Ang Meta ay sistematikong nagpapalit ng mga panloob na operasyon nito sa isang kalakhang post-training na kapaligiran para sa mga modelo ng artificial intelligence.
Ano ang tunay na ibig sabihin ng post-training, at bakit ito mahalaga
Ang pagbuo ng isang AI model ay nangyayari sa dalawang pangunahing yugto. Ang pre-training ay ang bahagi kung saan binibigyan ng malaking amount ng data ang isang model upang matutunan nito ang mga pattern, wika, at pag-iisip. Ang post-training naman ay ang sumusunod: ang fine-tuning, ang alignment, ang mga feedback loops na nagpapalit sa isang matalinongunit-hindi pa handang model sa isang tunay na kapaki-pakinabang.
Inaangkop ng Meta ang buong korporatibong mekanismo bilang isang buhay na laboratorio para sa ikalawang yugto. Ang mga panloob na programa tulad ng “AI Week” ay disenyo upang hikayatin ang mga empleyado sa buong kumpanya na aktibong makilahok sa mga tool at proyekto ng AI, at magbigay ng tunay na feedback.
Kapag libu-libong empleyado ang nakikipag-ugnayan sa mga sistema ng AI habang nagtatrabaho, kahit sa ad targeting, content moderation, product design, o internal communications, bawat pagkakataon ay naging isang data point. Bawat pagkakamali ay naging training signal. Bawat workflow ay naging benchmark.
Ang imprastruktura sa likod ng estratehiya
Nilikha ang mga bagong tungkulin tulad ng “AI Research Scientist, Post-Training” sa loob ng Superintelligence Labs ni Meta. Ang mga posisyong ito ay umiiral upang disenyo, pamahalaan, at optimisahin ang mga feedback loop sa pagitan ng workforce ni Meta at ang mga AI model nito.
I-invest ng Meta ang $14.3 bilyon para sa 49% stake sa Scale AI, ang kumpanya sa pag-label at pag-evaluate ng data. Espesyalisado ang Scale AI sa mataas na kalidad na tao na pag-evaluate na nagpapakapanao sa post-training. Ang pagsasama ng eksternal na kakayahan na ito sa isang internal na workforce-as-testbed na estratehiya ay nagbibigay sa Meta ng dalawang direksyon na pagkakataon.
Bakit ito nag-uugnay sa pagpapalabas, kita, at lahat ng iba pa
Ipinakita ni Mark Zuckerberg ang papel ng AI sa pagpapabuti ng efisiyensiya ng pag-ad sa mga platform ng Meta. Kapag mas magiging mahusay ang mga modelong AI sa pag-unawa sa intensyon ng user, paghuhula sa engagement, at paggawa ng mga creative asset, tataas ang kita mula sa ad.
Gumagamit ng isang AI tool ang isang empleyado sa ads division ng Meta upang mapabuti ang pagtutok ng kampanya. Gumagawa ang tool ng isang rekomendasyon. Tinatanggap, binabago, o tinatanggihan ng empleyado ito. Bawat isa sa mga aksyong ito ay isang training signal na bumabalik sa model. I-multiply ito sa libu-libong empleyado at milyon-milyong desisyon, at maging ang sariling operasyon ng Meta ay isang post-training resource.
Ano ang ibig sabihin nito para sa mga investor at sa mas malawak na larangan ng AI
Ang pag-invest sa $14.3 bilyon sa Scale AI ay nagdaragdag ng eksternal na kahusayan sa panloob na proseso. Ang propesyonal na pag-label at pag-evaluate ng data, kasama ang organic na feedback ng mga empleyado, ay bumubuo ng isang post-training pipeline na malawak at malalim.
Ang panganib ay ang pagpapatupad. Ang pagpapalit ng isang malawak na korporasyon sa isang maayos na kapaligiran para sa pagtatrain ng AI ay nangangailangan ng koordinasyon na hindi natural sa mga organisasyon ng laki ni Meta. Maaaring maging performative ang mga panloob na proyekto sa AI, kung saan ang mga empleyado ay nagpapakita lang ng mga gawain sa “AI Week” nang walang pagbuo ng tunay, mataas na signal na feedback na talagang nagpapabuti sa mga modelo.
Mayroong historical na ugnayan ang Meta sa mga stablecoin project at digital payments infrastructure. Maaaring makaaapekto sa huli ang isang mas kayang AI layer sa mga platform ng Meta kung paano isasama ang mga digital asset sa messaging, komersyo, at advertising.