Tehnologia de etichetare automată a Voxel51 promite să reducă costurile de etichetare cu 100.000 de ori

Un studiu revoluționar al startup-ului de inteligență artificială vizuală Voxel51 sugerează că modelul tradițional de etichetare a datelor este pe punctul de a fi răsturnat. În cercetarea publicată astăzi, compania raportează că noul său sistem de etichetare automată atinge până la 95% din acuratețea umană, fiind de 5.000 de ori mai rapid și de până la 100.000 de ori mai ieftin decât etichetarea manuală.

Studiul a benchmarkat modelele de bază, cum ar fi YOLO-World și Grounding DINO, pe seturi de date cunoscute, cum ar fi COCO, LVIS, BDD100K și VOC. În mod remarcabil, în multe scenarii din lumea reală, modelele antrenate exclusiv pe etichete generate de AI au performant la fel de bine ca, sau chiar mai bine decât, cele antrenate pe etichete umane. Pentru companiile care construiesc sisteme de inteligență artificială vizuală, implicațiile sunt uriașe: milioane de dolari din costurile de etichetare ar putea fi economisiți, iar ciclurile de dezvoltare a modelului ar putea fi reduse de la săptămâni la ore.

Noua eră a etichetării: De la munca manuală la fluxuri de lucru conduse de modele

Timp de decenii, etichetarea datelor a fost un blocaj dureros în dezvoltarea inteligenței artificiale. De la ImageNet la seturi de date pentru vehicule autonome, echipele s-au bazat pe armate uriașe de lucrători umani pentru a desena cutii de delimitare și a segmenta obiecte – un efort atât costisitor, cât și lent.

Logica predominantă a fost simplă: mai multe date etichetate de către oameni = inteligență artificială mai bună. Dar cercetarea Voxel51 inversează această presupunere.

Aproachul lor utilizează modele de bază preantrenate – unele cu capacități de zero-shot – și le integrează într-un flux de lucru care automatizează etichetarea rutinică, utilizând învățarea activă pentru a marca cazurile incerte sau complexe pentru revizuirea umană. Această metodă reduce dramatic atât timpul, cât și costul.

Într-un test, etichetarea a 3,4 milioane de obiecte utilizând un GPU NVIDIA (NVDA ) L40S a durat puțin peste o oră și a costat 1,18 dolari. Etichetarea manuală a acelorași obiecte cu AWS SageMaker ar fi durat aproape 7.000 de ore și ar fi costat peste 124.000 de dolari. În cazuri deosebit de dificile – cum ar fi identificarea categoriilor rare în seturile de date COCO sau LVIS – modelele etichetate automat au performant, ocazional, mai bine decât cele etichetate de către oameni. Acest rezultat surprinzător poate proveni din modelele de etichetare consistente ale modelelor de bază și din antrenarea lor pe date de internet la scară largă.

În interiorul Voxel51: Echipa care redefinește fluxurile de lucru ale inteligenței artificiale vizuale

Fondată în 2016 de profesorul Jason Corso și Brian Moore de la Universitatea din Michigan, Voxel51 a început inițial ca o companie de consultanță axată pe analiza video. Corso, un veteran în inteligență artificială vizuală și robotică, a publicat peste 150 de articole academice și a contribuit cu cod deschis extensiv la comunitatea de inteligență artificială. Moore, un fost student doctorand al lui Corso, servește ca director executiv.

Punctul de cotitură a venit atunci când echipa a recunoscut că majoritatea blocajelor din inteligența artificială nu se află în proiectarea modelului, ci în date. Această insights i-a inspirat să creeze FiftyOne, o platformă proiectată pentru a permite inginerilor să exploreze, să curateze și să optimizeze seturile de date vizuale mai eficient.

De-a lungul anilor, compania a strâns peste 45 de milioane de dolari, inclusiv o rundă de finanțare Seria A de 12,5 milioane de dolari și o rundă de finanțare Seria B de 30 de milioane de dolari, condusă de Bessemer Venture Partners. Adoptarea la nivel de întreprindere a urmat, cu clienți importanți precum LG Electronics, Bosch, Berkshire Grey (BGRY ), Precision Planting și RIOS, care integrează instrumentele Voxel51 în fluxurile lor de lucru de inteligență artificială.

