تقنية التسمية الآلية الجديدة من Voxel51 توعد بتقليص تكاليف التسمية بنسبة 100،000 مرة

دراسة رائدة جديدة من شركة الرؤية الحاسوبية الناشئة Voxel51 تشير إلى أن نموذج التسمية التقليدية على وشك أن يتعرض للقلب. في بحث صدر اليوم، تقارن الشركة بين نظام التسمية الآلي الجديد الذي حقق نسبة دقة تصل إلى 95٪ من دقة الإنسان، مع كونها أسرع 5،000 مرة وأقل تكلفة بنسبة تصل إلى 100،000 مرة من التسمية اليدوية.

تم اختبار النماذج الأساسية مثل YOLO-World و Grounding DINO على مجموعات بيانات معروفة مثل COCO و LVIS و BDD100K و VOC. وبشكل ملفت، في العديد من السيناريوهات الواقعية، أدت النماذج التي تم تدريبها حصريًا على التسميات التي تم إنشاؤها بواسطة الذكاء الاصطناعي على نفس مستوى الأداء – أو حتى أفضل من – تلك التي تم تدريبها على التسميات البشرية. بالنسبة للشركات التي تبني نظم الرؤية الحاسوبية، فإن الآثار هائلة: يمكن أن توفر ملايين الدولارات في تكاليف التسمية، ويمكن أن ت缩ر زمن دورة تطوير النماذج من أسابيع إلى ساعات.

عصر جديد من التسمية: من العمل اليدوي إلى خطوط أنابيب قادرة على النماذج

لمدة عقود، كانت تسمية البيانات عائقًا مؤلمًا في تطوير الذكاء الاصطناعي. من ImageNet إلى مجموعات بيانات المركبات ذاتية القيادة، اعتمدت الفرق على جيش هائل من العمال البشر لdrawing صناديق الحدود وتنقيح الكائنات – وهي جهود باهظة الثمن وبطيئة.

المنطق السائد كان بسيطًا: أكثر البيانات المسمى يدويا = الذكاء الاصطناعي أفضل. لكن بحث Voxel51 يقلب هذا الافتراض رأسًا على عقب.

تعتمد نهجهم على النماذج الأساسية المسبقة التدريب – بعضها يتمتع بقدرات التصوير من الصفر – ودمجها في خط أنابيب ي自动 التسمية الروتينية باستخدام التعلم النشط لتحديد الحالات غير المؤكدة أو المعقدة للمراجعة البشرية. هذا الأسلوب يقلل بشكل كبير من الوقت والتكلفة.

في اختبار واحد، استغرق تسمية 3.4 مليون كائن باستخدام وحدة معالجة رسومات NVIDIA (NVDA ) L40S حوالي ساعة واحدة وcost 1.18 دولار. كان من الممكن أن يستغرق التسمية اليدوية باستخدام AWS SageMaker ما يقرب من 7،000 ساعة وتكلفة أكثر من 124،000 دولار. في الحالات الصعبة بشكل خاص – مثل تحديد الفئات النادرة في مجموعات بيانات COCO أو LVIS – أدت النماذج المسمى آليًا بشكل أفضل من نظرائهم المسمى يدويا في بعض الأحيان. قد يرجع هذا النتيجة المدهشة إلى أنماط التسمية الثابتة للنماذج الأساسية ومدربتهم على بيانات الإنترنت على نطاق واسع.

داخل Voxel51: الفريق الذي يغير سير عمل الرؤية الحاسوبية

تأسست Voxel51 في عام 2016 من قبل بروفيسور جايسون كورسو و بريان مور في جامعة ميشيغان، وبدأت في البداية كشركة استشارية تركز على تحليل الفيديو. كورسو، وهو خبير في الرؤية الحاسوبية والروبوتات، نشر أكثر من 150 ورقة بحثية أكاديمية وساهم بمصادر مفتوحة إلى مجتمع الذكاء الاصطناعي. مور، وهو طالب دكتوراه سابق لكورسو، يشغل منصب الرئيس التنفيذي.

حصلت الشركة على أكثر من $45M، بما في ذلك $12.5M Series A و $30M Series B بقيادة Bessemer Venture Partners. اتبعت ذلك اعتماد الشركات الكبيرة، مع عملاء بارزين مثل LG Electronics و Bosch و Berkshire Grey (BGRY ) و Precision Planting و RIOS، الذين دمجوا أدوات Voxel51 في سير عملهم الإنتاجي للذكاء الاصطناعي.

