أطلقت الوحدة مجموعات البيانات الاصطناعية لتقليل وقت تدريب الذكاء الاصطناعي والميزانيات

وحدةأعلنت شركة Unity Computer Vision Datasets، وهي منصة رائدة للمحتوى ثلاثي الأبعاد (RT3D) في الوقت الفعلي، عن إطلاق مجموعات بيانات Unity Computer Vision Datasets. يمكن أن تؤثر مجموعات البيانات هذه على مختلف الصناعات، وخاصة التصنيع والبيع بالتجزئة والأمن. وتهدف إلى خفض تكلفة تطوير تطبيقات رؤية الكمبيوتر مع توفير طريقة لتدريب أنظمة الذكاء الاصطناعي بشكل أسرع.

باتباعًا للخصوصية الصارمة والمخاوف التنظيمية ، يمكن الآن شراء مجموعات البيانات المفصلة من قبل موفري حلول رؤية الكمبيوتر لتدريب أنظمة الذكاء الاصطناعي. 

أهمية البيانات التركيبية

يتم إنشاء البيانات التركيبية عندما لا تفي البيانات الحالية بالشروط أو الاحتياجات المحددة لنظام الذكاء الاصطناعي. تتضمن بعض الأمثلة الحالات عندما تحد متطلبات الخصوصية من البيانات المتاحة أو كيف يمكن استخدامها. 

غالبًا ما تُستخدم البيانات الاصطناعية لاختبار منتج تم إصداره مسبقًا نظرًا لعدم وجود بيانات موجودة عادةً، أو أنها غير متوفرة بعد. يعد هذا النوع من البيانات أمرًا بالغ الأهمية أيضًا لخوارزميات التعلم الآلي، وغالبًا ما يستخدم في تقنيات مثل المركبات ذاتية القيادة، نظرًا لأن الحصول على البيانات الفعلية أمر مكلف. 

تحاول Unity كسر هذا الحاجز من خلال توفير وصول أكبر إلى مجموعات البيانات التركيبية عالية الجودة باستخدام مجموعات بيانات Unity Computer Vision.

الدكتور داني لانج هو نائب الرئيس الأول للذكاء الاصطناعي وتعلم الآلة. 

يقول لانج: "من خلال إنشاء نسخة تركيبية من مجموعات البيانات التي تعكس قواعد الخصوصية التي تم التحقق من صحتها وتعكس بدقة بيانات العالم الحقيقي ، فإننا نمكّن مجموعات البيانات الرائدة هذه من الوصول إلى أيدي المزيد من المبتكرين". 

"بشكل أساسي ، تعمل مجموعات البيانات هذه على تمكين الشركات من التخطيط ومحاكاة السيناريوهات التي لم تختبرها بعد ، مع زيادة كبيرة في بيانات المستخدم التي تحاكي ما سيجدونه بمرور الوقت في العالم الحقيقي. نتيجةً لذلك ، نشهد بيئات داخلية أكثر ذكاءً ، مثل متاجر البقالة غير النقدية ، والمزيد عندما يكتشف عملاؤنا تطبيقات جديدة ". 

عشوائية المجال

يُطلق على التقنية التي تستخدمها مجموعات بيانات رؤية الكمبيوتر في Unity اسم "المجال العشوائي" ، والذي يساعد في تطوير مجموعات بيانات متنوعة تعمل على تحسين الجودة والتحكم في التحيز. إنه يعمل عن طريق إخراج التباديل في موضع واتجاه الكائنات ، بما في ذلك تباينات الضوء وزوايا الكاميرا والتكوينات الممكنة. 

تتجنب مجموعات البيانات التركيبية الخاصة بالوحدة أيضًا المشاكل المحيطة بالتحيزات الناتجة عن استخدام صور لأشخاص حقيقيين وأماكن من الإنترنت ، أو الصور التي تم التقاطها يدويًا.

عادةً ما تزداد التعليقات التوضيحية في السعر كلما كان نوع التعليق التوضيحي أكثر تعقيدًا ، ولكن Unity تقدم سعرًا واحدًا لأي نوع من الملصقات ، مما يعني أنه سيتم دفع نفس السعر لأنواع الملصقات القياسية الصناعية البسيطة والمعقدة. تستند مجموعات البيانات إلى نموذج تسعير متدرج ، مع انخفاض سعر الصورة بناءً على الحاجة المتزايدة لمزيد من الصور الاصطناعية.

قال لانج: "تُحدث البيانات التركيبية ثورة في تدريب نماذج التعلم الآلي لأنها تتغلب على العديد من أوجه القصور في بيانات العالم الحقيقي التي تم جمعها يدويًا والمُصنفة".

"إن شرح ما هو ممكن ، وربط المبدعين بالبيانات المعقولة التكلفة التي يحتاجون إليها لاتخاذ القرارات الصحيحة ، يستمر في دفع الوحدة ، بغض النظر عن الصناعة. هذا هو السبب في أن فريقنا سيكون متاحًا لمساعدة العملاء في ضمان أن مجموعات البيانات المنتجة تلبي المعايير الصحيحة لاحتياجاتهم ".