เทคโนโลยี Auto-Labeling ใหม่ของ Voxel51 สัญญาว่าจะลดค่าใช้จ่ายในการแอนโนเตตข้อมูลลง 100,000 เท่า

การศึกษาที่เป็น 里程碑 ใหม่จาก Voxel51 ซึ่งเป็นสตาร์ทอัพด้านการมองเห็นของคอมพิวเตอร์ เสนอว่าแบบจำลองการแอนโนเตตข้อมูลแบบดั้งเดิมกำลังจะถูกทำลายลง ในการวิจัยที่เผยแพร่ในวันนี้ บริษัทรายงานว่าระบบการแอนโนเตตข้อมูลอัตโนมัติใหม่ของตนสามารถบรรลุความแม่นยำได้ถึง 95% ของระดับของมนุษย์ ในขณะที่มีความเร็ว 5,000 เท่า และราคาถูกกว่าการแอนโนเตตข้อมูลด้วยมือถึง 100,000 เท่า

การศึกษาได้ทำการเปรียบเทียบแบบจำลองพื้นฐาน เช่น YOLO-World และ Grounding DINO บนดาตาเซตที่มีชื่อเสียง เช่น COCO, LVIS, BDD100K และ VOC ผลที่น่าประทับใจคือ ในหลายๆ สถานการณ์จริง แบบจำลองที่ได้รับการฝึกฝนโดยใช้ข้อมูลที่สร้างโดย AI มีประสิทธิภาพเทียบเท่าหรือแม้กระทั่งดีกว่าแบบจำลองที่ได้รับการฝึกฝนโดยใช้ข้อมูลของมนุษย์ สำหรับบริษัทที่กำลังสร้างระบบการมองเห็นของคอมพิวเตอร์ ผลที่ตามมานั้นยิ่งใหญ่มาก: ค่าใช้จ่ายในการแอนโนเตตข้อมูลหลายล้านเหรียญสหรัฐฯ อาจถูกประหยัดได้ และรอบการพัฒนาของแบบจำลองอาจลดลงจากหลายสัปดาห์เป็นเพียงไม่กี่ชั่วโมง

ยุคใหม่ของการแอนโนเตต: จากแรงงานด้วยมือสู่การทำงานโดยใช้แบบจำลอง

เป็นเวลาหลายทศวรรษที่การแอนโนเตตข้อมูลเป็นปัญหาที่ยากลำบากในการพัฒนา AI ตั้งแต่ ImageNet ถึงดาตาเซตของรถยนต์แบบอัตโนมัติ ทีมงานต่างๆ ได้พึ่งพาการทำงานของคนจำนวนมากในการวาดรูปสี่เหลี่ยมจัตุรัสและแบ่งส่วนวัตถุ – ความพยายามที่มีค่าใช้จ่ายสูงและช้า

ตรรกะที่ใช้กันมาก่อนคือ การมีข้อมูลที่แอนโนเตตโดยมนุษย์มากขึ้นจะทำให้ AI ดีขึ้น แต่การวิจัยของ Voxel51 กลับกันข้ามสมมติฐานนั้น

แนวทางของพวกเขาใช้แบบจำลองพื้นฐานที่ได้รับการฝึกฝนแล้ว – บางส่วนมีความสามารถในการทำงานโดยไม่ต้องมีการฝึกฝน – และรวมเข้ากับระบบการทำงานที่ทำให้การแอนโนเตตข้อมูลโดยอัตโนมัติเป็นไปได้ ในขณะที่ใช้การเรียนรู้แบบแอคทีฟในการระบุกรณีที่ซับซ้อนหรือไม่แน่นอนสำหรับการทบทวนของมนุษย์ วิธีนี้ช่วยลดเวลาและค่าใช้จ่ายลงอย่างมาก

ในหนึ่งการทดสอบ การแอนโนเตตวัตถุ 3.4 ล้านชิ้นโดยใช้ GPU L40S ของ NVIDIA (NVDA ) ใช้เวลาเพียงหนึ่งชั่วโมงและราคา 1.18 ดอลลาร์ ในขณะที่การทำเช่นเดียวกันด้วยมือโดยใช้ AWS SageMaker จะใช้เวลาเกือบ 7,000 ชั่วโมงและราคาเกิน 124,000 ดอลลาร์ ในกรณีที่ท้าทายเป็นพิเศษ เช่น การระบุหมวดหมู่ที่หายากในดาตาเซต COCO หรือ LVIS แบบจำลองที่แอนโนเตตโดย AI อาจมีประสิทธิภาพดีกว่าแบบจำลองที่แอนโนเตตโดยมนุษย์ ผลลัพธ์ที่น่าประหลาดใจนี้อาจมาจากลักษณะการแอนโนเตตที่สม่ำเสมอของแบบจำลองพื้นฐานและความสามารถในการฝึกฝนจากข้อมูลขนาดใหญ่บนอินเทอร์เน็ต

