AI benchmarks សម្រេចថាតើម៉ូដែលណាដែលបង្កើតចំណងជើង — ហើយក្រុមហ៊ុនដែលបង្កើតម៉ូដែលទាំងនោះបានរៀនពីរបៀបវាយពួកគេ។ ការចាប់ផ្តើមមួយដែលមានឈ្មោះថា Vals ដែលបានបង្កើតឡើងក្នុងឆ្នាំ 2024 កំពុងភ្នាល់ថាឧស្សាហកម្មនេះត្រូវការអាជ្ញាកណ្តាលដែលការធ្វើតេស្តមិនអាចលេងបាន ហើយវិនិយោគិនគ្រាន់តែគាំទ្រការភ្នាល់នោះតាមរបៀបដ៏ធំមួយ៖ Vals បានរៃអង្គាសប្រាក់បានចំនួន 40 លានដុល្លារ Series A ដែលដឹកនាំដោយ Andreessen Horowitz កាលពីខែមុន បន្ទាប់ពីជុំគ្រាប់ពូជដែលដឹកនាំដោយ 8VC និង Bloomberg Beta ។

ការកើនឡើងរបស់ក្រុមហ៊ុនកើតឡើងចំពេលមានការមិនសប្បាយចិត្តកាន់តែខ្លាំងឡើងអំពីរបៀបដែលសមត្ថភាព AI ត្រូវបានវាស់វែង ហើយតើមានអ្វីកើតឡើងនៅពេលដែល yardstick ក្លាយជាឧបករណ៍ទីផ្សារ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីអាជីវកម្មរបស់ AI សូមតាមដាន ការគ្របដណ្តប់ឧស្សាហកម្ម AI។

នៅពេលដែល Benchmarks ក្លាយជាទីផ្សារ

Benchmarking បានក្លាយជាបទដ្ឋានឧស្សាហកម្មសម្រាប់សុពលភាពសមត្ថភាពរបស់ម៉ូដែល AI ហើយនៅពេលដែលលេខផ្លាស់ប្តូរវិធីរបស់ក្រុមហ៊ុនមួយ សម្រាប់ការផ្សាយពាណិជ្ជកម្មមានឧត្តមភាពលើគូប្រជែង។ ស្តង់ដារល្អមានន័យថាទំនាក់ទំនងសាធារណៈល្អ។

បញ្ហានេះបើយោងតាមសហស្ថាបនិក និងជានាយកប្រតិបត្តិរបស់ Vals លោក Rayan Krishnan គឺថា គំរូកេរ្តិ៍ដំណែលជាច្រើនត្រូវបានបង្កើតឡើងសម្រាប់ម៉ូដែលជំនាន់មុន ហើយក្រុមហ៊ុននានាបានស្វែងរកវិធីបង្កើនប្រសិទ្ធភាពប្រឆាំងនឹងពួកគេ។ នៅពេលដែលសម្ភារៈធ្វើតេស្តជាសាធារណៈ គំរូមួយអាចត្រូវបានបណ្តុះបណ្តាលប្រកបដោយប្រសិទ្ធភាពដើម្បីឆ្លងកាត់ការប្រឡង — ការអនុវត្តដែលឧស្សាហកម្មបានពិពណ៌នាផ្សេងៗគ្នាថាជាការចម្លងរោគ ការប្រើប្រាស់ហួសកម្រិត ឬការបន្លំទាំងស្រុង។

Krishnan បាននិយាយនៅក្នុងបទសម្ភាសន៍មួយជាមួយ TechCrunch ថា "យើងកំពុងឃើញម៉ូឌែលថ្មី និងមានសមត្ថភាពខ្លាំងជាច្រើនបានមកទីផ្សារយ៉ាងឆាប់រហ័ស ហើយស្តង់ដារសិក្សា [មិនត្រូវបាន] ធ្វើតាមការជឿនលឿននៃព្រំដែននោះ" Krishnan បាននិយាយនៅក្នុងបទសម្ភាសន៍ជាមួយ TechCrunch ។