De la instrument la platformă: Rolul extins al FiftyOne

FiftyOne a crescut de la un instrument simplu de vizualizare a seturilor de date la o platformă de inteligență artificială completă și axată pe date. Aceasta suportă o varietate de formate și scheme de etichetare – COCO, Pascal VOC, LVIS, BDD100K, Open Images – și se integrează perfect cu cadre precum TensorFlow și PyTorch.

Mai mult decât un instrument de vizualizare, FiftyOne permite operații avansate: găsirea de imagini duplicate, identificarea exemplarelor etichetate greșit, evidențierea valorilor outlier și măsurarea modurilor de eșec ale modelului. Ecosistemul de module suplimentare acceptă module personalizate pentru recunoașterea caracterelor optice, analiza video și analiza bazată pe încorporare.

Versiunea pentru întreprindere, FiftyOne Teams, introduce funcții colaborative, cum ar fi controlul versiunilor, permisiunile de acces și integrarea cu stocarea în cloud (de exemplu, S3), precum și instrumente de etichetare, cum ar fi Labelbox și CVAT. În mod semnificativ, Voxel51 a încheiat, de asemenea, un parteneriat cu V7 Labs pentru a simplifica fluxul dintre curatarea seturilor de date și etichetarea manuală.

Reevaluarea industriei de etichetare

Cercetarea de etichetare automată a Voxel51 provoacă presupunerile care stau la baza unei industrii de etichetare de aproape 1 miliard de dolari. În fluxurile de lucru tradiționale, fiecare imagine trebuie atinsă de un om – un proces costisitor și adesea redundant. Voxel51 susține că majoritatea acestei munci poate fi eliminată.

Prin sistemul lor, majoritatea imaginilor sunt etichetate de către IA, în timp ce doar cazurile marginale sunt escalate către oameni. Această strategie hibridă nu numai că reduce costurile, dar asigură și o calitate superioară a datelor, deoarece efortul uman este rezervat pentru cele mai dificile sau valoroase etichetări.

Acestă schimbare se aliniază cu tendințele mai largi din domeniul inteligenței artificiale către inteligența artificială axată pe date – o metodologie care se concentrează pe optimizarea datelor de antrenare, mai degrabă decât pe ajustarea continuă a arhitecturilor de modele.

Peisaj competitiv și receptarea industriei

Investitorii, cum ar fi Bessemer, văd Voxel51 ca fiind “stratul de orchestrare a datelor” pentru inteligența artificială – asemănător cu modul în care instrumentele DevOps au transformat dezvoltarea de software. Instrumentul lor open-source a strâns milioane de descărcări, iar comunitatea lor include mii de dezvoltatori și echipe de inteligență artificială din întreaga lume.

În timp ce alte startup-uri, cum ar fi Snorkel AI, Roboflow și Activeloop, se concentrează și ele pe fluxurile de lucru de date, Voxel51 se remarcă prin amploarea sa, etosul open-source și infrastructura de nivel întreprindere. Mai degrabă decât a concura cu furnizorii de etichetare, platforma Voxel51 le completează – făcând serviciile existente mai eficiente prin curatarea selectivă.

Implicații viitoare

Implicațiile pe termen lung sunt profunde. Dacă este adoptat pe scară largă, metodologia Voxel51 ar putea reduce dramatic bariera de intrare pentru inteligența artificială vizuală, democratizând domeniul pentru startup-uri și cercetători care nu au bugete mari de etichetare.

Pe lângă economisirea costurilor, această abordare stabilește, de asemenea, baza pentru sisteme de învățare continuă, în care modelele din producție marchează automat eșecurile, care sunt apoi revizuite, reetichetate și reintroduse în datele de antrenare – toate în același flux de lucru orchestrat.

Viziunea mai largă a companiei se aliniază cu modul în care evoluează inteligența artificială: nu doar modele mai inteligente, ci și fluxuri de lucru mai inteligente. În această viziune, etichetarea nu este moartă, ci nu mai este domeniul muncii manuale brute. Este strategică, selectivă și condusă de automatizare.