Yüksek kaliteli veriler, yüksek kaliteli yapay zekanın anahtarı olabilir. İle çalışmalar Bir yapay zeka modelinin performansını gerçekten etkileyen şeyin boyuttan ziyade veri seti iyileştirmesi olduğunu keşfedersek, veri seti yönetimi uygulamalarına giderek daha fazla önem verilmesi şaşırtıcı değil. Buna göre bazı anketlerYapay zeka araştırmacıları günümüzde zamanlarının çoğunu veri hazırlama ve organizasyon görevlerine harcıyor.
Vahan Petrosyan ve Tigran Petrosyan kardeşler, üniversitede algoritma eğitimi alırken çok sayıda veriyi yönetmek zorunda kalmanın acısını hissettiler. Vahan, doktorası sırasında bir veri yönetimi aracı yaratacak kadar ileri gitti. Görüntü segmentasyonu üzerine araştırmalar.
Birkaç yıl sonra Vahan, geliştiricilerin ve hatta şirketlerin benzer araçlara memnuniyetle para ödeyeceğini fark etti. Bunun üzerine kardeşler bir şirket kurdular. Süper Açıklama Ekleonu inşa etmek için.
Vahan, yaptığı açıklamada, “2023’te çevreleyen modellerde ve çok modlu yapay zekada inovasyon patlaması sırasında, her kuruluşun özel veriler gerektiren birden fazla kullanım senaryosuna sahip olması nedeniyle yüksek kaliteli veri kümelerine olan ihtiyaç daha sıkı hale geldi” dedi. “Modern yapay zeka eğitim verileri için İsviçre Çakısı gibi kullanımı kolay, az kodlu bir platform oluşturma fırsatını gördük.”
Müşterileri arasında Databricks ve Canva’nın da bulunduğu SuperAnnotate, kullanıcıların büyük yapay zeka eğitim veri kümeleri oluşturmasına ve bunları takip etmesine yardımcı oluyor. Başlangıçta yazılım etiketlemeye odaklanan girişim, artık veri setlerinin ince ayarlanması, yinelenmesi ve değerlendirilmesi için araçlar sağlıyor.
SuperAnnotate’in platformuyla kullanıcılar, ekip arkadaşlarıyla işbirliği yapabilecekleri veri projeleri oluşturmak için yerel kaynaklardan ve buluttan gelen verileri birbirine bağlayabilir. Kullanıcılar bir kontrol panelinden modellerin performansını onları eğitmek için kullanılan verilere göre karşılaştırabilir ve hazır olduklarında bu modelleri çeşitli ortamlara dağıtabilirler.
SuperAnnotate ayrıca şirketlerin veri açıklama görevleri için kalabalık kaynaklı çalışanlardan oluşan bir pazara erişmesini sağlar. Ek açıklamalar genellikle modellerin üzerinde eğitim aldığı verilerin anlamını veya bölümlerini etiketleyen metin parçalarıdır ve modeller için kılavuz görevi görerek onlara nesneleri, yerleri ve fikirleri ayırt etmeyi “öğretir”.
Açık konuşmak gerekirse Orası birkaç tane var Reddit Konular SuperAnnotate’in kullandığı veri açıklayıcılara yaklaşımı hakkında ve bunlar gurur verici değil. Yorumcular iletişim sorunlarından, belirsiz beklentilerden ve düşük ücretlerden şikayetçi.
SuperAnnotate ise adil piyasa oranları ödediğini ve açıklayıcılara yönelik taleplerinin sektör normlarının dışında olmadığını iddia ediyor. Şirketten uygulamaları hakkında daha ayrıntılı bilgi vermesini istedik ve geri bildirim alırsak bu yazıyı güncelleyeceğiz.
AI veri yönetimi alanında Scale AI, Weka ve Dataloop gibi yeni kurulan şirketler de dahil olmak üzere birçok rakip var. San Francisco merkezli SuperAnnotate, yakın zamanda Socium Ventures liderliğindeki, Nvidia, Databricks Ventures, Play Time Ventures ve Defy.vc’nin katılımıyla düzenlenen B Serisi turunda 36 milyon dolar toplayarak kendine hakim olmayı başardı.
SuperAnnotate’in topladığı toplamı 53 milyon doların biraz üzerine çıkaran yeni sermaye, yaklaşık 100 kişilik mevcut ekibini genişletmek, ürün Ar-Ge’si için ve SuperAnnotate’in yaklaşık 100 şirketten oluşan müşteri tabanını büyütmek için kullanılacak.
Vahan, “Kurumların gelişen ihtiyaçlarına tam olarak uyum sağlayabilen ve veri ince ayarında kapsamlı özelleştirme sunabilen bir platform oluşturmayı hedefliyoruz” dedi.