من أداة إلى منصة: دور FiftyOne المتوسع

تطورت FiftyOne من أداة بسيطة لتصور مجموعة البيانات إلى منصة شاملة مركزية على البيانات. تدعم مجموعة واسعة من الصيغ ومخططات التسمية – COCO و Pascal VOC و LVIS و BDD100K و Open Images – وتدمج بشكل متكامل مع الإطارات مثل TensorFlow و PyTorch.

أكثر من مجرد أداة للتصور، تتيح FiftyOne عمليات متقدمة: العثور على صور مكررة، تحديد العينات الخاطئة، إبراز المخالفات، وقياس أنماط فشل النموذج. يدعم نظام البرامج المضمنة وحدات مخصصة للتعرف على الأحرف البصرية والاستجواب الفيديوي وتحليل القدرة على التضمين.

النسخة المؤسسية، FiftyOne Teams، تقدم ميزات تعاونية مثل التحكم في الإصدارات وسماحات الوصول والتكامل مع تخزين السحابة (مثل S3)، بالإضافة إلى أدوات التسمية مثل Labelbox و CVAT. ومن المهم أن Voxel51 قد شكلت شراكة مع V7 Labs لتبسيط تدفق البيانات بين تحضير مجموعة البيانات والتسمية اليدوية.

إعادة التفكير في صناعة التسمية

يبدي بحث التسمية الآلية في Voxel51 تحديًا لافتراضات صناعة التسمية البالغة قيمتها gần 1 مليار دولار. في سير العمل التقليدية، يجب أن يلمس كل صورة يد إنسان – عملية باهظة التكلفة وأحيانًا مكررة. تدعي Voxel51 أن معظم هذه الأعمال يمكن إliminها الآن.

مع نظامهم، يتم تسمية معظم الصور بواسطة الذكاء الاصطناعي، بينما يتم رفع الحالات الحافة فقط إلى البشر. هذا الاستراتيجية الهجينة لا تقطع فقط التكاليف ولكن تضمن أيضًا جودة بيانات أعلى، حيث يتم الاحتفاظ بالجهد البشري للتعليقات الأكثر صعوبة أو قيمة.

يتماشى هذا التحول مع الاتجاهات الأوسع في مجال الذكاء الاصطناعي نحو الذكاء الاصطناعي المركز على البيانات – منهجية تركز على تحسين بيانات التدريب بدلاً من ضبط معمارية النماذج بشكل لا نهاية.

المناظر التنافسية والاستقبال الصناعي

يعتبر المستثمرون مثل Bessemer Voxel51 على أنها “طبقة تنسيق البيانات” للذكاء الاصطناعي – مشابهة لطريقة أدوات DevOps التي غيرت تطوير البرمجيات. أداة مفتوحة المصدر حققت ملايين التنزيلات، وتتضمن مجتمعها آلاف المطورين والفرق التي تعمل بالذكاء الاصطناعي في جميع أنحاء العالم.

الآثار المستقبلية

الآثار طويلة المدى هائلة. إذا تم تبنيها على نطاق واسع، يمكن لمنهجية Voxel51 أن تخفض بشكل كبير عتبة الدخول إلى الرؤية الحاسوبية، وتمكين الشركات الناشئة والباحثين الذين يفتقرون إلى ميزانيات التسمية الضخمة.

علاوة على توفير التكاليف، تقوم هذه النهج أيضًا بإنشاء أساس لنظم التعلم المستمر، حيث يتم تلقائيًا وضع العلامات على فشل النماذج في الإنتاج، والتي يتم بعد ذلك مراجعتها وإعادة تسميتها ودمجها في بيانات التدريب – كل ذلك داخل خط أنابيب منسق.

ترتبط رؤية الشركة الأوسع مع تطور الذكاء الاصطناعي: ليس فقط نماذج أكثر ذكاء، ولكن سير عمل أكثر ذكاء. في تلك الرؤية، لا تموت التسمية – ولكنها لم تعد مجال العمل الشاق. إنها استراتيجية، انتقائية، ومدفوعة بالتأتمت.