Voxel51:n uusi auto-merkintäteknologia luvataan leikata merkintäkustannuksia 100 000-kertaisesti

Murtava uusi tutkimus tietokoneen näön startup-yritykseltä Voxel51 osoittaa, että perinteinen data-merkintämalli on muuttumassa. Tutkimuksessa, joka julkaistiin tänään, yritys raportoi, että uusi auto-merkintäjärjestelmä saavuttaa jopa 95 %:n ihmisen tason tarkkuuden ollessaan 5 000-kertaisesti nopeampi ja jopa 100 000-kertaisesti halvempi kuin manuaalinen merkintä.

Tutkimus mittasi perusmallien, kuten YOLO-World ja Grounding DINO, suorituskykyä tunnetuilla tietokannoilla, kuten COCO, LVIS, BDD100K ja VOC. Merkittävästi, monissa todellisissa tilanteissa mallit, jotka oli koulutettu ainoastaan tekoälyllä luoduilla merkinnöillä, suorittivat vertaisesti tai jopa paremmin kuin ne, jotka oli koulutettu ihmisten merkinnöillä. Yrityksille, jotka kehittävät tietokoneen näköjärjestelmiä, vaikutukset ovat valtavat: miljoonat dollarit merkintäkustannuksissa voivat säästää, ja mallin kehityskyklit voivat lyhentyä viikoista tunteihin.

Uusi aikakausi merkinnässä: Manuaalinen työ siirtyy mallin johtamiin prosesseihin

Vuosikymmenien ajan data-merkintä on ollut tuskallinen pullonkaula tekoälykehityksessä. ImageNetistä itseohjautuvien ajoneuvodatasetteihin, tiimit ovat luottaneet laajiin armeijaan ihmistyöntekijöihin, jotka piirtävät rajoja ja jakavat objekteja – ponnistelua, joka on sekä kallista että hitaata.

Valtaava logiikka oli yksinkertainen: enemmän ihmisten merkintöjä = parempi tekoäly. Mutta Voxel51:n tutkimus kääntää tämän oletuksen päälaelleen.

Heidän lähestymistapansa hyödyntää esikoulutettuja perusmalleja – joistakin on nollasuorituskyky – ja integroi ne prosessiin, joka automatisoi rutiininomaisen merkinnän ja käyttää aktiivista oppimista merkinnän epävarmojen tai monimutkaisten tapausten merkintää varten. Tämä menetelmä vähentää sekä aikaa että kustannuksia.

Yhdessä testissä 3,4 miljoonan objektin merkintä NVIDIA (NVDA ) L40S GPU:lla kesti vain yli tunnin ja maksoi 1,18 dollaria. Manuaalinen tekeminen samalla AWS SageMakerilla olisi kestänyt lähes 7 000 tuntia ja maksanut yli 124 000 dollaria. Erityisesti haastavissa tapauksissa – kuten harvinaisten luokkien tunnistamisessa COCO- tai LVIS-tietokannoissa – auto-merkityt mallit suorittivat toisinaan paremmin kuin heidän ihmisten merkityt vastineensa. Tämä yllättävä tulos saattaa johtua perusmallien johdonmukaisista merkintäkuvioista ja heidän koulutuksestaan laajassa internet-tietokannassa.

Voxel51:n sisällä: Tiimi, joka muuttaa visuaalisten tekoälyprosessien suuntaa

Perustettu vuonna 2016 Professori Jason Corso ja Brian Moore Michiganin yliopistossa, Voxel51 alkoi alun perin konsulttina, joka keskittyi videoanalytiikkaan. Corso, joka on veteraani tietokoneen näössä ja robottiassa, on julkaissut yli 150 akateemista artikkelia ja osallistuu laajasti avoimeen lähdekoodiin tekoälyyhteisössä. Moore, joka on Corson entinen PhD-opiskelija, toimii toimitusjohtajana.

Ratkaiseva hetki tuli, kun tiimi tunnisti, että useimmat tekoälypullot eivät olleet mallin suunnittelussa, vaan datassa. Tämä oivallus innoitti heitä luomaan FiftyOne, alustan, joka on suunniteltu antamaan insinööreille mahdollisuus tutkia, kuratoida ja optimoida visuaalisia tietokantoja tehokkaammin.

Vuosien varrella yritys on kerännyt yli $45M, mukaan lukien $12,5M Series A ja $30M Series B Bessemer Venture Partnersin johdolla. Yritysasiakkaat seurasivat, ja suuret asiakkaat, kuten LG Electronics, Bosch, Berkshire Grey (BGRY ) , Precision Planting ja RIOS, integroivat Voxel51:n työkalut tuotannon tekoälyprosesseihin.

