يطلق Unity مجموعات بيانات اصطناعية لتقليل وقت وتصريفات تدريب الذكاء الاصطناعي

Unity، منصة رائدة لcontents ثلاثية الأبعاد في الوقت الفعلي (RT3D)، أعلنت عن إطلاق مجموعات بيانات الرؤية الحاسوبية Unity. يمكن أن تؤثر هذه المجموعات على مختلف القطاعات، ولا سيما التصنيع والتجزئة والأمن. وهي تهدف إلى خفض تكلفة تطوير تطبيقات الرؤية الحاسوبية وتوفير وسيلة لتدريب أنظمة الذكاء الاصطناعي بشكل أسرع.

بعد الاهتمام الصارم بالخصوصية والقضايا التنظيمية، يمكن لمقدمي حلول الرؤية الحاسوبية شراء مجموعات بيانات مخصصة لتدريب أنظمة الذكاء الاصطناعي.

أهمية البيانات الاصطناعية

تتم توليد البيانات الاصطناعية عندما لا تتوافق البيانات الحالية مع الشروط أو الاحتياجات المحددة لنظام الذكاء الاصطناعي. وتشمل بعض الحالات التي يتم فيها استخدام البيانات الاصطناعية الحالات التي تقيد فيها متطلبات الخصوصية البيانات المتاحة أو كيفية استخدامها.

غالبًا ما يتم استخدام البيانات الاصطناعية لاختبار المنتجات قبل إطلاقها لأن هناك عادةً لا توجد بيانات موجودة أو لا تزال متاحة. كما أن هذا النوع من البيانات مهم جدًا للخوارزميات التعليمية الآلية، وغالبًا ما يتم استخدامه في التكنولوجيا مثل السيارات ذاتية القيادة، حيث أن الحصول على بيانات فعلية مكلف.

تحاول Unity كسر هذه الحاجز من خلال توفير وصول أكبر إلى مجموعات بيانات اصطناعية عالية الجودة مع مجموعات بيانات الرؤية الحاسوبية Unity.

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

“من خلال إنشاء نسخة اصطناعية من المجموعات التي تعكس قواعد الخصوصية المعتمدة بدقة وتعكس البيانات الفعلية في العالم الحقيقي، نتيح هذه المجموعات الرائدة أن تصل إلى أيدي المزيد من المبتكرين”، يقول لانج.

“بمعنى أساسي، تمكّن هذه المجموعات الشركات من التخطيط للسيناريوهات التي لم تحدث بعد ومحاكاتها، مع زيادة كبيرة في بيانات المستخدم التي تقلد ما سيجدونه مع مرور الوقت في العالم الحقيقي. ونتيجة لذلك، نشهد بيئات داخلية أكثر ذكاءً، مثل محلات السوبرماركت بدون كاشير، والمزيد عندما يكتشف عملاؤنا تطبيقات جديدة.

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

تدوير المجال

تستخدم تقنية مجموعات بيانات الرؤية الحاسوبية Unity تقنية تسمى “تدوير المجال”، والتي تساعد على تطوير مجموعات بيانات متنوعة تحسن الجودة وضبط التحيز. تعمل هذه التقنية من خلال إخراج تحولات في موضع وتنظيم الكائنات، بما في ذلك تباين الإضاءة وزوايا الكاميرا والتركيبات المحتملة.

تتجنب مجموعات بيانات Unity الاصطناعية أيضًا المشاكل المحيطة بالتحيزات بسبب استخدام صور للأشخاص والأماكن الحقيقية من الإنترنت، أو الصور التي يتم التقاطها يدويا.

تزداد التسمية عادةً في السعر كلما زادت تعقيد نوع التسمية، لكن Unity تقدم سعرًا واحدًا لأي نوع من تسميات الصناعة، مما يعني أن السعر نفسه سيدفع لجميع أنواع التسميات، البسيطة والمعقدة. وتعتمد المجموعات على نموذج تسعير متدرج، حيث ينخفض السعر لكل صورة بناءً على الحاجة المتزايدة إلى المزيد من الصور الاصطناعية.

“البيانات الاصطناعية تثور في تدريب نماذج التعلم الآلي لأنها تتغلب على العديد من عيوب البيانات الفعلية التي يتم جمعها وتسميتها يدويا”، يقول لانج.

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