ការធ្វើតេស្តឯកជន កិច្ចការពិភពលោកពិត

Vals ប្រើវិធីសាស្រ្តផ្សេងគ្នានៅលើផ្នែកខាងមុខពីរ។ ទីមួយ វាមិនបង្ហាញជាសាធារណៈនូវសម្ភារៈធ្វើតេស្តជាក់លាក់របស់វា ដែលធ្វើឱ្យវាកាន់តែពិបាកសម្រាប់ក្រុមហ៊ុនក្នុងការបណ្តុះបណ្តាលម៉ូដែលរបស់ខ្លួនប្រឆាំងនឹងការប្រឡង។ ទីពីរ ជំនួសឱ្យការវាស់ស្ទង់ចំណេះដឹងអរូបី — ថាតើគំរូអាចឆ្លើយសំណួរតាមបែប Bar-Exam ដែរ ឬអត់ — Vals វាយតម្លៃពីរបៀបដែលគំរូអនុវត្តកិច្ចការស្មុគស្មាញនៅក្នុងឧស្សាហកម្មជាក់លាក់ដូចជាច្បាប់ ហិរញ្ញវត្ថុ និងការសរសេរកូដ។

Krishnan បាននិយាយថា "អ្វីដែលយើងកំពុងធ្វើគឺពិតជាមើលទៅលើអ្វីដែលជាផលប៉ះពាល់ពិតប្រាកដនៃម៉ូដែល"។ "តើពួកគេអាចធ្វើការងារដែលផលិតផលិតផលមានគុណភាពដូចមនុស្សក្នុងគ្រប់ដែនបានទេ?"

ក្រុមហ៊ុន​ក៏​វាស់​ស្ទង់​របៀប​បរាជ័យ មិន​មែន​ត្រឹម​តែ​ជោគជ័យ​នោះ​ទេ។ Krishnan បាននិយាយថា Vals មានគោលបំណងវិភាគ "ប្រសិនបើគំរូទាំងនេះដំណើរការយ៉ាងសាហាវនៅក្នុងពិភពលោក តើផលប៉ះពាល់អវិជ្ជមាននឹងទៅជាយ៉ាងណា" ដែលជាទស្សនវិជ្ជាវាយតម្លៃដែលចាត់ទុកហានិភ័យធ្លាក់ចុះជាលទ្ធផលដែលអាចវាស់វែងបាន ជាជាងការគិតក្រោយ។

ពីច្បាប់ និងហិរញ្ញវត្ថុ ដល់អនុសញ្ញាទីក្រុងហ្សឺណែវ និងការកែលម្អខ្លួនឯងឡើងវិញ

វិសាលភាពនៃការវាយតម្លៃរបស់ Vals បន្តពង្រីកលើសពីឫសសេវាកម្មវិជ្ជាជីវៈរបស់ខ្លួន។ ទន្ទឹមនឹងច្បាប់ ហិរញ្ញវត្ថុ និងស្តង់ដារសរសេរកូដ លោក Krishnan បាននិយាយថា ឥឡូវនេះក្រុមហ៊ុនបានដំណើរការការធ្វើតេស្តលើសុខភាពផ្លូវចិត្ត សន្តិសុខតាមអ៊ីនធឺណិត និងសុវត្ថិភាពជីវសុវត្ថិភាព ហើយថែមទាំងជាគោលលើការកែលម្អខ្លួនឯងឡើងវិញ ដែលជាប្រធានបទដែលត្រូវបានពិភាក្សាជាទូទៅនៅក្នុងរង្វង់សុវត្ថិភាព AI ជាជាងនៅក្នុងឈុតវាយតម្លៃពាណិជ្ជកម្ម។