Työkalusta alustaksi: FiftyOne:n laajeneva rooli

FiftyOne on kasvanut yksinkertaisesta tietokantavisualisointityökalusta kattavaksi, datakeskeiseksi tekoälyalustaksi. Se tukee laajan valikoiman formaatteja ja merkintäskeemoja – COCO, Pascal VOC, LVIS, BDD100K, Open Images – ja integroi sujuvasti kehyksiin, kuten TensorFlow ja PyTorch.

Lisää kuin visualisointityökalu, FiftyOne mahdollistaa edistyneitä toimintoja: löytää duplikaatti-kuvat, tunnistaa väärin merkityt näytteet, tuo esiin poikkeavat arvot ja mittaavat mallin epäonnistumisen tilat. Sen liitännäisecosysteemi tukee mukautettuja moduuleja optisen merkintätunnistuksen, video Q&A:n ja upottamisperusteisen analyysin osalta.

Yritysversio, FiftyOne Teams, esittelee yhteistyöominaisuuksia, kuten versionhallinnan, pääsyoikeudet ja integraation pilvitallennuksen (esim. S3) kanssa, sekä merkintätyökaluja, kuten Labelbox ja CVAT. Huomionarvoista on, että Voxel51 on myös yhteistyössä V7 Labsin kanssa, jotta datasetin kuratointi ja manuaalinen merkintä olisivat sujuvampaa.

Merkintäteollisuuden uudelleenarviointi

Voxel51:n auto-merkintätutkimus haastaa oletukset, jotka ovat perustana lähes 1 miljardin dollarin merkintäteollisuudelle. Perinteisissä prosesseissa jokainen kuva on koskettava ihmisen käsi – kallis ja usein turha prosessi. Voxel51 väittää, että suurin osa tästä työstä voidaan nyt poistaa.

Heidän järjestelmänsä avulla suurin osa kuvista on merkitty tekoälyllä, ja vain reunatapaukset ohjataan ihmisten tarkastettaviksi. Tämä hybridistrategia leikkaa kustannuksia ja varmistaa myös korkeamman kokonaisvaltaisen datan laadun, koska ihmisten ponnistelut on varattu vain haasteellisimpiin tai arvokkaimpiin merkintöihin.

Tämä muutos on rinnakkainen laajempiin suuntiin tekoälykentässä kohti datakeskeistä tekoälyä – menetelmää, joka keskittyy koulutusdatan optimointiin sen sijaan, että jatkuvasti säätelisi mallirakenteita.

Kilpailukenttä ja teollisuuden vastaanotto

Sijoittajat, kuten Bessemer, pitävät Voxel51:ä “data-orkestraatiokerroksena” tekoälylle – samalla tavalla kuin DevOps-työkalut muuttivat ohjelmistokehitystä. Heidän avoimen lähdekoodin työkalunsa on kerännyt miljoonia latauksia, ja heidän yhteisönsä käsittää tuhansia kehittäjiä ja tekoälytiimejä maailmanlaajuisesti.

Vaikka muut startup-yritykset, kuten Snorkel AI, Roboflow ja Activeloop, keskittyvät myös data-prosesseihin, Voxel51 erottuu laajuutensa, avoimen lähdekoodin etiikansa ja yritysluokan infrastruktuurinsa ansiosta. Sen sijaan, että kilpailisivat merkintäpalvelujen kanssa, Voxel51:n alusta täydentää niitä – tekee olemassa olevat palvelut tehokkaammaksi valikoivalla kuratoinnilla.

Tulevaisuuden vaikutukset

Pitkän aikavälin vaikutukset ovat syvät. Jos Voxel51:n menetelmä otetaan laajasti käyttöön, se voisi dramaattisesti alentaa esteitä tietokoneen näön kentälle, demokratisoiden alan startup-yrityksille ja tutkijoille, joilla ei ole laajoja merkintäbudjetteja.

Lisäksi säästämällä kustannuksia, tämä lähestymistapa luo myös perustan jatkuville oppimisjärjestelmille, joissa mallit tuotannossa automaattisesti merkivät virheitä, jotka tarkistetaan, uudelleenmerkitään ja sulautetaan takaisin koulutusdataan – kaikki samassa orkeoidussa prosessissa.

Yrityksen laajempi visio on linjassa siinä, miten tekoäly kehittyy: ei vain älykkäämpiä malleja, vaan älykkäämpiä prosesseja. Tässä visiossa merkintä ei ole kuollut, mutta se ei ole enää raakatyön alaa. Se on strategista, valikoivaa ja automaatiota ohjaavaa.