Η Νέα Εποχή της Σημειογραφίας: Από τη Χειροκίνητη Εργασία στα Μοντέλα που Οδηγούν τις Διαδικασίες

Μια πρωτοποριακή νέα μελέτη από την εταιρεία υπολογιστικής όρασης Voxel51 υποδηλώνει ότι το παραδοσιακό μοντέλο σημειογραφίας των δεδομένων είναι πρόθυμο να ανατραπεί. Σε έρευνα που κυκλοφόρησε σήμερα, η εταιρεία αναφέρει ότι το νέο σύστημα αυτόματης σημειογραφίας επιτυγχάνει μέχρι και 95% της ανθρώπινης ακρίβειας ενώ είναι 5.000 φορές ταχύτερο και μέχρι 100.000 φορές φθηνότερο από τη χειροκίνητη σημειογραφία.

Η μελέτη αξιολόγησε μοντέλα όπως το YOLO-World και το Grounding DINO σε γνωστά σύνολα δεδομένων όπως το COCO, το LVIS, το BDD100K και το VOC. Εξαιρετικά, σε πολλές πραγματικές περιπτώσεις, τα μοντέλα που εκπαιδεύτηκαν αποκλειστικά με αυτοματοποιημένες ετικέτες παρουσίασαν παρόμοια ή ακόμη και καλύτερη απόδοση από αυτά που εκπαιδεύτηκαν με ανθρώπινες ετικέτες. Για τις εταιρείες που κατασκευάζουν συστήματα υπολογιστικής όρασης, οι επιπτώσεις είναι τεράστιες: εκατομμύρια δολάρια σε κόστη σημειογραφίας θα μπορούσαν να εξοικονομηθούν και οι κύκλοι ανάπτυξης των μοντέλων θα μπορούσαν να μειωθούν από εβδομάδες σε ώρες.

Η Νέα Εποχή της Σημειογραφίας: Από τη Χειροκίνητη Εργασία στα Μοντέλα που Οδηγούν τις Διαδικασίες

Για δεκαετίες, η σημειογραφία των δεδομένων ήταν ένα οδυνηρό φιλτράρισμα στην ανάπτυξη του AI. Από το ImageNet έως τα σύνολα δεδομένων των αυτόνομων οχημάτων, οι ομάδες βασίζονταν σε τεράστιες στρατιές ανθρώπινων εργατών για να σχεδιάσουν οριοθετήσεις και να διαχωρίσουν αντικείμενα – μια προσπάθεια που ήταν και δαπανηρή και αργή.

Η κυρίαρχη λογική ήταν απλή: περισσότερα δεδομένα με ανθρώπινη σημειογραφία = καλύτερο AI. Αλλά η έρευνα της Voxel51 ανατρέπει αυτήν την υπόθεση.

Η προσέγγισή τους αξιοποιεί προ-εκπαιδευμένα μοντέλα και τα ενσωματώνει σε μια διαδικασία που αυτοματοποιεί τη σημειογραφία ενώ χρησιμοποιεί την ενεργό μάθηση για να υποδείξει αβέβαιες ή σύνθετες περιπτώσεις για ανθρώπινη επανεξέταση. Αυτή η μέθοδος μειώνει δραματικά και τον χρόνο και το κόστος.

Σε ένα τεστ, η σημειογραφία 3,4 εκατομμυρίων αντικειμένων χρησιμοποιώντας μια NVIDIA (NVDA ) L40S GPU πήρε λιγότερο από μια ώρα και κόστισε 1,18 δολάρια. Η χειροκίνητη σημειογραφία με το AWS SageMaker θα πήρε σχεδόν 7.000 ώρες και θα κόστισε πάνω από 124.000 δολάρια. Σε ιδιαίτερα απαιτητικές περιπτώσεις – όπως η αναγνώριση σπάνιων κατηγοριών στα σύνολα δεδομένων COCO ή LVIS – τα αυτοματοποιημένα μοντέλα υπερέβησαν偶asionally τα ανθρώπινα μοντέλα. Αυτό το απρόσμενο αποτέλεσμα μπορεί να οφείλεται στα σταθερά μοτίβα σημειογραφίας των μοντέλων και την εκπαίδευσή τους σε μεγάλα δεδομένα του διαδικτύου.

