👀 napakaganda… • Pagsusuri ng modelo: 50% • Paglilinis at pag-organisa ng data: 40% • Integrasyon ng sistema: 8% • Pagsasanay ng modelo: 2% Hindi punto na hindi mahalaga ang pagsasanay. Kundi ang karamihan sa mga tao ay sobrang underestimating ang kahalagahan ng data at pagsusuri. Sa pagtatrabaho kasama ang mga founder na nagbuo ng AI camera, robotics, at edge AI systems, nakita namin ang parehong bagay. Madalas ang mga koponan ay nagpapasya nang ilang linggo kung aling modelo ang gagamitin, samantalang mas kaunti ang oras na ginugol para tukuyin ang tagumpay, mapabuti ang mga label, o maunawaan ang mga kaso ng pagkabigo. Ang mas mabuting modelo ay maaaring magbigay ng incremental na pag-unlad. Ang mas mabuting feedback loop ay maaaring magbago sa direksyon ng buong produkto. Habang ang mga foundation model ay naging mas accessible, ang totoong moat ay maaaring hindi ang modelo mismo, kundi ang kalidad ng data at ang disiplinang nakapaligid sa kung paano ito isinusuri.