Создание датасетов для обучения больших ИИ-моделей может получить господдержку
Минцифры и бизнес обсуждают возможность субсидировать затраты или предусмотреть грантовую поддержку формирования качественных датасетов (набор данных) для обучения больших фундаментальных моделей. Мера необходима для поддержки создания датасетов с целью последующего использования научными и исследовательскими центрами.
Соответствующее предложение представители бизнеса, госкорпораций и правительства обсуждали на заседании рабочей группы «Меры поддержки ИИ» 10 сентября. Об этом “Ъ” рассказали два источника, участвовавших в обсуждениях, и подтвердил еще один, знакомый с повесткой встречи. Согласовать финансовые меры поддержки регулятор и бизнес должны до 30 сентября 2026 года.
Собеседник “Ъ” пояснил, что такая поддержка может дать заметный эффект, поскольку она позволит создавать качественные русскоязычные и отраслевые наборы данных, доступные нескольким исследовательским командам. Мера также может снизить случаи повторного использования данных и дублирования затрат.
Подробнее — в материале «В поисках капитала гранта».
Главная издержка при создании датасета связана не с объемом собранной информации, а с ее подготовкой: очистка и разметка нередко занимают больше времени и оказываются сложнее самого обучения модели. При этом большой массив неочищенных данных может дать худший результат, чем небольшой набор качественно подготовленной информации.
Часть необходимых данных уже находится внутри экосистем крупного бизнеса, однако отсутствие обмена между отраслями ограничивает их доступность и разнообразие. Финансирование наборов, рассчитанных на совместное использование несколькими исследовательскими командами, должно сократить повторный сбор и обработку одних и тех же данных. Для прикладных задач особенно важны отраслевые наборы: в отдельных доменах более эффективными могут быть небольшие специализированные нейросети, а не универсальные модели.