Μέσα στη Voxel51: Η Ομάδα που Ανασχηματίζει τις Διαδικασίες της Υπολογιστικής Όρασης

Ιδρυθείσα το 2016 από τον Καθηγητή Jason Corso και τον Brian Moore στο Πανεπιστήμιο του Μίσιγκαν, η Voxel51 ξεκίνησε αρχικά ως μια εταιρεία συμβούλων που επικεντρωνόταν στην ανάλυση βίντεο. Ο Corso, ένας βετεράνος στην υπολογιστική όραση και τη ρομποτική, έχει δημοσιεύσει πάνω από 150 ακαδημαϊκές εργασίες και συνεισφέρει εκτενώς ανοικτό κώδικα στην κοινότητα του AI. Ο Moore, ένας πρώην διδάκτορας του Corso, υπηρετεί ως Διευθύνων Σύμβουλος.

Το σημείο καμπής ήρθε όταν η ομάδα αναγνώρισε ότι τα περισσότερα φιλτράρισμα του AI δεν ήταν στο σχεδιασμό του μοντέλου, αλλά στα δεδομένα. Αυτή η εντύπωση τους ενέπνευσε να δημιουργήσουν το FiftyOne, μια πλατφόρμα που σχεδιάστηκε για να ενδυναμώσει τους μηχανικούς να εξερευνήσουν, να επιλέξουν και να βελτιώσουν τα οπτικά σύνολα δεδομένων πιο αποτελεσματικά.

Με τα χρόνια, η εταιρεία έχει συγκεντρώσει πάνω από $45 εκατομμύρια, συμπεριλαμβανομένης μιας $12,5 εκατομμυρίων Σειράς Α και μιας $30 εκατομμυρίων Σειράς Β με ηγεσία της Bessemer Venture Partners. Ακολούθησε η υιοθέτηση από επιχειρήσεις, με μεγάλους πελάτες όπως η LG Electronics, η Bosch, η Berkshire Grey (BGRY ), η Precision Planting και η RIOS που ενσωματώνουν τα εργαλεία της Voxel51 στις παραγωγικές διαδικασίες του AI.

Από Εργαλείο σε Πλατφόρμα: Η Εκτεταμένη Ρόλος του FiftyOne

Το FiftyOne έχει εξελιχθεί από ένα απλό εργαλείο οπτικής των συνόλων δεδομένων σε μια ολοκληρωμένη, κεντρική στο δεδομένο πλατφόρμα του AI. Υποστηρίζει eine ευρεία ποικιλία μορφών και σχημάτων σημειογραφίας – COCO, Pascal VOC, LVIS, BDD100K, Open Images – και ενσωματώνεται άψογα με πλαίσια όπως το TensorFlow και το PyTorch.

Περισσότερο από ένα εργαλείο οπτικής, το FiftyOne επιτρέπει προηγμένα operations: αναζήτηση διπλότυπων εικόνων, αναγνώριση λανθασμένα σημειωμένων δειγμάτων, εμφάνιση εκκρεμών και μέτρηση των τρόπων αποτυχίας των μοντέλων. Το οικοσύστημα των plugin του υποστηρίζει προσαρμοσμένα module για αναγνώριση χαρακτήρων, ερωτήσεις βίντεο και ανάλυση με βάση εμβέδωση.

Η εκδοχή για επιχειρήσεις, FiftyOne Teams, εισάγει συνεργατικές λειτουργίες όπως έλεγχος εκδόσεων, άδειες πρόσβασης και ενσωμάτωση με αποθήκευση cloud (π.χ. S3), καθώς και εργαλεία σημειογραφίας όπως το Labelbox και το CVAT. Ιδιαίτερα, η Voxel51 συνεργάστηκε επίσης με την V7 Labs για να ροηματοποιήσει τη ροή μεταξύ της επιλογής συνόλων δεδομένων και της χειροκίνητης σημειογραφίας.

