يقدم Appen بيانات تدريب عالية الجودة لمصنعي المركبات المستقلة

أبين المحدودة (ASX: APX) ، المزود الرائد لبيانات التدريب عالية الجودة للمؤسسات التي تبني أنظمة ذكاء اصطناعي فعالة على نطاق واسع ، أعلن اليوم عن إمكانات معززة لضمان وصول مصنعي السيارات المستقلة إلى بيانات تدريب عالية الجودة ويمكنهم الحصول على أقصى قيمة من استثمار بيانات التدريب. تعد بيانات التدريب عالية الجودة ضرورية لضمان عمل المركبات المستقلة بأمان وكما هو متوقع ، ويمكن لشركة Appen ، التي تعمل مع 7 من أكبر 10 شركات سيارات عالمية وموردي المستوى 1 ، تقديم دقة تصل إلى 99٪ لمشاريع الذكاء الاصطناعي متعددة الوسائط المعقدة للغاية.

قال ويلسون بانغ، مدير التكنولوجيا التنفيذي في Appen: "لا يكفي أن تؤدي المركبات أداءً جيدًا في ظروف مناخية محاكاة أو جيدة في نوع واحد من التضاريس". "يجب عليهم أن يقدموا أداءً لا تشوبه شائبة في جميع الظروف الجوية وفي كل سيناريوهات الطرق التي يمكن تخيلها والتي سيواجهونها في عمليات النشر في العالم الحقيقي. وهذا يعني أن الفرق التي تعمل على نموذج التعلم الآلي (ML) للذكاء الاصطناعي في السيارة يجب أن تركز على الحصول على بيانات التدريب بأعلى دقة ممكنة قبل أن تتمكن من النشر على الطريق. يثق عملاؤنا بنا فيما يتعلق بسيناريوهات التعليقات التوضيحية لبيانات التدريب الأكثر تعقيدًا
لأن منصتنا وخدماتنا الرائدة في مجال التعليقات التوضيحية تمكننا من تقديم الجودة العالية اللازمة لتشغيل خوارزميات السيارات ذاتية القيادة متعددة الوسائط ".

لفهم ظروف الطرق والطقس والسلامة والاستجابة لها بشكل صحيح ، تتطلب المركبات المستقلة مجموعات بيانات معقدة ومتعددة الأبعاد من أنواع عديدة ومتعددة من أجهزة الاستشعار. لا يمثل هذا تحديًا بسبب تخصص البائع فحسب ، بل يخلق أيضًا تحديًا هائلاً لضمان الجودة لعملية التعليقات التوضيحية على البيانات لأنه عندما تتلقى الفرق التي تدرب النماذج بيانات تدريب ذات جودة رديئة ، يجب أن يضيعوا وقتًا كبيرًا وموارد كبيرة لإجراء عمليات تدقيق داخلية لتحديد أجزاء مجموعات البيانات التي تحتاج إلى تحسين لتوفير فائدة صافية لنماذج التعلم الآلي الخاصة بهم.

مع أكثر من 15 عامًا من الخبرة في صناعة السيارات ، تعمل فرق التعليقات التوضيحية للبيانات في Appen بانتظام مع مصنعي السيارات المستقلة لمراجعة بياناتهم المشروحة الحالية ومساعدتهم على الاقتراب من الجودة بنسبة 100٪ ، حتى يتمكنوا من الحصول على أقصى قيمة من بيانات التدريب الخاصة بهم. على سبيل المثال ، لتمكين خوارزميات ML للمركبات المستقلة متعددة الوسائط ، تحتاج بعض الشركات المصنعة إلى ربط مجموعتي بيانات متميزتين بأبعاد مختلفة. من الصعب للغاية القيام بذلك يدويًا ولكنه مهم لتطوير طراز السيارة المستقلة.

من خلال النظام الأساسي التكنولوجي المتطور من Appen الذي يقدم تعليقًا توضيحيًا سحابيًا ثلاثي الأبعاد مع تتبع الكائن بنسبة 3 +٪ على مستوى متوازي المستطيلات ، يمكن للعملاء الآن إضافة تعليقات توضيحية إلى مجموعة بيانات تحتوي على صور ثنائية الأبعاد مرتبطة بواحد مع تعليقات سحابية ثلاثية الأبعاد لرسم الخرائط عبر أبعاد متعددة أثناء محاذاة مجموعة بيانات متسقة متطلبات معرف الكائن عبر أكثر من 99 إطارًا.

"لا يزال مشروعنا في المرحلة التجريبية ، وكنا بحاجة إلى تسريع الدورة للوصول إلى الإنتاج ، الأمر الذي يتطلب بيانات تدريبية تلبي متطلبات الخوارزمية بسرعة. أداة التعليق التوضيحي ، بما في ذلك 3D LiDAR وميزات التحكم عالية الجودة وسير العمل ، مدمجة بالفعل في النظام الأساسي Appen. يساعدنا هذا في ضمان تحسين العملية بناءً على متطلبات مشروعنا ، مما يتيح التعاون السلس بين فريقنا وفريق Appen. قال أحد كبار قادة المشروع في Ecarx ، وهي شركة تكنولوجيا سيارات تبني منصة ذكية ومتصلة لنماذج المركبات المتعددة ، "نتطلع إلى نقل هذا النموذج التجريبي الداخلي إلى الإنتاج".

تجمع منصة بيانات التدريب Appen بين الذكاء البشري من أكثر من مليون شخص حول العالم مع النماذج المتطورة لإنشاء بيانات تدريب عالية الجودة لمشاريع التعلم الآلي. تلتزم Appen أيضًا بمساعدة عملائها على ضمان الذكاء الاصطناعي المسؤول - من الطيار إلى الإنتاج - استنادًا إلى الممارسات الأخلاقية وتنوع البيانات ، عبر جميع حالات الاستخدام الرئيسية.