ภายใน Voxel51: ทีมที่กำลังเปลี่ยนแปลงการทำงานของ AI ด้านการมองเห็น

Voxel51 ก่อตั้งขึ้นในปี 2016 โดย Professor Jason Corso และ Brian Moore ที่มหาวิทยาลัยมิชิแกน Voxel51 เริ่มต้นเป็นบริษัทที่ให้บริการด้านวิดีโอแอนะไลซิส Corso ซึ่งเป็นนักวิจัยด้านการมองเห็นของคอมพิวเตอร์และหุ่นยนต์ ได้ตีพิมพ์งานวิจัยมากกว่า 150 เรื่องและให้โค้ดโอเพ่นซอร์สแก่ชุมชน AI Moore ซึ่งเป็นอดีตนักศึกษาระดับ博士ของ Corso ดำรงตำแหน่ง CEO

จุดเปลี่ยนเกิดขึ้นเมื่อทีมงานตระหนักว่าปัญหาส่วนใหญ่ของ AI ไม่ได้อยู่ที่การออกแบบแบบจำลอง แต่อยู่ที่ข้อมูล การมองเห็นนี้ทำให้พวกเขาได้สร้าง FiftyOne ซึ่งเป็นแพลตฟอร์มที่ออกแบบมาเพื่อให้นักวิศวกรสามารถสำรวจ คัดเลือก และปรับปรุงดาตาเซตการมองเห็นได้อย่างมีประสิทธิภาพมากขึ้น

ในช่วงหลายปีที่ผ่านมา บริษัทได้รับเงินทุนมากกว่า 45 ล้านดอลลาร์ รวมถึง Series A มูลค่า 12.5 ล้านดอลลาร์ และ Series B มูลค่า 30 ล้านดอลลาร์ที่นำโดย Bessemer Venture Partners การนำไปใช้ในระดับองค์กรตามมา โดยมีลูกค้ารายใหญ่ เช่น LG Electronics, Bosch, Berkshire Grey (BGRY ), Precision Planting และ RIOS ที่รวมเครื่องมือของ Voxel51 เข้ากับกระบวนการทำงาน AI ของตน

จากเครื่องมือสู่แพลตฟอร์ม: FiftyOne ที่กำลังขยายตัว

FiftyOne เติบโตจากเครื่องมือการแสดงผลดาตาเซตที่เรียบง่ายเป็นแพลตฟอร์ม AI ที่ครอบคลุมและเน้นข้อมูล มันรองรับหลายรูปแบบและโครงสร้างการแอนโนเตต – COCO, Pascal VOC, LVIS, BDD100K, Open Images – และรวมเข้ากับเฟรมเวิร์ก เช่น TensorFlow และ PyTorch

มากกว่าเครื่องมือการแสดงผล FiftyOne ช่วยให้สามารถดำเนินการขั้นสูงได้: การค้นหาภาพซ้ำ การระบุวัตถุที่มีการแอนโนเตตผิด การแสดงผลผู้หลุด และการวัดโหมดการล้มเหลวของแบบจำลอง โมดูลปลั๊กอินของมันรองรับโมดูลที่กำหนดเองสำหรับการรู้จำตัวอักษรออปติคอล การวิเคราะห์วิดีโอ Q&A และการวิเคราะห์โดยใช้การฝังตัว

รุ่นสำหรับองค์กร FiftyOne Teams นำเสนอคุณสมบัติการทำงานร่วมกัน เช่น การควบคุมเวอร์ชัน การอนุญาตการเข้าถึง และการรวมเข้ากับระบบจัดเก็บข้อมูลบนคลาวด์ (เช่น S3) เช่นเดียวกับเครื่องมือการแอนโนเตต เช่น Labelbox และ CVAT นอกจากนี้ Voxel51 ยังร่วมมือกับ V7 Labs เพื่อทำให้กระบวนการระหว่างการคัดเลือกดาตาเซตและการแอนโนเตตด้วยมือเป็นไปอย่างราบรื่น

