إطلاق يونيتي لمجموعات بيانات مزيفة لتقليل وقت وبتشجيع تدريب الذكاء الاصطناعي

يونيتي، منصة رائدة لcontents المحتوى ثلاثي الأبعاد في الوقت الفعلي (RT3D)، أعلنت عن إطلاق مجموعة بيانات الرؤية الحاسوبية من يونيتي. يمكن أن تؤثر هذه المجموعة على مختلف الصناعات، ولا سيما التصنيع والتجزئة والأمن. وهي تهدف إلى خفض تكلفة تطوير تطبيقات الرؤية الحاسوبية وتوفير وسيلة لتدريب أنظمة الذكاء الاصطناعي بشكل أسرع.

بعد الالتزام بالاهتمامات الصارمة للخصوصية واللوائح، يمكن لموفري حلول الرؤية الحاسوبية شراء مجموعات بيانات مخصصة لتدريب أنظمة الذكاء الاصطناعي.

أهمية البيانات المزيفة

تُنشأ البيانات المزيفة عندما لا تتوافق البيانات الحالية مع الشروط أو الاحتياجات المحددة لنظام الذكاء الاصطناعي. وتشمل الحالات المثال عندما تقيد متطلبات الخصوصية البيانات المتاحة أو كيفية استخدامها.

غالبًا ما تُستخدم البيانات المزيفة لاختبار المنتجات قبل إطلاقها لأن هناك عادةً لا توجد بيانات موجودة أو لا تتوفر بعد. وتُستخدم هذه النوعية من البيانات أيضًا في خوارزميات التعلم الآلي، وتُستخدم في تقنيات مثل السيارات ذاتية القيادة، حيث يُعد الحصول على البيانات الفعلية مكلفًا.

تحاول يونيتي كسر هذا الحاجز من خلال توفير وصول أكبر إلى مجموعات بيانات مزيفة عالية الجودة مع مجموعة بيانات الرؤية الحاسوبية من يونيتي.

الدكتور داني لانج هو نائب الرئيس الأول لشؤون الذكاء الاصطناعي والتعلم الآلي.

“من خلال إنشاء نسخة مزيفة من المجموعات التي تُحاكي قواعد الخصوصية المُؤكدة وتعكس بدقة البيانات في العالم الحقيقي، نُمكّن هذه المجموعات الثورية من الوصول إلى أيدي المبتكرين،” يقول لانج.

“بصورة أساسية، تمنحنا هذه المجموعات الشركات القدرة على التخطيط ومحاكاة السيناريوهات التي لم يتم اختبارها بعد، مع زيادة كبيرة في بيانات المستخدم التي تُشبه ما سيتم العثور عليه مع مرور الوقت في العالم الحقيقي. ونتيجة لذلك، نرى بيئات داخلية أكثر ذكاءً، مثل محلات السوبرماركت بدون كاشير، وأكثر من ذلك كلما اكتشف عملاؤنا تطبيقات جديدة.

https://www.youtube.com/watch?v=Cz7KWqAgZAw

تخصيص المجال

تُستخدم تقنية تخصيص المجال في مجموعة بيانات الرؤية الحاسوبية من يونيتي، مما يساعد على تطوير مجموعات بيانات متنوعة وتحسين الجودة وضبط التحيز. يعمل هذا من خلال إخراج طفرات في موضع وتنظيم الكائنات، بما في ذلك تباين الإضاءة وزوايا الكاميرا والتهيئة المحتملة.

تتجنب مجموعات البيانات المزيفة من يونيتي أيضًا مشاكل التحيز بسبب استخدام صور للأشخاص والأماكن الحقيقية من الإنترنت أو الصور التي يتم التقاطها يدويا.

تزداد تكلفة التعليقات عادةً مع زيادة تعقيد نوع التعليق، لكن يونيتي تقدم سعرًا واحدًا لجميع أنواع التعليقات، مما يعني أن نفس السعر سيدفع مقابل جميع أنواع التعليقات البسيطة والمعقدة. وتعتمد المجموعات على نموذج تسعير متدرج، حيث يقل سعر الصورة مع زيادة الحاجة إلى المزيد من الصور المزيفة.

“البيانات المزيفة تحول طريقة تدريب نماذج التعلم الآلي، حيث تخطط العديد من عيوب البيانات التي تم جمعها يدويا وتعليمها في العالم الحقيقي،” يقول لانج.

“شرح ما هو ممكن، وربط المبتكرين بالبيانات الميسورة التكلفة التي يحتاجونها لاتخاذ القرارات الصحيحة يظل يدفع يونيتي، بغض النظر عن الصناعة. هذا هو السبب في أن فريقنا سيكون متاحًا لمساعدة العملاء على ضمان أن المجموعات التي تم إنتاجها تتوافق مع المعايير المطلوبة لاحتياجاتهم.”