การศึกษาของ Datagen ชี้ให้เห็นว่ามีการนำข้อมูลสังเคราะห์มาใช้กันอย่างแพร่หลาย

การศึกษาใหม่ที่ได้รับการ 委託จาก Datagen ซึ่งเป็นผู้นำในการสร้างข้อมูลสังเคราะห์ มีผลการวิจัยที่น่าสนใจเกี่ยวกับการใช้ข้อมูลสังเคราะห์ในสาขาการมองเห็นของคอมพิวเตอร์ (CV) เพื่อพัฒนาการใช้งานปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML)

การศึกษาใหม่นี้ซึ่งได้รับการดำเนินการโดย Wakefield Research และสำรวจข้อมูลการฝึกอบรมในสาขาการมองเห็นของคอมพิวเตอร์ มีชื่อเรื่องว่า “ข้อมูลสังเคราะห์: กุญแจสู่การผลิต AI ที่พร้อมใช้งานในปี 2022” โดยสำรวจจากผู้เชี่ยวชาญด้าน CV 300 คนจาก 300 องค์กรที่แตกต่างกันในอุตสาหกรรมต่างๆ

การรวมตัวกันของข้อมูลสังเคราะห์

หนึ่งในผลการวิจัยที่สำคัญคือ สาขานี้เริ่มรวมตัวกัน xung quanhข้อมูลสังเคราะห์ โดยใช้มันเพื่อแก้ไขปัญหาที่เกี่ยวข้องกับการล่าช้าและการยกเลิกโครงการ

จุดสำคัญอีกประการหนึ่งของการศึกษานี้คือ การเน้นย้ำถึงข้อมูลการฝึกอบรมที่กลายเป็นแหล่งที่มาของปัญหาให้กับผู้เชี่ยวชาญด้าน CV ซึ่งทำให้ความก้าวหน้าของบริษัทในด้าน CV ชะลอลง

ปัญหาที่พบมากที่สุด ได้แก่ การเสียเวลาและ/หรือทรัพยากรในการฝึกอบรมระบบใหม่ การทำแอนโนเทชันไม่ดี ทำให้เกิดปัญหาเกี่ยวกับคุณภาพ ข้อมูลไม่ครอบคลุมโดเมนของแอปพลิเคชันที่ตั้งใจ และไม่มีข้อมูลเพียงพอ

ปัญหาเหล่านี้ขัดขวางความก้าวหน้าของโครงการ และทำให้หลายทีม CV ประสบปัญหาในการล่าช้าและการยกเลิกโครงการ ตามการสำรวจ 99% ของผู้ตอบแบบสอบถามมีประสบการณ์การยกเลิกโครงการ 80% มีประสบการณ์การล่าช้าโครงการที่นานกว่า 3 เดือน และ 33% มีประสบการณ์การล่าช้าโครงการที่นานกว่า 7 เดือน

ความสนใจและความนิยมที่กว้างขวาง

การศึกษายังพบแนวโน้มที่บ่งชี้ถึงความสนใจที่กว้างขวางในข้อมูลสังเคราะห์ โดยเฉพาะ 96% ของทีม CV รายงานว่าพวกเขากำลังใช้มันในการฝึกอบรมและทดสอบโมเดล CV

Datagen ยังถามองค์กรเหล่านั้นว่าแรงจูงใจหลักในการใช้ข้อมูลสังเคราะห์คืออะไร และทีมงานตอบว่าเป็นการทดสอบ การฝึกอบรม และการแก้ไขกรณีขอบเขต

เมื่อพูดถึงประโยชน์ของข้อมูลสังเคราะห์ ผู้ตอบแบบสอบถามกล่าวว่าประโยชน์ที่เด่นชัดที่สุดคือการลดเวลาการผลิต การกำจัดข้อกังวลด้านความเป็นส่วนตัว การลดความเอนเอียง การลดข้อผิดพลาดในการแอนโนเทชันและทำเครื่องหมาย และการปรับปรุงการสร้างแบบจำลองการคาดการณ์

Ofir Chakon เป็นผู้ก่อตั้งและ CEO ของ Datagen

“ข้อมูลสังเคราะห์คืออนาคตของข้อมูล นี่คือวิธีใหม่ในการควบคุมและบริโภคข้อมูลที่ระบบ AI ของเราต้องการ” Chakon กล่าว “เมื่อการจำลองดีขึ้นตามเวลา พร้อมกับประโยชน์ทั้งหมด มันจะเข้ามาแทนที่การเก็บข้อมูลด้วยมือที่ต้องใช้แรงงานมากและไม่สามารถปรับขนาดได้ตามความเร็วที่โลกกำลังพัฒนา”

คุณสามารถอ่านรายงานฉบับเต็มของ Datagen ได้ ที่นี่