ប្រហែលជាភាពទាក់ទាញបំផុតគឺការងាររបស់ខ្លួនលើច្បាប់នៃជម្លោះប្រដាប់អាវុធ ដែល Vals កំពុងសាកល្បងពីរបៀបដែលគំរូយល់ និងអនុវត្តអនុសញ្ញាទីក្រុងហ្សឺណែវ។ វិសាលភាព​បង្ហាញ​ថា​តម្រូវការ​បាន​មក​ពី​ណា៖ មិន​ត្រឹម​តែ​បន្ទប់​ពិសោធន៍​ប្រជែង​គ្នា​ទៅ​កាន់​តារាង​ពិន្ទុ​កំពូល​ប៉ុណ្ណោះ​ទេ ប៉ុន្តែ​សហគ្រាស និង​ស្ថាប័ន​ដែល​ត្រូវ​ការ​ភស្តុតាង​នៃ​របៀប​ដែល​គំរូ​ប្រព្រឹត្ត​ទៅ​ក្នុង​ដែន​ភាគហ៊ុន​ខ្ពស់​មុន​នឹង​ដាក់​ពង្រាយ​វា។

គំរូអាជីវកម្ម៖ បង់ប្រាក់ដើម្បីធ្វើតេស្ត

ក្រុមហ៊ុនបង់ប្រាក់ឱ្យ Vals ដើម្បីវាយតម្លៃគំរូរបស់ពួកគេ — ការរៀបចំដែលអាចមើលទៅហាក់ដូចជាផ្ទុយស្រឡះ។ ហេតុ​អ្វី​បាន​ជា​ក្រុមហ៊ុន​ចំណាយ​ប្រាក់​សម្រាប់​លទ្ធផល​ដែល​អាច​នឹង​អាម៉ាស់? Krishnan ប្រៀបធៀបគំរូទៅនឹងសិស្សដែលបង់ប្រាក់ឱ្យក្រុមប្រឹក្សាភិបាលមហាវិទ្យាល័យដើម្បីយក SAT: ការវាស់វែងឯករាជ្យសូម្បីតែមួយដែលមិនសមហេតុផលជួយក្រុមហ៊ុនដោះស្រាយបញ្ហានិងកែលម្អតាមពេលវេលា។

ទីផ្សារហាក់ដូចជាកំពុងឆ្លើយតប។ Vals និយាយថាបច្ចុប្បន្នប្រាក់ចំណូលរបស់ខ្លួនមានចំនួនប្រាំបីដងធៀបនឹងឆ្នាំមុន ហើយក្រុមរបស់ខ្លួនបានកើនឡើងបីដងចាប់តាំងពីដើមឆ្នាំនេះ ដោយកើនឡើងពីប្រាំបីនាក់ដល់ 25នាក់។ ក្រុមហ៊ុននេះដំណើរការពីការិយាល័យពីរជាន់នៅផ្លូវ Folsom នៃទីក្រុងសាន់ហ្វ្រាន់ស៊ីស្កូ ដែលជាអតីតអគាររោងចក្រផលិតស្រាបៀរដែលឥឡូវនេះមានកន្លែងចាប់ផ្តើមអាជីវកម្មជាច្រើន។

យោងតាមក្រុមហ៊ុនបានឱ្យដឹងថា ការវាយតម្លៃក៏កំពុងក្លាយជាកត្តាធ្វើការសម្រេចចិត្តសម្រាប់សហគ្រាសទិញទំនិញសម្រាប់ម៉ូដែល AI ផងដែរ យោងទៅតាមក្រុមហ៊ុនដែលផ្តល់ជាគោលនូវតួនាទីកាន់តែជិតទៅនឹងភាពឧស្សាហ៍ព្យាយាមជាងទីផ្សារ។

ស្ថាបនិកអាយុ 25 ឆ្នាំដែលមានកៅអីខាងមុខ

Krishnan អាយុ 25 ឆ្នាំបានហាត់ការនៅ Palantir ហើយក្នុងនាមជានិស្សិតថ្នាក់បរិញ្ញាបត្រនៅ Stanford បានធ្វើការឱ្យក្រុមហ៊ុន Microsoft និងមន្ទីរពិសោធន៍បញ្ញាសិប្បនិម្មិតដ៏ល្បីល្បាញរបស់សាកលវិទ្យាល័យ។ គាត់និយាយថា Vals កើតចេញពីការមើលការវាយតម្លៃធ្លាក់ចុះនៅពីក្រោយឧស្សាហកម្មដែលវាត្រូវបានគេសន្មត់ថាវាស់វែង - គម្លាតដែលបានពង្រីកនៅពេលដែលម៉ូដែលថ្មីមកដល់លឿនជាងស្តង់ដារសិក្សាអាចត្រូវបានរចនា សុពលភាព និងបោះពុម្ពផ្សាយ។