Ανασκέφτηκε τη Βιομηχανία Σημειογραφίας

Η έρευνα της Voxel51 για την αυτόματη σημειογραφία προκλήθηκε τις υποθέσεις που υποστηρίζουν μια βιομηχανία σημειογραφίας που αξίζει σχεδόν 1 δισεκατομμύριο δολάρια. Σε παραδοσιακές διαδικασίες, κάθε εικόνα πρέπει να έχει επεξεργαστεί από έναν άνθρωπο – μια δαπανηρή και συχνά περιττή διαδικασία. Η Voxel51 υποστηρίζει ότι η większość αυτής της εργασίας μπορεί τώρα να εξαλειφθεί.

Με το σύστημά τους, η πλειοψηφία των εικόνων σημειογραφείται από το AI, ενώ μόνο οι περιπτώσεις άκρων ανεβαίνουν στους ανθρώπους. Αυτή η υβριδική στρατηγική δεν μόνο μειώνει τα κόστη αλλά εξασφαλίζει επίσης υψηλότερη συνολική ποιότητα δεδομένων, καθώς η ανθρώπινη προσπάθεια είναι αποθηκευμένη για τις πιο δύσκολες ή πολύτιμες σημειογραφίες.

Αυτή η μετατόπιση παραλληλίζει ευρύτερες τάσεις στο πεδίο του AI προς κεντρική στο δεδομένο AI – μια μεθοδολογία που επικεντρώνεται στην βελτίωση των δεδομένων εκπαίδευσης αντί να调节 συνεχώς τις αρχιτεκτονικές των μοντέλων.

Ανταγωνιστικός Χώρος και Βιομηχανική Υποδοχή

Επενδυτές όπως η Bessemer θεωρούν τη Voxel51 ως το “στρώμα ορχήστρας δεδομένων” για το AI – παρόμοιο με το πώς τα DevOps εργαλεία μετέτρεψαν την ανάπτυξη λογισμικού. Το ανοικτό εργαλείο τους έχει λάβει εκατομμύρια λήψεις και η κοινότητά τους περιλαμβάνει χιλιάδες dévelopers και ομάδες ML σε όλο τον κόσμο.

Ενώ άλλες startups όπως η Snorkel AI, η Roboflow και η Activeloop επικεντρώνονται επίσης στις διαδικασίες δεδομένων, η Voxel51 ξεχωρίζει για το πλάτος, την ανοικτή εθική και την υποδομή επιχείρησης. Αντί να ανταγωνίζεται τους παρόχους σημειογραφίας, η πλατφόρμα της Voxel51 τους συμπληρώνει – καθιστώντας τις υφιστάμενες υπηρεσίες πιο αποτελεσματικές μέσω της επιλεκτικής επιλογής.

Μελλοντικές Επιπτώσεις

Οι μακροπρόθεσμες επιπτώσεις είναι βαθιές. Αν υιοθετηθεί ευρέως, η μεθοδολογία της Voxel51 θα μπορούσε να μειώσει δραματικά το εμπόδιο εισόδου για την υπολογιστική όραση, δημοκρατίζοντας το πεδίο για startups και ερευνητές που λείπουν από τεράστια προϋπολογισμό σημειογραφίας.

Πέρα από την εξοικονόμηση κόστους, αυτή η προσέγγιση επίσης θεμελιώνει τις συνεχείς διαδικασίες μάθησης, όπου τα μοντέλα σε παραγωγή αυτόματα υποδείχνουν αποτυχίες, οι οποίες στη συνέχεια αναθεωρούνται, επανασημειογραφούνται και επαναενσωματώνονται στα δεδομένα εκπαίδευσης – όλα μέσα στην ίδια ορχηστρωμένη διαδικασία.

Η ευρύτερη οπτική της εταιρείας συμφωνεί με τον τρόπο που εξελίσσεται το AI: όχι μόνο έξυπνα μοντέλα, αλλά και έξυπνες διαδικασίες. Σε αυτήν την οπτική, η σημειογραφία δεν είναι νεκρή – αλλά δεν είναι πλέον το domaine της βίαιης εργασίας. Είναι στρατηγική, επιλεκτική και οδηγούμενη από την αυτοματοποίηση.