La nuova tecnologia di auto-etichettatura di Voxel51 promette di ridurre i costi di annotazione del 100.000 volte

Uno studio innovativo del startup di visione computerizzata Voxel51 suggerisce che il modello tradizionale di annotazione dei dati è sul punto di essere sovvertito. Nella ricerca pubblicata oggi, l’azienda riporta che il suo nuovo sistema di auto-etichettatura raggiunge fino al 95% della precisione umana mentre è 5.000 volte più veloce e fino a 100.000 volte più economico rispetto all’etichettatura manuale.

Lo studio ha utilizzato modelli di base come YOLO-World e Grounding DINO su set di dati noti come COCO, LVIS, BDD100K e VOC. In modo sorprendente, in molti scenari del mondo reale, i modelli addestrati esclusivamente con etichette generate da AI hanno prestazioni pari o addirittura migliori di quelli addestrati con etichette umane. Per le aziende che costruiscono sistemi di visione computerizzata, le implicazioni sono enormi: milioni di dollari di costi di annotazione potrebbero essere risparmiati e i cicli di sviluppo dei modelli potrebbero essere ridotti da settimane a ore.

La nuova era dell’annotazione: dall’attività manuale alle pipeline guidate da modelli

Per decenni, l’annotazione dei dati è stata un collo di bottiglia doloroso nello sviluppo dell’AI. Dalla ImageNet ai set di dati per veicoli autonomi, i team hanno fatto affidamento su enormi eserciti di lavoratori umani per disegnare box di delimitazione e segmentare oggetti – uno sforzo sia costoso che lento.

La logica prevalente era semplice: più dati etichettati umanamente = migliori AI. Ma la ricerca di Voxel51 capovolge quell’assunzione.

Il loro approccio sfrutta modelli di base pre-addestrati – alcuni con capacità di zero-shot – e li integra in una pipeline che automatizza l’etichettatura di routine mentre utilizza l’apprendimento attivo per segnalare casi incerti o complessi per la revisione umana. Questo metodo riduce drasticamente sia il tempo che il costo.

In un test, l’etichettatura di 3,4 milioni di oggetti utilizzando un’GPU NVIDIA (NVDA ) L40S ha richiesto solo poco più di un’ora e ha costato 1,18 dollari. Fare la stessa cosa manualmente con AWS SageMaker avrebbe richiesto quasi 7.000 ore e costato oltre 124.000 dollari. In casi particolarmente impegnativi – come l’identificazione di categorie rare nei set di dati COCO o LVIS – i modelli con etichette automatiche hanno occasionalmente superato i loro omologhi con etichette umane. Questo risultato sorprendente potrebbe derivare dai modelli di etichettatura coerenti e dal loro addestramento su grandi dati internet.

Dentro Voxel51: il team che sta ridefinendo i flussi di lavoro dell’AI visiva

Fondata nel 2016 dal professor Jason Corso e Brian Moore all’Università del Michigan, Voxel51 è iniziata come una società di consulenza focalizzata sull’analisi del video. Corso, un veterano nella visione computerizzata e nella robotica, ha pubblicato oltre 150 articoli accademici e contribuisce con codice open-source alla comunità AI. Moore, un ex studente di dottorato di Corso, serve come amministratore delegato.

Il punto di svolta è arrivato quando il team ha riconosciuto che la maggior parte dei collo di bottiglia dell’AI non si trovavano nel design del modello, ma nei dati. Quell’intuizione li ha portati a creare FiftyOne, una piattaforma progettata per consentire agli ingegneri di esplorare, curare e ottimizzare i set di dati visivi in modo più efficiente.

Negli anni, l’azienda ha raccolto oltre 45 milioni di dollari, tra cui un finanziamento di serie A di 12,5 milioni di dollari e un finanziamento di serie B di 30 milioni di dollari guidato da Bessemer Venture Partners. L’adozione aziendale è seguita, con importanti clienti come LG Electronics, Bosch, Berkshire Grey (BGRY ), Precision Planting e RIOS che integrano gli strumenti di Voxel51 nei loro flussi di lavoro AI di produzione.

