Kled AI声称以50万用户破解AGI数据瓶颈

概述

追求通用人工智能（AGI）的进程长期受到高质量训练数据可用性的制约。随着公共数据集的耗尽，下一个前沿领域涉及捕捉细微且真实的物理现实。一家自称Kled的初创公司已宣布，他们解决了这一关键的数据短缺问题，并声称已成功动员庞大的消费者劳动力来收集所需信息。

据该公司称，Kled 目前拥有50万名活跃用户，他们正在系统地为人工智能模型收集现实世界的数据。这一举措使 Kled 成为下一代智能基础设施的潜在支柱，将范式从静态网页抓取转向动态的实物数据采集。该平台断言，任何在现实中存在的消费者数据集，现均可在 72 小时内完成采集。

这一进展标志着人工智能公司对待训练方式的重要加速。通过利用庞大的人工贡献者网络，Kled 旨在提供全球最大、最全面的数据应用层，直接解决当前阻碍 AGI 进程的“数据饥渴”问题。

要理解 Kled 声明的规模，首先必须认识到现代 AI 开发面临的危机。我们每天向人工智能询问数百万个问题，但必须有人帮助它学习这些答案。多年来，行业依赖抓取互联网——即公开可用的文本、代码和图像。然而，互联网的开放资源是有限的，且主要已被主流模型摄取殆尽。

“任何在物理现实中可能存在消费者数据集，现均可在 72 小时内完成采集。”

限制因素不再是计算能力，而是训练数据的质量和新颖性。随着模型变得日益复杂，它们需要越来越多特定的真实世界互动，以理解细微差别、物理规律和人类行为。静态数据集无法捕捉物理世界杂乱、复杂的本质。如果没有新鲜且接地气的数据，人工智能风险沦为现有知识的回声室，而非具备真正推理和适应能力的工具。

Kled 将此差距视为实现 AGI 的主要障碍。他们的论点很简单：如果你希望一个人工智能理解现实世界，你就需要来自现实世界的数据，且采集规模与速度是传统手段先前无法实现的。

Kled 将其平台描述为连接人工智能开发者与庞大人类采集员池的应用层。该公司未依赖自动化机器人或小规模研究团队，而是构建了能够同时协调50万名用户的基础设施。这支众包大军充当分布式传感器，从其即时物理环境中捕捉视频、音频和上下文数据。

平台最新迭代Kled V3专为速度与全面性而设计。核心价值主张在于时间效率。过去，收集一个专门数据集可能需要数月全职实地工作。Kled 声称其系统可在不到三天的时间内实现相同范围。

该流程可能涉及任务分发，其中人工智能开发者指定所需数据类型——如特定物体交互、环境条件或人类手势。随后，这些任务被分发至50万名用户，他们使用移动设备或其他录音设备执行任务。数据随后被聚合、处理并提供用于训练。

此模式相较于传统数据收集具有多项优势：

Kled 进入市场标志着向合成与真实世界混合数据管道更广泛趋势的转变。随着对 AGI 需求的增长，专有数据争夺战日益激烈。能够确保独家或提前获取高质量物理世界数据的公司可能获得决定性优势。

该声明由 Kled AI (@useKled) 通过社交媒体线程发布，强调了对平台能力的信心。通过将自己定位为“数据枯竭”问题的解决方案，他们吸引了渴望新鲜输入以改进模型的开发者关注。

然而，对大型人工劳动力的依赖引发了关于数据隐私、劳动伦理和质量控制的疑问。确保 50 万名用户提供一致、高保真数据需要强大的验证机制。Kled 声称自己是“最大且最全面的数据应用层”，表明他们已通过复杂平台架构解决了这些挑战。

AGI 的探索正从算法之战转向数据之战。Kled 断言已通过 50 万名用户解决了数据采集问题，这是一项可能重塑行业的大胆声明。如果成功，该平台可能成为 AI 开发的关键实用工具，提供构建更智能、更接地气的人工智能所需的原始材料。

随着 AGI 截止日期临近，快速收集和处理现实世界数据的能力可能成为决定性竞争优势。Kled 押注人工智能的未来不仅在于更好的代码，更在于通过分布式人类网络与物理世界建立更好的联系。未来几个月将揭晓这一模式能否兑现其一次性解决数据枯竭问题的承诺。