крок: перевірити, чи ваша діяльність вже генерує ці дані, за допомогою безкоштовної діагностики на d-nvest.