ការចាប់ផ្តើមអាជីវកម្មឥឡូវនេះបានចូលរួមជាមួយក្រុមក្រុមហ៊ុនតូចៗ ប៉ុន្តែកំពុងរីកចម្រើនដែលកំពុងព្យាយាមរៀបចំការវាយតម្លៃ AI ដែលជាកន្លែងមួយដែលរួមបញ្ចូលការខិតខំប្រឹងប្រែងសិក្សា គម្រោងតារាងពិន្ទុបើកចំហ និងវិទ្យាស្ថានសុវត្ថិភាព។ អ្វីដែលខុសប្លែកពី Vals គឺគំរូតេស្តឯកជនរបស់វា ហើយផ្តោតលើការវាយតម្លៃជាក់លាក់ក្នុងឧស្សាហកម្មដែលបានបង់ ជាជាងចំណាត់ថ្នាក់សាធារណៈ។

ហេតុអ្វីវាសំខាន់

បញ្ហាភាពជឿជាក់របស់ឧស្សាហកម្ម AI ជាមួយនឹងស្តង់ដារត្រូវបានចងក្រងជាឯកសារយ៉ាងល្អ៖ សំណុំតេស្តលេចធ្លាយ ការលោតតារាងពិន្ទុគួរឱ្យសង្ស័យ និងការអះអាងពីទីផ្សារដែលលើសពីការអនុវត្តជាក់ស្តែង។ ប្រសិនបើអ្នកទិញ - ជាពិសេសសហគ្រាស និងរដ្ឋាភិបាល - ចាប់ផ្តើមពឹងផ្អែកលើឯកជន ការវាយតម្លៃផ្អែកលើភារកិច្ចដូចជា Vals' ការលើកទឹកចិត្តសម្រាប់អ្នកអភិវឌ្ឍន៍គំរូអាចផ្លាស់ប្តូរពីការបង្រៀនទៅការធ្វើតេស្តឆ្ពោះទៅរកសមត្ថភាពពិតប្រាកដ។

នោះ​គឺ​ជា​ផ្លូវ​ឆ្ងាយ​ពី​ការ​តាំង​ទីលំនៅ។ ស្តង់ដារឯកជននៅតែស្នើឱ្យអ្នកទិញជឿទុកចិត្តលើអាជ្ញាកណ្តាល ហើយអតិថិជនរបស់ Vals គឺជាក្រុមហ៊ុនដូចគ្នាដែលត្រូវបានចាត់ថ្នាក់។ ប៉ុន្តែជាមួយនឹង 40 លានដុល្លារ Series A កំណើនប្រាក់ចំណូលចំនួនប្រាំបីដង និងតម្រូវការផ្នែកហិរញ្ញវត្ថុដល់សន្តិសុខជីវសុវត្ថិភាព ការភ្នាល់គឺថាការវាយតម្លៃដោយអារម្មណ៍ឯករាជ្យកំពុងក្លាយជាហេដ្ឋារចនាសម្ព័ន្ធ — សេវាកម្មដែលសេដ្ឋកិច្ច AI នឹងចំណាយសម្រាប់ថាតើលទ្ធផលដែលវាពេញចិត្តឬអត់។

នាំមុខ AI

តើអ្នកណាជាអ្នកវាស់ស្ទង់? តាមដានអាជីវកម្មនៃការវាយតម្លៃ AI និងការចាប់ផ្ដើមអាជីវកម្មឡើងវិញនៅ AI Buzz Wire ប្រភពរបស់អ្នកសម្រាប់ ព័ត៌មាន AI បែកធ្លាយ។

អានព័ត៌មាន AI ចុងក្រោយបំផុត →