Appen, Otonom Araç Üreticileri İçin Yüksek Kaliteli Eğitim Verileri Sunuyor

Appen Limited (ASX:APX), büyük ölçekli etkili AI sistemleri oluşturan organizasyonlar için yüksek kaliteli eğitim verileri sağlayan önde gelen sağlayıcı, bugün otonom araç üreticilerinin yüksek kaliteli eğitim verilerine erişebileceklerini ve eğitim verileri yatırımlarından en yüksek değeri elde edebileceklerini sağlamak için geliştirilmiş olanaklar duyurdu. Yüksek kaliteli eğitim verileri, otonom araçların güvenli ve beklenen şekilde çalışmasını sağlamak için çok önemlidir ve Appen, dünyanın 10 büyük otomotiv şirketinin 7’si ve birinci seviye tedarikçileriyle çalışan, çok karmaşık multimodal AI projeleri için %99’un üzerinde doğruluk sağlayabilir.

“Araçların sadece simüle edilmiş veya iyi hava koşullarında bir tür coğrafyada iyi performans göstermesi yeterli değil” dedi Appen’in CTO’su Wilson Pang. “Araçlar, gerçek dünya dağıtımlarında karşılaşacakları her türlü yol senaryosunda ve tüm hava koşullarında kusursuz bir şekilde çalışmalıdır. Bu, araçların AI’si için makine öğrenimi (ML) modelini geliştiren ekiplerin, yola çıkarmadan önce eğitim verilerinin mümkün olan en yüksek doğruluğuna ulaşmaya odaklanmaları gerektiğini anlamına gelir. Müşterilerimiz, en karmaşık eğitim veri açıklama senaryolarında bize güveniyorlar, çünkü endüstri lideri açıklama platformumuz ve hizmetlerimiz, çok modlu otonom araç algoritmalarını güçlendirmek için gerekli olan yüksek kaliteyi sunmamızı sağlar.”

Otonom araçlar, yol, hava ve güvenlik koşullarına uygun şekilde yanıt vermek için çok boyutlu ve çoklu sensörlerden gelen karmaşık veri kümelerine ihtiyaç duyar. Bu, sadece satıcı uzmanlaşması nedeniyle bir zorluk teşkil etmez, aynı zamanda veri açıklama süreci için de büyük bir kalite güvence zorluğu oluşturur, çünkü modelleri eğiten ekipler, poor kaliteli eğitim verisi aldıklarında, makine öğrenimi modellerine net bir fayda sağlamak için hangi veri kümelerinin geliştirilmesi gerektiğini belirlemek için önemli zaman ve kaynak harcamak zorundadırlar.

15 yılı aşkın otomotiv endüstrisi deneyimiyle Appen’in veri açıklama ekipleri, otonom araç üreticileriyle düzenli olarak çalışarak, mevcut açıklanmış verilerini denetlemelerine ve %100 kaliteye ulaşmalarına yardımcı olarak, eğitim verilerinden en yüksek değeri elde etmelerine yardımcı olurlar. Örneğin, bazı üreticiler, çok modlu otonom araçlar ML algoritmalarını etkinleştirmek için, farklı boyutlardaki iki ayrı veri kümesini bağlamak zorundadırlar. Bu, manuel olarak yapmak çok zordur, ancak otonom araç model geliştirme için çok önemlidir.

Appen’in 3D nokta bulutu açıklamasını, nesne izleme ile %99’un üzerinde doğruluk sağlayan son teknoloji platformu ile müşteriler, şimdi 2D görüntülerle bağlı 3D nokta bulutu açıklamalı bir veri kümesini açıklamak için 50’den fazla kare boyunca tutarlı bir nesne Kimliği gereksinimini karşılayabilirler.

“Projemiz hala pilot aşamasındadır ve üretim aşamasına ulaşmak için döngüyü hızlandırmamız gerekiyor, bu da algoritmamızın gereksinimlerini hızla karşılayacak eğitim verilerine ihtiyaç duyuyor. Açıklama aracı, 3D LiDAR, yüksek kaliteli kontrol özellikleri ve iş akışları, zaten Appen platformunda yer alıyor. Bu, sürecin optimize edilmesini, projemizin gereksinimlerine göre, bizim takımımız ve Appen ekibi arasında sorunsuz bir işbirliğini sağlıyor. İç pilot projemizi üretime geçirmeye bakıyoruz” dedi Ecarx’in bir üst düzey proje lideri, çoklu araç modeli için akıllı, bağlantılı bir platform oluşturan bir otomotiv teknoloji şirketi.

Appen eğitim veri platformu, dünya genelindeki 1 milyondan fazla insanın zekasını, son teknoloji modellerle birleştirerek, ML projeleri için en yüksek kaliteli eğitim verilerini oluşturur. Appen, müşterilerinin, pilot aşamasından üretime kadar, etik uygulamalar ve veri çeşitliliği temelinde sorumlu AI’yi güvence altına almalarına yardımcı olmaya da taahhüt etmiştir, tüm ana kullanım durumları boyunca. Appen, bir milyondan fazla insanın zekasını, son teknoloji modellerle birleştirerek, ML projeleri için en yüksek kaliteli eğitim verilerini oluşturan bir zeka sunuyor.