摘要： 文章指出，传统的“血汗工厂数据”（低技能工人批量完成的标签和生成任务）已不足以支持人工智能的进一步发展。随着AI模型变得复杂，需要高技能专家参与构建能够模拟现实世界的复杂环境，以训练AI进行长远的、复杂的任务。文章强调，未来的AI进步将依赖于高质量的软件环境、全职专家的参与以及深入的专业知识。此外，文章还提到当前强化学习环境的质量是限制AI进步的关键瓶颈，并呼吁设计更完善的奖励机制和环境。
讨论： 该讨论主要围绕人工智能模型的专业性和通用性展开。一些用户指出，尽管AlphaGo Zero在计算资源上优于GPT-3，但它们的应用范围不同，AlphaGo Zero专注于围棋，而GPT-3则能完成写作、编程、翻译等多种任务，这表明训练数据的重要性。有用户认为将专业模型与通用模型进行比较是不公平的。另一方面，也有用户强调专业知识在数据生成过程中的重要性，认为仅靠数据而不考虑专业知识将无法解决复杂问题。讨论还涉及了OpenAI的招聘策略以及AI在解决现实世界问题中的应用前景。
原文标题：Sweatshop Data Is Over
原文链接：https://www.mechanize.work/blog/sweatshop-data-is-over/
讨论链接：https://news.ycombinator.com/item?id=44824560