การคิดใหม่เกี่ยวกับอุตสาหกรรมการแอนโนเตต

การวิจัยการแอนโนเตตอัตโนมัติของ Voxel51 ท้าทายสมมติฐานที่รองรับอุตสาหกรรมการแอนโนเตตมูลค่าเกือบ 1 พันล้านดอลลาร์ ในการทำงานแบบดั้งเดิม ภาพทุกภาพต้องถูกสัมผัสโดยมนุษย์ – กระบวนการที่มีค่าใช้จ่ายสูงและซ้ำซ้อน Voxel51 แย้งว่าแรงงานส่วนใหญ่สามารถถูกกำจัดได้

ด้วยระบบของพวกเขา ภาพส่วนใหญ่จะถูกแอนโนเตตโดย AI ในขณะที่กรณีชายขอบจะถูกส่งต่อไปยังมนุษย์ กลยุทธ์แบบผสมผสานนี้ไม่เพียงแต่ลดค่าใช้จ่าย แต่ยังรับประกันคุณภาพข้อมูลโดยรวมที่สูงกว่า เนื่องจากความพยายามของมนุษย์จะถูกสงวนไว้สำหรับการแอนโนเตตที่ยากที่สุดหรือมีค่าที่สุด

การเปลี่ยนแปลงนี้สอดคล้องกับแนวโน้มที่กว้างขึ้นในด้าน AI ที่มุ่งเน้นไปที่ “การมองเห็นของ AI ที่มีศูนย์กลางอยู่ที่ข้อมูล” – วิธีการที่เน้นไปที่การปรับปรุงข้อมูลการฝึกฝนแทนการปรับแต่งโครงสร้างแบบจำลองอย่างไม่มีที่สิ้นสุด

ภูมิทัศน์การแข่งขันและความยอมรับในอุตสาหกรรม

นักลงทุนเช่น Bessemer มองว่า Voxel51 เป็น “ชั้นการออร์เคสตราด้านข้อมูล” สำหรับ AI – เหมือนกับวิธีที่เครื่องมือ DevOps ได้เปลี่ยนแปลงการพัฒนาソフト์แวร์ เครื่องมือโอเพ่นซอร์สของพวกเขาได้รับการดาวน์โหลดหลายล้านครั้ง และชุมชนของพวกเขาประกอบด้วยนักพัฒนาทousands และทีม ML ทั่วโลก

ในขณะที่สตาร์ทอัพอื่นๆ เช่น Snorkel AI, Roboflow และ Activeloop ก็มุ่งเน้นไปที่การทำงานด้านข้อมูล Voxel51 โดดเด่นด้วยความกว้างขวาง จิตวิญญาณโอเพ่นซอร์ส และโครงสร้างพื้นฐานระดับองค์กร มากกว่าที่จะแข่งขันกับผู้ให้บริการการแอนโนเตต Voxel51 สนับสนุนให้บริการเหล่านั้นให้มีประสิทธิภาพมากขึ้นผ่านการคัดเลือกแบบเลือก

ผลกระทบในอนาคต

ผลกระทบในระยะยาวนั้นลึกซึ้งมาก หากได้รับการยอมรับอย่างกว้างขวาง วิธีการของ Voxel51 อาจลดความยากลำบากในการเข้าสู่ระบบการมองเห็นของคอมพิวเตอร์ให้กับสตาร์ทอัพและนักวิจัยที่ไม่มีงบประมาณในการแอนโนเตตข้อมูลจำนวนมาก

นอกเหนือจากการประหยัดค่าใช้จ่ายแล้ว วิธีการนี้ยังวางรากฐานสำหรับ “ระบบการเรียนรู้แบบต่อเนื่อง” โดยที่แบบจำลองในกระบวนการผลิตสามารถระบุความล้มเหลวโดยอัตโนมัติ ซึ่งจะถูกทบทวน ใหม่ แอนโนเตต และนำกลับเข้าสู่ข้อมูลการฝึกฝน – ทั้งหมดนี้อยู่ภายในกระบวนการทำงานที่ได้รับการออร์เคสตรา

วิสัยทัศน์ที่กว้างขึ้นของบริษัทสอดคล้องกับวิธีที่ AI กำลังพัฒนา: ไม่ใช่แค่แบบจำลองที่ฉลาดขึ้น แต่ยังเป็นกระบวนการทำงานที่ฉลาดขึ้น ในวิสัยทัศน์นั้น การแอนโนเตตไม่ได้ตายไป – แต่ไม่ใช่สิ่งที่ต้องใช้แรงงานด้วยมืออีกต่อไป มันกลายเป็นกลยุทธ์ เลือกสรร และขับเคลื่อนด้วยการทำงานอัตโนมัติ