Box Apps może przekształcić Twoje pliki w zautomatyzowane przepływy pracy dzięki sztucznej inteligencji
Wyłącznie: Encord umieszcza multimodalne dane AI - w tym audio - wszystko na jednej platformie.
Platforma do opracowywania danych Encord wykracza poza analizę biznesową i staje się „jedyną na świecie multimodalną platformą do opracowywania danych AI”.
W czwartek firma ogłosiła nowe możliwości multimodalnego adnotowania danych w celu klasyfikowania plików audio i dokumentów - wszystko w jednym interfejsie. Aktualizacja rozszerza istniejącą obsługę firmy Encord w zakresie danych medycznych, systemów wizyjnych i wideo.
Do tej pory chatboty i generatory obrazów AI są stosunkowo powszechne. Jednak wygenerowanie przekonującego wideo lub audio jest znacznie trudniejsze niż wygenerowanie tekstu. Branża sztucznej inteligencji w coraz większym stopniu koncentruje się na możliwościach multimodalnych, zwłaszcza wraz z udostępnieniem takich funkcji, jak tryb głosowy ChatGPT.
Aby dostroić model sztucznej inteligencji, potrzebujesz wysokiej jakości - a czasem bardzo szczegółowych - danych. Dane tekstowe nie zapewniają niuansów potrzebnych tym złożonym modelom, a dokładność jest jeszcze ważniejsza w kontekstach o wysokich stawkach, takich jak medycyna. Konstruktorzy potrzebują platform, które mogą dodawać adnotacje i oceniać wszelkiego rodzaju dane — wideo, audio, obrazy, wykresy, raporty, wykazy sprzedaży detalicznej, pliki PDF i inne, najlepiej w jednym miejscu. Kilku klientów Encord korzysta z platformy do obrazów medycznych, takich jak skany MRI, w celu opracowywania lepszych modeli dla lekarzy.
Posiadanie wysokiej jakości danych dźwiękowych z odpowiednimi adnotacjami pomaga w budowaniu modeli rozpoznawania mowy i emocji, a nawet umożliwia identyfikację dźwięków. Produkty wideo i audio AI wymagają coraz bardziej wyrafinowanej obsługi danych, aby osiągnąć realizm zbliżony do ludzkiego, czy to w zakresie dokładności transkrypcji, czy synchronizacji ruchu warg. Na przykład platforma syntezy tekstu na wideo AI Synthesia wykorzystuje Encord do opracowywania modeli szkoleniowych dla swoich realistycznych awatarów AI.
Aktualizacja Encord zawiera nowe funkcje adnotacji i selekcji dokumentów, plików audio, wizji i danych medycznych. Dzięki adnotacjom multimodalnym zespoły AI mogą dostosować interfejs, aby przeglądać i edytować różne typy plików obok siebie. Obecnie różne typy danych często są izolowane w wielu usługach i platformach, co wydłuża czas i zwiększa koszty adnotacji danych. Encord obsługuje już kluczowe kategorie adnotacji danych, takie jak rozpoznawanie jednostek, tłumaczenie, podsumowania, klasyfikacja tekstu i analiza nastrojów.
„Uzyskanie wglądu w zbiory danych na dużą skalę w trakcie opracowywania modelu jest czasochłonne i często niemożliwe dla zespołów, ze względu na brak integracji i spójnego interfejsu umożliwiającego ujednolicenie tych izolowanych narzędzi” - stwierdziła firma w komunikacie.
Dzięki Encord zespoły AI mogą filtrować swoje dane, aby zidentyfikować i wybrać dokładnie to, czego potrzebują do zbudowania modelu. Pulpit oceny może również oznaczać dane, które utrudniają działanie modelu, dzięki czemu zespoły mogą je usunąć lub zastąpić.
„Klienci Encord używają średnio o 35% mniejszych zestawów danych, co prowadzi do tego, że modele działają o 20% dokładniej” - powiedział ZDNET przedstawiciel Encord pocztą elektroniczną.
Podczas demonstracji współzałożyciel i prezes Encord Ulrik Stig Hansen powiedział ZDNET, że jego zdaniem skupienie się firmy na jakości i centralizacji ostatecznie umożliwi sztuczną inteligencję ogólną (AGI).