Da strumento a piattaforma: il ruolo in espansione di FiftyOne

FiftyOne è cresciuta da uno strumento di visualizzazione del set di dati a una piattaforma AI completa e centrata sui dati. Supporta una vasta gamma di formati e schemi di etichettatura – COCO, Pascal VOC, LVIS, BDD100K, Open Images – e si integra senza problemi con framework come TensorFlow e PyTorch.

Più di uno strumento di visualizzazione, FiftyOne consente operazioni avanzate: trovare immagini duplicate, identificare campioni mal etichettati, evidenziare valori anomali e misurare i modi di fallimento del modello. Il suo ecosistema di plugin supporta moduli personalizzati per il riconoscimento ottico dei caratteri, la Q&A video e l’analisi basata sull’inserimento.

La versione aziendale, FiftyOne Teams, introduce funzionalità collaborative come il controllo delle versioni, i permessi di accesso e l’integrazione con l’archiviazione cloud (ad esempio S3), nonché strumenti di etichettatura come Labelbox e CVAT. Notoriamente, Voxel51 ha anche collaborato con V7 Labs per semplificare il flusso tra la cura del set di dati e l’annotazione manuale.

Ripensare l’industria dell’annotazione

La ricerca di Voxel51 sull’auto-etichettatura sfida le assunzioni alla base di un’industria di annotazione quasi da 1 miliardo di dollari. Nei flussi di lavoro tradizionali, ogni immagine deve essere toccata da un essere umano – un processo costoso e spesso ridondante. Voxel51 sostiene che la maggior parte di questo lavoro può ora essere eliminata.

Con il loro sistema, la maggior parte delle immagini è etichettata da AI, mentre solo i casi limite sono escalati agli esseri umani. Questa strategia ibrida non solo riduce i costi, ma garantisce anche una qualità complessiva dei dati più alta, poiché lo sforzo umano è riservato alle annotazioni più difficili o più preziose.

Questo spostamento si allinea con le tendenze più ampie nel campo dell’AI verso l’AI centrata sui dati – una metodologia che si concentra sull’ottimizzazione dei dati di addestramento piuttosto che sull’aggiustamento infinito delle architetture dei modelli.

Paesaggio competitivo e accoglienza dell’industria

Gli investitori come Bessemer considerano Voxel51 come il “livello di orchestrazione dei dati” per l’AI – paragonabile a come gli strumenti DevOps hanno trasformato lo sviluppo del software. Il loro strumento open-source ha raccolto milioni di download e la loro comunità include migliaia di sviluppatori e team di ML in tutto il mondo.

Mentre altre startup come Snorkel AI, Roboflow e Activeloop si concentrano sui flussi di lavoro dei dati, Voxel51 si distingue per la sua ampiezza, la sua etica open-source e la sua infrastruttura di livello aziendale. Piuttosto che competere con i fornitori di annotazione, la piattaforma di Voxel51 li complementa – rendendo i servizi esistenti più efficienti attraverso la cura selettiva.

Implicazioni future

Le implicazioni a lungo termine sono profonde. Se ampiamente adottata, la metodologia di Voxel51 potrebbe ridurre drasticamente la barriera all’ingresso per la visione computerizzata, democratizzando il campo per le startup e i ricercatori che mancano di vasti budget di etichettatura.

Oltre a risparmiare sui costi, questo approccio getta anche le basi per sistemi di apprendimento continuo, in cui i modelli in produzione segnalano automaticamente i fallimenti, che vengono quindi revisionati, ri-etichettati e reinseriti nei dati di addestramento – tutto all’interno della stessa pipeline orchestrata.

La visione più ampia dell’azienda si allinea con l’evoluzione dell’AI: non solo modelli più intelligenti, ma flussi di lavoro più intelligenti. In quella visione, l’annotazione non è morta – ma non è più il dominio del lavoro di forza bruta. È strategica, selettiva e guidata dall’automazione.